Омега против альфа надежности

Интересно, может кто-нибудь объяснить, в чем главное отличие омега-альфа-надежности?

Я понимаю, что надежность омеги основана на иерархической факторной модели, как показано на следующем рисунке, и альфа использует средние межэлементные корреляции.

Что я не понимаю, так это то, в каком состоянии коэффициент достоверности омега будет выше, чем коэффициент альфа, и наоборот?

Могу ли я предположить, что если корреляции между субфакторами и переменными выше, коэффициент омега также будет выше (как показано на рисунке выше)?

Любой совет приветствуется!

Коэффициент (иерархический) дает долю дисперсии в оценках шкалы, учитываемых общим фактором (1,2), обычно из факторного анализа второго порядка. Однако, если какие-либо измерения нулевого порядка отражаются в таких масштабах, будет меньше, чем Кронбаха (который должен использоваться только с одномерными масштабами в любом случае). только в том случае, когда измерительный инструмент имеет так называемый тау-эквивалент (равные факторные нагрузки, но, возможно, неравные, но некоррелированные ошибки)$\omega_h$$\omega_h$$\alpha$$\alpha=\omega_h$, Это было ранее продемонстрировано Макдональдсом. Независимо от используемого индикатора низкие значения указывают на то, что нет смысла вычислять итоговую оценку (т. Е. Суммировать вклад каждого элемента оценки в единое целое для получения составной оценки).

Подводя итог, можно что коррелированные ошибки измерения, многомерность или неравномерная загрузка факторов приводят к тому, что оба показателя могут расходиться, причем иерархическая - это мера надежности, которую следует использовать, следуя прошлой работе Revelle и коллег (более подробно об этом см. (1)).$\omega_h$

Рекомендации

1. Zinbarg, RE, Revelle, W., и Yovel, I. (2007). Оценка для структур, содержащих два групповых фактора: опасности и перспективы. Прикладные психологические измерения , 31 (2) , 135–157.$\omega_h$
2. McDonald, RP (1999). Теория испытаний: единое лечение . Махва, Нью-Джерси: Лоуренс Эрлбаум.
3. Zinbarg, RE, Yovel, I., Revelle, W. и McDonald, RP (2006). Оценка обобщения для скрытой переменной, общей для всех показателей шкалы: сравнение для$\omega_h$ . Прикладные психологические измерения , 30 (2) , 121–144.

Альфа Кронбаха зависит от предположения, что каждая переменная индикатора вносит одинаковый вклад в коэффициент, то есть все (нестандартные) нагрузки должны быть одинаковыми (тау-эквивалентность). Если это предположение нарушается, истинная надежность будет недооценена.

Второе предположение для альфа состоит в том, что отклонения ошибок индикаторов должны быть некоррелированными. Другими словами, один фактор должен учитывать все общие различия показателей. Если это не так, альфа переоценит надежность.

Omega не требует тау-эквивалентности или некоррелированных отклонений ошибок. Есть две версии омеги. Первый используется, когда отклонения ошибок некоррелированы, второй - если они коррелированы. Омега и альфа дадут одинаковый результат, если данные не нарушают предположения альфа.