Słownik metodologiczny · Pomiar i skale

Jednowymiarowość skali – kiedy pozycje mierzą jedną cechę?

Jednowymiarowość oznacza, że wszystkie pozycje skali mierzą jedną cechę ukrytą. Wyjaśniamy, czym różni się od rzetelności, jak ją sprawdzić analizą równoległą, CFA i w IRT oraz jak opisać wynik w pracy.

Strona główna / Słownik / Jednowymiarowość skali

Opracowanie merytoryczne: · Opublikowano:

W skrócie: Jednowymiarowość skali oznacza, że odpowiedzi na wszystkie pozycje wyjaśnia jedna cecha ukryta. To warunek sensownego sumowania pozycji w jeden wynik. Nie dowodzi jej wysoka alfa Cronbacha – sprawdza się ją analizą równoległą, jednoczynnikową CFA albo resztami w modelach IRT.

Co to jest jednowymiarowość skali?

Jednowymiarowość (ang. unidimensionality) oznacza, że odpowiedzi na wszystkie pozycje skali wyjaśnia jedna cecha ukryta. Hattie (1985) definiuje ją właśnie jako istnienie jednej cechy latentnej leżącej u podstaw danych i odróżnia od pojęć używanych zamiennie: rzetelności, spójności wewnętrznej i homogeniczności. Dopiero gdy skala jest jednowymiarowa, sumowanie pozycji w jeden wynik ma jasną interpretację.

Dlaczego wysoka alfa nie wystarczy?

Alfa Cronbacha rośnie z liczbą pozycji i ze średnią korelacją między nimi, więc długa skala złożona z dwóch skorelowanych podskal może mieć alfę powyżej .80. Rzetelność mówi, jak dokładny jest wynik, a jednowymiarowość – czy mierzy jedną rzecz. Dlatego najpierw sprawdza się strukturę, a dopiero potem liczy rzetelność, najlepiej omegę McDonalda opartą na modelu jednoczynnikowym.

Jak sprawdzić jednowymiarowość?

  • Eksploracyjnie. Analiza równoległa i stosunek pierwszej do drugiej wartości własnej pokazują, czy dominuje jeden czynnik.
  • Konfirmacyjnie. Gerbing i Anderson (1988) proponują sekwencję: korelacje pozycja–całość i EFA do wstępnego doboru pozycji, potem jednoczynnikowa CFA, a rzetelność dopiero po potwierdzeniu jednowymiarowości. Oceniaj dopasowanie i duże korelacje reszt – szczegóły we wpisie Analiza czynnikowa EFA i CFA.
  • W IRT. Hattie (1985) uznał za najbardziej użyteczne wskaźniki oparte na resztach po dopasowaniu modelu cechy latentnej. W modelu Rascha służy temu analiza głównych składowych reszt i dopasowanie pozycji.

Jednowymiarowość „wystarczająca”

Ściśle jednowymiarowe dane zdarzają się rzadko. Reise (2012) pokazuje, że model bifactor pozwala ocenić, czy skala z podskalami jest zdominowana przez czynnik ogólny na tyle, by uzasadnić jeden wynik łączny.

Jak opisać w pracy

Jednowymiarowość skali sprawdzono analizą równoległą (jeden czynnik o wartości własnej wyższej niż w danych losowych) i jednoczynnikową analizą konfirmacyjną (podaj CFI, RMSEA, SRMR i największe korelacje reszt). Po potwierdzeniu struktury obliczono rzetelność jako omegę McDonalda.

Na co uważać

  • Efekt metody. Pozycje odwrócone często tworzą osobny czynnik, choć mierzą tę samą cechę. Przykład omawia wpis o PSWQ.
  • Kryterium Kaisera. Liczba wartości własnych powyżej 1 zwykle przeszacowuje liczbę czynników.
  • Struktura przyjęta z oryginału. Po adaptacji językowej sprawdź jednowymiarowość na własnej próbie.

Najczęstsze pytania

Czy wysoka alfa Cronbacha dowodzi jednowymiarowości?

Nie. Alfa rośnie z liczbą pozycji i średnią korelacją między nimi, więc może być wysoka także w skali złożonej z kilku skorelowanych czynników. Hattie (1985) wyraźnie odróżnia jednowymiarowość od spójności wewnętrznej i rzetelności.

Co zrobić, gdy CFA nie potwierdza jednego czynnika?

Sprawdź korelacje reszt i ładunki: czy odrębny czynnik tworzą pozycje odwrócone lub podobnie sformułowane. Porównaj model jedno- i wieloczynnikowy oraz bifactor. Jeśli czynnik ogólny nie dominuje, raportuj wyniki podskal zamiast jednego wyniku łącznego.

Jak sprawdzić jednowymiarowość w R?

Analizę równoległą da psych::fa.parallel(dane), a model jednoczynnikowy – lavaan::cfa('F =~ p1 + p2 + p3 + p4 + p5', data = dane, ordered = TRUE). Dla danych porządkowych użyj korelacji polichorycznych i estymatora WLSMV.

Powiązane hasła

CFA (konfirmacyjna analiza czynnikowa)Analiza równoległaModel bifactorOmega McDonaldaModel RaschaŁadunek czynnikowy

Poradniki, w których użyjesz tego pojęcia

Poradnik

Analiza czynnikowa EFA i CFA

EFA czy CFA, analiza równoległa, rotacja oblimin a varimax, przejście od EFA do CFA na nowej próbie, WLSMV i opis APA – z danymi i kodem R.

Czytaj →Poradnik

PSWQ – zamartwianie się: jak policzyć wynik

Suma 16 pozycji, odwracanie według źródła, braki, rzetelność i spór: jeden czynnik czy efekt metody pozycji odwróconych – z przykładem w R i wzorem opisu.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Gerbing, D. W., & Anderson, J. C. (1988). An updated paradigm for scale development incorporating unidimensionality and its assessment. Journal of Marketing Research, 25(2), 186–192. https://doi.org/10.1177/002224378802500207
  2. Hattie, J. (1985). Methodology review: Assessing unidimensionality of tests and items. Applied Psychological Measurement, 9(2), 139–164. https://doi.org/10.1177/014662168500900204
  3. Reise, S. P. (2012). The rediscovery of bifactor measurement models. Multivariate Behavioral Research, 47(5), 667–696. https://doi.org/10.1080/00273171.2012.715555 ● Otwarty dostęp

Cytowania BibTeX

@article{gerbing1988updated, author={Gerbing, David W. and Anderson, James C.}, title={{An updated paradigm for scale development incorporating unidimensionality and its assessment}}, journal={Journal of Marketing Research}, year={1988}, volume={25}, number={2}, pages={186--192}, doi={10.1177/002224378802500207}}
@article{hattie1985methodology, author={Hattie, John}, title={{Methodology review: Assessing unidimensionality of tests and items}}, journal={Applied Psychological Measurement}, year={1985}, volume={9}, number={2}, pages={139--164}, doi={10.1177/014662168500900204}}
@article{reise2012rediscovery, author={Reise, Steven P.}, title={{The rediscovery of bifactor measurement models}}, journal={Multivariate Behavioral Research}, year={2012}, volume={47}, number={5}, pages={667--696}, doi={10.1080/00273171.2012.715555}}
R