Słownik metodologiczny · Psychometria

Trafność zbieżna

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / Trafność zbieżna

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Trafność zbieżna?

Trafność zbieżna to zgodność wyników z innymi miarami tego samego lub bliskiego konstruktu.
Co odróżnia to pojęcie? Trafność zbieżna dotyczy przewidywanej zgodności z innymi wskaźnikami lub metodami odnoszącymi się do tego samego albo bliskiego konstruktu. W SEM może być oceniana przez ładunki i AVE, a w badaniu walidacyjnym przez zaplanowane korelacje z miarą kryterialną. Wysoka korelacja dwóch kwestionariuszy może jednak wynikać ze wspólnej metody, więc potrzebne są różnorodne źródła dowodów.

Zastosowanie, warunki i dobre praktyki

Najważniejsze zastosowanie: Sprawdzaj zbieżność z miarami tego samego konstruktu za pomocą wcześniej określonych hipotez o kierunku i wielkości relacji.

Trafność zbieżna jest wspierana, gdy wskaźniki lub metody mierzące ten sam konstrukt wykazują przewidywane związki. W modelu pomiarowym oceniaj ładunki i AVE, ale zestawiaj je również z zewnętrznymi miarami; wysoka korelacja może częściowo wynikać ze wspólnej metody.

Jak poprawnie stosować i interpretować hasło „Trafność zbieżna”?

W przypadku pojęcia „Trafność zbieżna” trzeba wskazać, jakiego rodzaju dowodu trafności oczekuje się od modelu i które konstrukty lub wskaźniki są oceniane. W analizie dotyczącej hasła „Trafność zbieżna” kryterium liczbowe ma znaczenie tylko w poprawnie określonym modelu pomiarowym. Dla interpretacji hasła „Trafność zbieżna” treść pozycji, kierunek przewidywanych relacji i rozróżnienie konstruktu od pojęć sąsiednich powinny być ustalone przed obejrzeniem wyników.

Ocena pojęcia „Trafność zbieżna” powinna wykorzystywać przedziały ufności lub bootstrap, modele alternatywne i kilka komplementarnych źródeł dowodów. W odniesieniu do hasła „Trafność zbieżna” mechaniczne przekroczenie progu nie wskazuje automatycznie, którą pozycję usunąć. Przy ocenie hasła „Trafność zbieżna” każda zmiana musi zachować zakres treści konstruktu i zostać sprawdzona na nowych danych.

Co trzeba opisać w raporcie?

Raport dotyczący „Trafność zbieżna” powinien podać dokładną miarę, parę konstruktów lub zestaw wskaźników, estymator i niepewność wyniku. W analizie dotyczącej hasła „Trafność zbieżna” należy wskazać przyjęte kryterium oraz jego uzasadnienie, a wniosek sformułować jako dowód wspierający lub osłabiający określoną interpretację, nie jako ostateczny certyfikat trafności.

Zakres raportowania dla hasła „Trafność zbieżna”: Opisz hipotezy walidacyjne, efekty z CI i model pomiarowy.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Nowa miara lęku korelowała r = .68 z uznaną skalą lęku i tylko r = .21 z odmiennym konstruktem, zgodnie z wcześniej określonym wzorcem hipotez.

Jak ją zinterpretować: Zgodny z hipotezą silny związek z podobną miarą wspiera trafność zbieżną, ale może częściowo wynikać ze wspólnej metody. Potrzebny jest cały wzorzec relacji oraz poprawna struktura wewnętrzna.

Najczęstsza pułapka i granica interpretacji

Wysoka korelacja z podobną skalą może wynikać ze wspólnej metody i nie wystarcza jako cały argument trafności.

Wynik dotyczący „Trafność zbieżna” nie zastępuje trafności treściowej, jakości operacjonalizacji ani oceny rzetelności. W odniesieniu do hasła „Trafność zbieżna” niska lub wysoka wartość pojedynczego wskaźnika jest tylko częścią argumentu dotyczącego użycia wyniku w określonym celu.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (McNeish, 2018).

Powiązane hasła

Trafność (psychometria)Trafność różnicowaTrafność wewnętrzna badaniaIpsatyzacjaNormalizacja (psychometria)Obiektywność (psychometria)

Poradniki, w których użyjesz tego pojęcia

Poradnik

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 →Poradnik

Analiza 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 →Poradnik

Analiza 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 studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. McNeish, D. (2018). Thanks coefficient alpha, we’ll take it from here. Psychological Methods, 23(3), 412–433. https://doi.org/10.1037/met0000144
  2. Dunn, T. J., Baguley, T., & Brunsden, V. (2014). From alpha to omega: A practical solution to the pervasive problem of internal consistency estimation. British Journal of Psychology, 105(3), 399–412. https://doi.org/10.1111/bjop.12046
  3. Sijtsma, K. (2009). On the use, the misuse, and the very limited usefulness of Cronbach’s alpha. Psychometrika, 74(1), 107–120. https://doi.org/10.1007/s11336-008-9101-0
  4. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
  5. Fabrigar, L. R., Wegener, D. T., MacCallum, R. C., & Strahan, E. J. (1999). Evaluating the use of exploratory factor analysis in psychological research. Psychological Methods, 4(3), 272–299. https://doi.org/10.1037/1082-989X.4.3.272
  6. Hayton, J. C., Allen, D. G., & Scarpello, V. (2004). Factor retention decisions in exploratory factor analysis: A tutorial on parallel analysis. Organizational Research Methods, 7(2), 191–205. https://doi.org/10.1177/1094428104263675

Cytowania BibTeX

@article{mcneish2018alpha, author={McNeish, Daniel}, title={Thanks coefficient alpha, we’ll take it from here}, journal={Psychological Methods}, year={2018}, volume={23}, number={3}, pages={412--433}, doi={10.1037/met0000144}}
@article{dunn2014omega, author={Dunn, Thomas J. and Baguley, Thom and Brunsden, Vivienne}, title={From alpha to omega: A practical solution to the pervasive problem of internal consistency estimation}, journal={British Journal of Psychology}, year={2014}, volume={105}, number={3}, pages={399--412}, doi={10.1111/bjop.12046}}
@article{sijtsma2009alpha, author={Sijtsma, Klaas}, title={On the use, the misuse, and the very limited usefulness of Cronbach’s alpha}, journal={Psychometrika}, year={2009}, volume={74}, number={1}, pages={107--120}, doi={10.1007/s11336-008-9101-0}}
@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}
@article{fabrigar1999efa, author={Fabrigar, Leandre R. and Wegener, Duane T. and MacCallum, Robert C. and Strahan, Erin J.}, title={Evaluating the use of exploratory factor analysis in psychological research}, journal={Psychological Methods}, year={1999}, volume={4}, number={3}, pages={272--299}, doi={10.1037/1082-989X.4.3.272}}
@article{hayton2004parallel, author={Hayton, James C. and Allen, David G. and Scarpello, Vida}, title={Factor retention decisions in exploratory factor analysis: a tutorial on parallel analysis}, journal={Organizational Research Methods}, year={2004}, volume={7}, number={2}, pages={191--205}, doi={10.1177/1094428104263675}}
R