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!

0 leuk 0 niet-leuks
Uit mijn eerdere vraag bleek dat je door middel van factoranalyse kijkend bij pattern matrix items kunt verwijderen die een te lage lading hebben of teveel laden op beide factoren. Wat is dan de toegevoegde waarde van een cronbachs alpha? Zou je die in principe achterwege kunnen laten? (In het pdf bestand stond van niet, maar niet waarom dan niet).
in Cross-sectioneel Onderzoek (OCO, PB08x2) door (1.5k punten)

2 Antwoorden

0 leuk 0 niet-leuks
De alfa geeft voor een aparte groepje items aan wat de betrouwbaarheid is. Zoals je o.a. in Field kunt lezen wordt een item-analyse gedaan nadat eerst met behulp van factoranalyse schalen (clusters van items) zijn vastgesteld. In de itemanalyse kunnen trouwens alsnog items met een lage item-rest correlaties worden verwijderd.
door (13.1k punten)
0 leuk 0 niet-leuks

Wat nog wat impliciet blijft in Rolf's antwoord: het besluit een item te verwijderen of selecteren is een subjectief, kwalitatief besluit. Je gebruikt hierbij als wetenschapper een veelheid aan informatiebronnen die je tegelijkertijd evalueert, en pas dan neem je een besluit. Je gebruikt hierbij dus wat je weet over de betrouwbaarheid van je operationalisatie, de samenhang van een item met andere items, de aard van de items, de factorstructuur, en idealiter, samenhang van de items met andere operationalisaties van andere constructen. Je gebruikt dus nooit maar een criterium, laat staan dat je je beslissen 'delegeert' naar een harde grenswaarde van een kwantitatieve indicator, of dat nu maten zijn voor betrouwbaarheid (e.g. coefficient Alpha, Omega, of de GLB) of factorladingen. Grenswaarden die je tegenkomt worden alleen gegeven als ruwe richtlijnen, om een indruk te krijgen van wanneer een waarde hoog of laag is op een schaal. Je moet altijd een betere onderbouwing hebben voor selectie of verwijdering van een item dan alleen 'als ik het item verwijderde steeg mijn alpha' (want misschien is dat iiem wel het enige item dat een bepaald relevant aspect van je construct meet; als je dan het item verwijdert, dan ben je je validiteit aan het verlagen, dus dat is niet vanzelfsprekend verstandig) of 'de factorlading was lager dan .3' (daarvoor geldt hetzelfde: misschien is dit wel het enige item dat die dimensie goed meet, en lijken de andere twee items veel op elkaar met betrekking tot zinsconstructie, waardoor die hoger correleren zonder dat dat iets zegt over het onderliggende, latente construct).

Kortom: gebruik alle informatie, ook betrouwbaarheidsmaten zoals coefficient Alpha, en onderbouw elke keuze grondig.

door (77.8k punten)
...