Dit is een site voor studenten van de Open Universiteit. Voordat je een vraag kunt stellen moet je even een account aanmaken (dit systeem is niet gekoppeld aan je OU studentnummer en wachtwoord).

Welkom bij het vraag- en antwoord systeem van de onderzoeks-practica van de studie psychologie bij de Open Universiteit.

Houd er, als je een vraag stelt, rekening mee dat je de richtlijnen volgt!

Als een item matig correleert ( <.20 ) met andere items in de schaalanalyse, moet het item dan altijd verwijderd worden?

0 leuk 0 niet-leuks
Bij het maken van de ABC oprdacht moet de interne consistentie worden bepaald bij subschalen. De reader geeft aan op bl. 157 dat de items minimaal een samenhang moeten vertonen van .20 Is dit altijd nodig? Bij mij correleert een item met 4 van de 7 andere items boven de .20 Ik vraag dit omdat uit de item total statistics blijkt dat als het item zou worden verwijderd cronbach's alpha wat zal dalen. In Field heb ik de info niet kunnen vinden, heb ik toch iets gemist? bedankt alvast voor de hulp.
gevraagd 17 november 2014 in Psychologisch Survey (PS) door Nellie Lievense (160 punten)

1 Antwoord

1 leuk 0 niet-leuks

Het behouden of verwijderen van items is een beslissing die je niet alleen op basis van item-rest correlaties kunt nemen. Het hangt er ook vanaf wat het item meet; als het het enige item is dat een bepaald aspect van je construct meet, zou je lagere verbanden met andere items verwachten, maar is het tegelijkertijd een cruciaal item om de validiteit van je meetinstrument te waarborgen. Als je het zou verwijderen, meet je immers nog maar een deel van je construct.

Dit wordt in het Engels wat uitgebreider besproken op http://www.ehps.net/ehp/issues/2014/v16iss2April2014/4%20%20Peters%2016_2_EHP_April%202014.pdf (vooral het tweede deel).

Het korte antwoord is: er bestaan geen bruikbare harde grenswaarden (nergens in de statistiek trouwens) - je moet eigenlijk naar het totaalplaatje kijken. Vergeet ook niet om histogrammen van al je items te bekijken, en idealiter een zogenaamde 'scattermatrix', een matrix van scatterplots (dus een soort grafische correlatietabel). Dit helpt je om te bepalen waardoor eventuele lage correlaties komen. En, waar ik mee begon: betrek niet alleen de samenhang tussen je items, maar ook de aard van de items in je overwegingen.

In de statistiek is het belangrijkste dat je transparant en helder rapporteert wat je doet en waarom. Reviewers en begeleiders kunnen eventuele fouten dan zien en je er op wijzen. Als je dus uitlegt waarom je besluit een dergelijk item al dan niet te behouden, kun je niets fout doen.

(behalve het item onterecht al dan niet behouden natuurlijk :-) Maar daar wordt je dan op gewezen, en daar leer je van. Bovendien zijn er in deze gevallen geen 'juiste' of 'onjuiste' antwoorden, alleen beslissingen die beter of slechter passen bij 'de werkelijkheid'. Met als complicatie dat we die 'werkelijkheid' niet rechtstreeks kunnen waarnemen, jammer genoeg :-))

beantwoord 18 november 2014 door gjp (64,700 punten)
bewerkt 18 november 2014 door gjp
Bedankt Gjalt-Jorn, het is duidelijk.
...