Boa estrutura fatorial interna, mas

Estou executando um CFA e obtendo bons índices de ajuste (CFI = .99, RMSEA = .01) para uma escala unidimensional. No entanto, quando testo a consistência interna, fico com s de Cronbach ( ). Eu tentei de tudo, desde remover discrepâncias até descartar itens e ainda acabar com o mesmo problema. $\alpha$ $\alpha = .6$

Gostaria de saber se há algo no SEM que mostre que a medida é confiável?

Eu sei que há algum debate sobre se o Cronbach (ou consistência interna) mede a confiabilidade, mas como meu campo exige que o Cronbach seja relatado como uma medida da bondade psicométrica, preciso encontrar uma maneira de mostrar a consistência interna como sendo adequado para esta medida. $\alpha$ $\alpha$

sem reliability psychometrics confirmatory-factor cronbachs-alpha user1984
fonte

Alguns dos itens têm código reverso? Quando você olha para alfa, alguns itens têm correlação negativa?

Peter Flom

Não, nenhum dos itens tem codificação reversa e esses itens não têm uma correlação negativa entre si.

user1984

Quantos itens você tem? Às vezes, ter poucos itens (<0,5) pode levar a uma consistência interna muito baixa. Qual é a sua correlação média entre itens?

Behacad

Existem 8 itens. As correlações entre itens são de 0,15 a 0,30. Achei que baixas correlações estão impulsionando o alfa baixo, mas estou surpreso ao ver as cargas no CFA variando de 0,45 a 0,69 e os bons índices de ajuste.

user1984

Respostas:

Você pode calcular a confiabilidade de seus itens no CFA.

A partir da sua solução padronizada, calcule: (L1 + ... Lk) * 2 / [(L1 + ... Lk) * 2 + (Var (E1) + ... + Var (Ek))]

Isso dará à confiabilidade composta, que deve estar próxima de alfa.

É mais difícil ter um bom ajuste se você tiver um alfa alto, e é mais difícil ter um alfa alto se você tiver um bom ajuste. O exemplo extremo disso é se todos os itens não estão correlacionados - o qui-quadrado será zero e o RMSEA será zero, indicando ótimo ajuste. Mas o alfa também será zero, indicando uma confiabilidade terrível. O sinalizador usual para isso é baixo CFI (porque o modelo nulo qui-quadrado é muito baixo), mas você não o possui. Eu escrevi sobre isso neste artigo: http://www.sciencedirect.com/science/article/pii/S0191886906003874 (que eu acho que não está atrás de um paywall).

Você mencionou suas cargas em um comentário (elas são padronizadas?). Carregamentos de 0,45 levam a correlações implícitas de 0,23; portanto, se seus carregamentos são tão altos, não vejo como suas correlações podem ser tão baixas, e o modelo ainda se encaixa. (Qual é o tamanho da sua amostra?)

Qual estimador você está usando?

Jeremy Miles
fonte

Obrigado pela referência e pela fórmula. Eu tenho um tamanho de amostra 300, usando dados imputados e, por padrão, o MPLUS está usando o estimador de ML. As cargas padronizadas são aprox. 0,3 a 0,7 e as correlações entre itens são 0,1 a 0,3.

user1984

Isso parece certo. Experimente o MLM, MLR ou MLMV como seu estimador e veja qual efeito isso tem. Se o CFI piorar um pouco, estou bastante confiante de que seu problema é que você tem pouca confiabilidade.

Jeremy Miles

Se seu instrumento estiver avaliando duas ou mais construções, é possível que seu alfa esteja baixo. Aconselho você a estimar um alfa para cada subescala.

user86812
fonte