Co oznacza Spójność wewnętrzna (rzetelność skali)?
Zastosowanie, warunki i dobre praktyki
Spójność wewnętrzna opisuje, jak konsekwentnie pozycje współtworzą wynik w jednej administracji, ale zależy od liczby pozycji i modelu pomiarowego. Wysoka wartość może wynikać z powtarzalnej treści, a nie jednowymiarowości. Dlatego alfa lub omega powinny być raportowane z przedziałem i poprzedzone oceną struktury, zakresu konstruktu oraz kodowania pozycji.
Najważniejsze zastosowanie: Dla refleksyjnej, jednowymiarowej skali oceniaj model pomiarowy, ładunki i modelową rzetelność, np. omega lub rho_C; alfę traktuj jako miarę opartą na dodatkowych założeniach. Dla kompozytu formatywnego spójność może nie być właściwym kryterium.
Jak poprawnie stosować i interpretować hasło „Spójność wewnętrzna (rzetelność skali)”?
Przy ocenie pojęcia „Spójność wewnętrzna (rzetelność skali)” najpierw definiuje się wynik, populację i źródło błędu, którego dotyczy ocena. Dla interpretacji hasła „Spójność wewnętrzna (rzetelność skali)” spójność wewnętrzna, stabilność w czasie i zgodność sędziów są różnymi pytaniami. W odniesieniu do hasła „Spójność wewnętrzna (rzetelność skali)” współczynnik należy dobrać do modelu pomiarowego i przeznaczenia wyniku; alfa, omega, rho_A i rho_C nie są wymiennymi etykietami tej samej własności.
Ocena pojęcia „Spójność wewnętrzna (rzetelność skali)” powinna obejmować przedział ufności, strukturę wymiarową i rozkład ładunków. Przy ocenie hasła „Spójność wewnętrzna (rzetelność skali)” wysoka wartość może wynikać z wielu podobnych pozycji, a nie z dobrego pokrycia konstruktu. W analizie dotyczącej hasła „Spójność wewnętrzna (rzetelność skali)” dla decyzji indywidualnych trzeba dodatkowo ocenić błąd standardowy pomiaru i stabilność klasyfikacji blisko progu.
Co trzeba opisać w raporcie?
Raport dotyczący „Spójność wewnętrzna (rzetelność skali)” powinien nazwać współczynnik, zestaw pozycji, próbę, model pomiarowy i przedział ufności. Dla interpretacji hasła „Spójność wewnętrzna (rzetelność skali)”, jeżeli porównuje się kilka miar, trzeba wyjaśnić, czemu każda odpowiada specyfikacji konstruktu. W odniesieniu do hasła „Spójność wewnętrzna (rzetelność skali)” wynik uzupełnia się dowodami trafności i informacją o procedurze obsługi braków.
Zakres raportowania dla hasła „Spójność wewnętrzna (rzetelność skali)”: Podaj model skali, liczbę pozycji, współczynnik z 95% CI, ładunki i dowody jednowymiarowości. Nie interpretuj wartości .80 jako „80% poprawności”.
Przykład praktyczny i gotowa interpretacja
Sytuacja: Trzy pozycje lęku o ładunkach .72, .81 i .78 mogą tworzyć spójny wynik, jeśli CFA wspiera jeden czynnik. Trzy składniki dostępu: koszt, odległość i czas oczekiwania nie muszą korelować i nie wymagają wysokiej alfy.
Jak ją zinterpretować: Współczynnik opisuje zgodność pozycji przy określonym sposobie tworzenia wyniku, ale może rosnąć przez redundancję. Należy go interpretować po ocenie wymiarowości, z przedziałem i bez utożsamiania z trafnością.
Najczęstsza pułapka i granica interpretacji
Wysoki współczynnik może wynikać z wielu niemal identycznych pozycji. Nie dowodzi jednowymiarowości i nie naprawia źle zdefiniowanego konstruktu.
Wysoka „Spójność wewnętrzna (rzetelność skali)” oznacza określony rodzaj precyzji, ale nie dowodzi jednowymiarowości ani trafności. Przy ocenie hasła „Spójność wewnętrzna (rzetelność skali)” współczynnik oszacowany w jednej populacji i do jednego zastosowania nie musi zachować wartości w innej grupie.
Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Henseler et al., 2015).
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Alfa Cronbacha: jak oceniać rzetelność skali bez uproszczeń
Alfa Cronbacha krok po kroku: wzór, założenia, interpretacja, ograniczenia i sytuacje, w których lepiej raportować współczynnik omega.
Czytaj →PoradnikAnaliza czynnikowa EFA i CFA: jak dobrać metodę i uniknąć błędów
EFA i CFA w praktyce: liczba czynników, metoda ekstrakcji, rotacja, ładunki, walidacja oraz najczęstsze błędy w analizie czynnikowej.
Czytaj →PoradnikAnaliza ankiety do pracy licencjackiej i magisterskiej
Analiza ankiety do pracy dyplomowej: przygotowanie bazy, kodowanie pytań, skale, testy, modele i raport wyników do licencjatu lub magisterki.
Czytaj →Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Oferta dla badaczyOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43, 115–135. https://doi.org/10.1007/s11747-014-0403-8
- Rönkkö, M., & Cho, E. (2022). An updated guideline for assessing discriminant validity. Organizational Research Methods, 25(1), 6–14. https://doi.org/10.1177/1094428120968614
- Dijkstra, T. K., & Henseler, J. (2015). Consistent partial least squares path modeling. MIS Quarterly, 39(2), 297–316. https://doi.org/10.25300/MISQ/2015/39.2.02
- Benitez, J., Henseler, J., Castillo, A., & Schuberth, F. (2020). How to perform and report an impactful analysis using partial least squares: Guidelines for confirmatory and explanatory IS research. Information & Management, 57(2), 103168. https://doi.org/10.1016/j.im.2019.05.003
- Hair, J. F., Sarstedt, M., & Ringle, C. M. (2019). Rethinking some of the rethinking of partial least squares. European Journal of Marketing, 53(4), 566–584. https://doi.org/10.1108/EJM-10-2018-0665
- Jarvis, C. B., MacKenzie, S. B., & Podsakoff, P. M. (2003). A critical review of construct indicators and measurement model misspecification in marketing and consumer research. Journal of Consumer Research, 30(2), 199–218. https://doi.org/10.1086/376806
Cytowania BibTeX
@article{henseler2015htmt, author={Henseler, Jörg and Ringle, Christian M. and Sarstedt, Marko}, title={A New Criterion for Assessing Discriminant Validity in Variance-Based Structural Equation Modeling}, journal={Journal of the Academy of Marketing Science}, year={2015}, volume={43}, pages={115--135}, doi={10.1007/s11747-014-0403-8}}@article{ronkko2022discriminant, author={Rönkkö, Mikko and Cho, Eunseong}, title={An Updated Guideline for Assessing Discriminant Validity}, journal={Organizational Research Methods}, year={2022}, volume={25}, number={1}, pages={6--14}, doi={10.1177/1094428120968614}}@article{dijkstra2015plsc, author={Dijkstra, Theo K. and Henseler, Jörg}, title={Consistent Partial Least Squares Path Modeling}, journal={MIS Quarterly}, year={2015}, volume={39}, number={2}, pages={297--316}, doi={10.25300/MISQ/2015/39.2.02}}@article{benitez2020impactful, author={Benitez, Jose and Henseler, Jörg and Castillo, Ana and Schuberth, Florian}, title={How to Perform and Report an Impactful Analysis Using Partial Least Squares: Guidelines for Confirmatory and Explanatory IS Research}, journal={Information and Management}, year={2020}, volume={57}, number={2}, pages={103168}, doi={10.1016/j.im.2019.05.003}}@article{hair2019rethinking, author={Hair, Joseph F. and Sarstedt, Marko and Ringle, Christian M.}, title={Rethinking Some of the Rethinking of Partial Least Squares}, journal={European Journal of Marketing}, year={2019}, volume={53}, number={4}, pages={566--584}, doi={10.1108/EJM-10-2018-0665}}@article{jarvis2003measurement, author={Jarvis, Cheryl Burke and MacKenzie, Scott B. and Podsakoff, Philip M.}, title={A Critical Review of Construct Indicators and Measurement Model Misspecification in Marketing and Consumer Research}, journal={Journal of Consumer Research}, year={2003}, volume={30}, number={2}, pages={199--218}, doi={10.1086/376806}}