Хотя по-прежнему не хватает некоторой информации (количество отдельных лиц и предметов в подшкале), здесь приведены некоторые общие советы о сокращении масштаба. Кроме того, поскольку вы работаете на уровне вопросника, я не понимаю, почему его длина так важна (в конце концов, вы просто предоставите сводную статистику, например, общие или средние оценки).
Я предполагаю, что (а) у вас есть набор из K элементов, измеряющих некоторую конструкцию, связанную с моральным духом, (б) ваша «одномерная» шкала - это фактор второго порядка, который можно подразделить на различные аспекты, (в) вы хотели бы уменьшите вашу шкалу до k <K элементов, чтобы с достаточной точностью суммировать итоговые баллы по предметам при сохранении достоверности содержания шкалы.
О содержании / конструкции достоверности этой утвержденной шкалы: Количество элементов, безусловно, выбрано так, чтобы наилучшим образом отражать интересующую конструкцию. Сокращая вопросник, вы фактически сокращаете охват конструкции. Было бы хорошо проверить, что структура факторов остается неизменной при рассмотрении только половины элементов (что, в конце концов, также может повлиять на способ их выбора). Это может быть сделано с использованием традиционных методов FA. Вы несете ответственность за интерпретацию шкалы в духе, аналогичном духу авторов.
О достоверности баллов : хотя это показатель, зависящий от выборки, достоверность баллов уменьшается при уменьшении количества элементов (см. Формулу Спирмена-Брауна ); Другой способ убедиться в том, что стандартная погрешность измерения (SEM) увеличится, но см . Инструкционный модуль NCME по стандартной погрешности измерения , автор Leo M Harvill. Излишне говорить, что он применяется к каждому показателю, который зависит от количества элементов (например, альфа Кронбаха, который можно использовать для оценки одной из форм надежности, а именно внутренней согласованности). Надеемся, что это не повлияет на какие-либо сравнения между группами на основе необработанных результатов.
Итак, мои рекомендации (самый простой способ) будут:
- Выберите ваши предметы, чтобы максимизировать охват конструкции; проверить размерность с помощью FA и охват одномерным распределением ответов;
- Сравнить средние промежуточные корреляции с ранее сообщенными;
- Вычислить внутреннюю согласованность для полной шкалы и ваших композитов; убедитесь, что они согласуются с опубликованными статистическими данными в исходном масштабе (не нужно ничего проверять, это выборочные меры);
- Проверьте линейные (или полихорические, или ранговые) корреляции между исходными и уменьшенными (под) баллами, чтобы убедиться, что они сопоставимы (т. Е. Местоположения отдельных лиц со скрытой чертой не изменяются в значительной степени, что объективируется через необработанные баллы );
- Если у вас есть внешняя переменная для конкретного субъекта (например, пол, возраст или наилучшая мера, связанная с моральным духом), сравните валидность известной группы между двумя формами.
Трудным путем было бы полагаться на теорию отклика предметов, чтобы выбрать те предметы, которые несут максимум информации о скрытой характеристике - масштабирование на самом деле является одним из лучших ее применений. Модели для политомных предметов были частично описаны в этой теме, Проверка анкет .
Обновление после вашего второго обновления
- Забудьте о любых моделях IRT для политомных предметов с таким небольшим количеством предметов.
- Факторный анализ также пострадает от такого низкого размера выборки; Вы получите ненадежные оценки факторных нагрузок.
- 30 пунктов, разделенных на 2 = 15 пунктов (легко получить представление об увеличении соответствующей SEM для общего балла), но это определенно ухудшится, если вы рассмотрите подшкалы (на самом деле это был мой 2-й вопрос - нет элементов) за подшкалу, если есть)