Rzetelność wielopoziomowa – jak ocenić skalę w danych zagnieżdżonych?

Opracowanie merytoryczne: Konrad Hryniewicz · Opublikowano: 28 października 2026 · Aktualizacja: 27 października 2026

Co to jest rzetelność wielopoziomowa?

Rzetelność wielopoziomowa (ang. multilevel reliability) to rzetelność wyniku skali oszacowana osobno na każdym poziomie danych zagnieżdżonych, np. pracowników w zespołach. Wariancja odpowiedzi dzieli się na część wewnątrz zespołów i między nimi, a skala może mierzyć różnice między osobami z inną precyzją niż różnice między zespołami. Geldhof, Preacher i Zyphur (2014) pokazali, że jednopoziomowa alfa czy omega odpowiada rzeczywistej rzetelności tylko wtedy, gdy na obu poziomach jest ona taka sama.

Jak ją liczyć

W dwupoziomowej CFA (lavaan, argument cluster) dopasowuje się model czynnikowy wewnątrz i między grupami. Z ładunków i wariancji resztowych każdego poziomu liczy się omegę: ω_w i ω_b. W badaniu Geldhofa i in. (2014) dwupoziomowe alfa i omega sprawdzały się dobrze, maksymalna rzetelność H była bardziej obciążona, a małe grupy zawyżały rzetelność międzygrupową.

Lai (2021) zauważył, że ω_b dotyczy latentnej średniej grupy, a nie obserwowanej średniej, którą zwykle wpisuje się do analiz. Dla konstruktu wspólnego, np. klimatu zespołu, zaproponował wskaźnik, w którym różnice ocen osób w zespole też są błędem. W R liczy go semTools::compRelSEM() z argumentem shared.

Przykład

W danych symulowanych 960 pracowników ze 120 zespołów (po 8 osób) oceniało klimat zespołu czterema pozycjami; ICC pozycji wynosiło .12–.17. Omega wewnątrzgrupowa wyniosła ω_w = .813, a międzygrupowa ω_b = .905. Rzetelność obserwowanej średniej zespołu była jednak tylko .553, a jednopoziomowa omega (.828) nie opisywała żadnego z poziomów.

Jak opisać w pracy

Na co uważać

• Rzetelność dla poziomu analizy. Gdy analizujesz średnie zespołów, podaj rzetelność tych średnich, a nie jedną omegę dla całej próby.
• Liczba osób w grupie. Rzetelność średniej rośnie z liczbą osób i ICC; przy małych zespołach agregacja daje mało precyzyjne wyniki.
• Struktura na obu poziomach. Omega ma sens dopiero przy dobrze dopasowanym modelu czynnikowym na każdym poziomie. Ładunki i izomorfizm czynników omawia wpis o wielopoziomowej analizie czynnikowej (MCFA).

library(lavaan)
set.seed(3131)
J <- 120; n_j <- 8                                    # 120 zespołów po 8 pracowników (dane symulowane)
zespol <- rep(1:J, each = n_j)
f_w <- rnorm(J * n_j)                                 # klimat postrzegany przez osobę (wewnątrz)
f_b <- rnorm(J, 0, 0.5)[zespol]                       # wspólny klimat zespołu (między)
lam_w <- c(0.8, 0.7, 0.7, 0.6); lam_b <- c(0.8, 0.7, 0.7, 0.6)
poz <- sapply(1:4, function(i) lam_w[i] * f_w + lam_b[i] * f_b +
                rnorm(J, 0, 0.15)[zespol] + rnorm(J * n_j, 0, 0.7))
colnames(poz) <- paste0("k", 1:4)
d <- data.frame(poz, zespol)
model <- '
level: 1
  Fw =~ a1*k1 + a2*k2 + a3*k3 + a4*k4
  k1 ~~ e1*k1; k2 ~~ e2*k2; k3 ~~ e3*k3; k4 ~~ e4*k4
level: 2
  Fb =~ b1*k1 + b2*k2 + b3*k3 + b4*k4
  k1 ~~ d1*k1; k2 ~~ d2*k2; k3 ~~ d3*k3; k4 ~~ d4*k4
  omega_w := (a1+a2+a3+a4)^2 / ((a1+a2+a3+a4)^2 + e1+e2+e3+e4)
  omega_b := (b1+b2+b3+b4)^2 / ((b1+b2+b3+b4)^2 + d1+d2+d3+d4)
  rel_srednia := (b1+b2+b3+b4)^2 / ((b1+b2+b3+b4)^2 + d1+d2+d3+d4 +
                 ((a1+a2+a3+a4)^2 + e1+e2+e3+e4) / 8)   # obserwowana średnia zespołu (8 osób)
'
fit <- cfa(model, data = d, cluster = "zespol", std.lv = TRUE)
pe <- parameterEstimates(fit)
rel <- pe[pe$label %in% c("omega_w", "omega_b", "rel_srednia"), c("label", "est", "ci.lower", "ci.upper")]
rel[, -1] <- round(rel[, -1], 3); print(rel, row.names = FALSE)
omega_1 <- function(x) { f <- cfa('F =~ k1 + k2 + k3 + k4', data = x, std.lv = TRUE)
  l <- inspect(f, "est")$lambda; th <- diag(inspect(f, "est")$theta)
  sum(l)^2 / (sum(l)^2 + sum(th)) }
round(c(omega_jednopoziomowa = omega_1(d)), 3)       # ignoruje zagnieżdżenie

       label   est ci.lower ci.upper
     omega_w 0.813    0.793    0.834
     omega_b 0.905    0.854    0.956
 rel_srednia 0.553    0.433    0.674
omega_jednopoziomowa 
               0.828

Najczęstsze pytania

Dlaczego jedna omega nie wystarcza przy danych zagnieżdżonych?

Bo miesza wariancję wewnątrz i między grupami. Geldhof i in. (2014) pokazali, że jednopoziomowa rzetelność odpowiada rzeczywistej tylko wtedy, gdy na obu poziomach jest taka sama.

Jak policzyć rzetelność na poziomie zespołów w R?

Dopasuj dwupoziomową CFA w lavaan z argumentem cluster i policz omegę z ładunków poziomu 2 albo funkcją semTools::compRelSEM(). Dla obserwowanych średnich zespołów dodaj argument shared.

Czy wysoka omega międzygrupowa oznacza rzetelne średnie zespołów?

Nie zawsze. W przykładzie ω_b = .905, a rzetelność obserwowanej średniej z 8 osób tylko .553, bo różnice ocen w zespole też są błędem (Lai, 2021).

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

@article{geldhof2014reliability, author={Geldhof, G. John and Preacher, Kristopher J. and Zyphur, Michael J.}, title={{Reliability estimation in a multilevel confirmatory factor analysis framework}}, journal={Psychological Methods}, year={2014}, volume={19}, number={1}, pages={72--91}, doi={10.1037/a0032138}}

@article{lai2021composite, author={Lai, Mark H. C.}, title={{Composite reliability of multilevel data: It’s about observed scores and construct meanings}}, journal={Psychological Methods}, year={2021}, volume={26}, number={1}, pages={90--102}, doi={10.1037/met0000287}}