크론바흐 알파

이 기사에는 여러 가지 문제가 있습니다. 개선을 도와주시거나 토크 페이지에서 이러한 문제에 대해 논의해 주시기 바랍니다. (이러한 템플릿 메시지를 제거하는 방법 및 시기에 대해 알아보기) 이 기사의 어조나 스타일은 위키백과에서 사용되는 백과사전적인 어조를 반영하지 않을 수 있습니다. 제안을 위한 더 나은 기사를 작성하는 방법은 위키피디아의 가이드를 참조하십시오. (2020년 7월) (본 템플릿 메시지 제거 방법 및 시기에 대해 알아봅니다) 이 기사는 대부분의 독자가 이해하기에는 너무 기술적일 수 있습니다. 기술적인 세부 사항을 제거하지 않고 비전문가들이 이해할 수 있도록 개선할 수 있도록 도와주시기 바랍니다. (2022년 6월) (본 템플릿 메시지 제거 방법 및 시기에 대해 알아보기) 이 기사는 독자들에게 혼란스럽거나 불분명할 수 있습니다. 기사를 명확히 하는 데 도움을 주세요. Talk:Cronbach's_alpha § "일반적인 오해" 부분에서 이에 대한 논의가 있습니다. (2023년 5월) (이 템플릿 메시지를 제거하는 방법과 시기에 대해 알아봅니다) (이 템플릿 메시지를 제거하는 방법과 시기에 대해 알아보기)

타우 등가 신뢰도(${\displaystyle {Cronbach}_{}}\text{'}$$s$$α$ ${\displaystyle$ \$alpha$$})$ 또는 계수 알파($α {\displaystyle$\alpha $$})는 신뢰도 계수이며 테스트 및 ^[1][2][3]측정의 내부 일관성을 측정하는 척도입니다.

수많은 연구들이 크론바흐 알파를 무조건 사용하지 말라고 경고하고 있습니다. 통계학자들은 구조 방정식 모델링(SEM)이나 일반화 가능성 이론에 기반한 신뢰도 계수를 많은 상황에서 우수한 대안으로 간주합니다.^{[4][5][6][7][8][9]}

역사

리 크론바흐(Lee Cronbach)는 1951년 그의 첫 번째 출판물에서 계수를 계수 알파(Coefficient alpha)라고 처음 언급했습니다.^[1] 그 논문은 또한 추가 파생물을 설명했습니다.^[10] 계수 알파는 이전 연구에서 암묵적으로 사용되었지만 ^{[11][12][13][14]}그의 해석은 이전 연구에 비해 직관적으로 더 매력적이라고 여겨졌고 꽤 인기를 끌게 되었습니다.^[15]

$1967년$ Melvin Novick과 Charles Lewis는$$ρ T ${\displaystyle \rho_${T}}가 측정된 사람과 무관한 상수만큼 비교된 테스트 또는 측정의 실제 점수가 달라진다면 신뢰성과 같다는 것을 증명했습니다. 이 경우 테스트 또는 측정은 "본질적으로 타우 등가"라고 합니다.^[16]

1978년, 크론바흐는 그의 1951년 최초의 출판물이 널리 인용된 이유가 "대부분 공통된 계수에 브랜드 이름을 붙였기 때문"이라고 주장했습니다.^{[2]: 263 [3]} 그는 원래 연속된 그리스 문자(예: $\beta$ ${\displaystyle \beta$$$γ${\$displaystyle$\$gamma } 등)를 따라 라이터 간 신뢰도 및 테스트-재테스트 신뢰도에 사용되는 것과 같은 다른 유형의 신뢰도 계수를 명명할 계획이었으나 나중에 마음을 바꿨다고 설명했습니다.

이후 2004년 크론바흐와 리차드 쉐벨슨은 독자들에게$$ρ T ${\displaystyle$\rho$$_{T}}보다는 일반화 가능성 이론을 사용하도록 권장했습니다. 크론바흐는 "Cronbach's alpha"라는 이름을 사용하는 것에 반대했고, 크론바흐의 1951년 같은 이름의 출판 이전에 KR-20의 일반 공식을 발표한 연구의 존재를 명시적으로 부인했습니다.^[9]

Cronbach's alpha를 사용하기 위한 전제 조건

신뢰도 계수로 Cronbach's alpha를 사용하려면 다음 조건을 충족해야 합니다.^[17][18]

1. 데이터는 정규 분포 및 선형입니다^[ii].
2. 비교된 시험 또는 측정은 본질적으로 타우와 동등합니다.
3. 측정의 오차는 독립적입니다.

산식과 계산

Cronbach's alpha는 각 척도 항목의 점수를 취하여 각 관측치의 총 점수와 상관시켜 계산됩니다. 그런 다음 결과 상관 관계를 모든 개별 항목 점수의 분산과 비교합니다. Cronbach's alpha는 측정값의 질문 수 또는 항목 수, 항목 쌍 간의 평균 공분산 및 전체 측정 점수의 전체 분산의 함수로 가장 잘 이해됩니다.^[19][8]

${\displaystyle k}$ ${\displaystyle k}$은(는) 측정의 항목 수를 나타냅니다$$.

$σ$y i 2 {\displayst${\displaystyle {\mathrm{yle\; \backslash }}_{}^{}}$sigma _{y_{i}}^{2}} 각 항목 i와 관련된 분산

$y$ 2 ${\displayst$${\displaystyle {\mathrm{yle\; \backslash }}_{}^{}}$$sigma$_{y}^{2}} 총 점수와 관련된 ${\displaystyle {분}_{}^{}}$산${\displaystyle {(}_{}^{}}$y =${\displaystyle {}_{}^{}}$∑ i = 1 ky i) {\displaystyle {\Big${\displaystyle g_{}^{}}$(}y =\su${\displaystyle m_{}^{}}$ _{i=1}^{k}y_{i}}{\Bigg )}}

또는 다음 공식을 통해 계산할 수 있습니다.^[20]

${\displaystyle \alpha = {k{\bar {c}} \over {\bar {v}}+(k-1){\bar {c}}}$

어디에

$v ¯$ ${\displaystyle {\bar$ {v}}이(가) 평균 분산을 나타냅니다.

$c ¯$ ${\displaystyle {\bar$ {c}}은 항목 간 평균 공분산을 나타냅니다.

일반적인 오해

^[7]

이 섹션은 독자에게 혼란스럽거나 불분명할 수 있습니다. 특히 표제어가 참인지 거짓인지 불분명합니다. 섹션을 명확히 하는 데 도움을 주세요. Talk:Cronbach's_alpha § "일반적인 오해" 부분에서 이에 대한 논의가 있습니다. (2023년 5월) (이 템플릿 메시지를 제거하는 방법과 시기에 대해 알아봅니다)

크론바흐 알파의 값은 0에서 1 사이입니다.

정의에 따라 신뢰도는 0보다 작을 수 없으며 1보다 클 수 없습니다. 많은 교재에서$$ρ T ${\displaystyle \rho_${T}를 신뢰성과 동일시하여 그 범위에 대해 부정확한 설명을 제공합니다. $ρ$T {\displaystyle \rho _{T}}는 본질적으로 타우와 동등하지 않은 데이터에 적용할 때 신뢰도보다 낮을 수 있습니다. $X{\displaystyle {}_{}}$ ${\displaystyle {2\mathrm{}}_{}}$ ${\$가 X $1{\displaystyle {}_{}}$ ${\$의 값을 그대로$$ 복사하고$$ X ${\displaystyle {3\mathrm{}}_{}}$ ${\$가 $X{\displaystyle {}_{}}$ ${\displaystyle {1\mathrm{}}_{}}$ ${\$의 값에 -1을$$ 곱하여 $복사$했다고 가정해 보겠습니다.

항목 간 공분산 행렬은 ρ T = - 3 ${\displaystyle \rho$ _{T}=-3}입니다.

관측 공분산 행렬

	${\displaystyle X_{1}}$	${\displaystyle X_{2}}$	${\displaystyle X_{3}}$
${\displaystyle X_{1}}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle -1}$
${\displaystyle X_{2}}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle -1}$
${\displaystyle X_{3}}$	${\displaystyle -1}$	${\displaystyle -1}$	${\displaystyle 1}$

음의$$ρ T ${\displaystyle \rho$ _{T}}는 음의 변별력이나 역채점 항목 처리 실수 등의 이유로 발생할 수 있습니다.

ρ$T$ {\$displaystyle$\rho_${$T}}와 달리 SEM 기반 신뢰도 계수(예: ρ C {\displaystyle \rho_{C})는 항상 0 이상입니다.

이 이상 현상은 Cronbach(1943)가$$ρ T {\$displaystyle \rho_$T}}를 비판하기 위해 처음 지적했지만, Cronbach(1951)는 ρ T${\displaystyle$ $\backslash$rho_{T}와$$된 잠재적으로 문제가 있는 문제를 논의한 기사에서 이 문제에 대해 언급하지 않았습니다.

측정 오차가 없으면 Cronbach's alpha의 값은 1입니다.

또한 이$$ 현상은 ρ$$T ${\displaystyle$\rho_{T}가 신뢰성을 과소평가한다는 사실에서 비롯됩니다.

$X{\displaystyle {}_{}}$ ${\displaystyle {2\mathrm{}}_{}}$ ${\$가 X $1{\displaystyle {}_{}}$ ${\$의 값을 그대로$$ 복사하고$$ ${\displaystyle {X\mathrm{}}_{}}$ 3 ${\$가 $X{\displaystyle {}_{}}$ ${\displaystyle {1\mathrm{}}_{}}$ ${\$의 값에 2를$$ 곱하여 복사했다고$$ 가정해 보겠습니다.

항목 간의 공분산 행렬은 ρ T = $0.$9375 {\displaystyle \rho _{T} = 0.9375}입니다.

관측 공분산 행렬

	${\displaystyle X_{1}}$	${\displaystyle X_{2}}$	${\displaystyle X_{3}}$
${\displaystyle X_{1}}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 2}$
${\displaystyle X_{2}}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 2}$
${\displaystyle X_{3}}$	${\displaystyle 2}$	${\displaystyle 2}$	${\displaystyle 4}$

상기 데이터의 경우$$ρ P ${\displaystyle \rho_${$P$}}와$$ρ C${\displaystyle$ \rho_{C} 모두 1의 값을 갖습니다.

위의 사례는 Cho and Kim(2015)에 의해 제시되고 있습니다.^[7]

크론바흐 알파 값이 높으면 항목 간의 동질성을 나타냅니다.

많은 교과서에서 항목 간 동질성을 나타내는 지표로$$ρ T ${\displaystyle \rho$ _{T}}를 언급하고 있습니다. 이러한 잘못된 생각은 $높은$ρ T ${\displaystyle$\rho_{T} 값이 항목 간의 동질성을 나타낸다는 Cronbach(1951)의 부정확한 설명에서 비롯됩니다. 동질성은 현대 문헌에서 거의 사용되지 않는 용어로, 관련 연구에서는 단일 차원성을 가리키는 용어로 해석하고 있습니다. 여러 연구에서 높은$$ρ T ${\displaystyle \rho$ _{T} 값이 단일 차원을 나타내지 않는다는 증거 또는 반례를 제공했습니다. 아래의 반례를 참조하십시오.

일차원 데이터

	${\displaystyle X_{1}}$	${\displaystyle X_{2}}$	${\displaystyle X_{3}}$	${\displaystyle X_{4}}$	${\displaystyle X_{5}}$	${\displaystyle X_{6}}$
${\displaystyle X_{1}}$	${\displaystyle 10}$	${\displaystyle 3}$	${\displaystyle 3}$	${\displaystyle 3}$	${\displaystyle 3}$	${\displaystyle 3}$
${\displaystyle X_{2}}$	${\displaystyle 3}$	${\displaystyle 10}$	${\displaystyle 3}$	${\displaystyle 3}$	${\displaystyle 3}$	${\displaystyle 3}$
${\displaystyle X_{3}}$	${\displaystyle 3}$	${\displaystyle 3}$	${\displaystyle 10}$	${\displaystyle 3}$	${\displaystyle 3}$	${\displaystyle 3}$
${\displaystyle X_{4}}$	${\displaystyle 3}$	${\displaystyle 3}$	${\displaystyle 3}$	${\displaystyle 10}$	${\displaystyle 3}$	${\displaystyle 3}$
${\displaystyle X_{5}}$	${\displaystyle 3}$	${\displaystyle 3}$	${\displaystyle 3}$	${\displaystyle 3}$	${\displaystyle 10}$	${\displaystyle 3}$
${\displaystyle X_{6}}$	${\displaystyle 3}$	${\displaystyle 3}$	${\displaystyle 3}$	${\displaystyle 3}$	${\displaystyle 3}$	${\displaystyle 10}$

${\displaystyle {}_{}}$ 위의 단일 차원 데이터에서 T ${\displaystyle \mathrm{=}}$ 0$.72$ {\$displaystyle \rho$_{T}= 0.72}입니다.

다차원 데이터

	${\displaystyle X_{1}}$	${\displaystyle X_{2}}$	${\displaystyle X_{3}}$	${\displaystyle X_{4}}$	${\displaystyle X_{5}}$	${\displaystyle X_{6}}$
${\displaystyle X_{1}}$	${\displaystyle 10}$	${\displaystyle 6}$	${\displaystyle 6}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 1}$
${\displaystyle X_{2}}$	${\displaystyle 6}$	${\displaystyle 10}$	${\displaystyle 6}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 1}$
${\displaystyle X_{3}}$	${\displaystyle 6}$	${\displaystyle 6}$	${\displaystyle 10}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 1}$
${\displaystyle X_{4}}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 10}$	${\displaystyle 6}$	${\displaystyle 6}$
${\displaystyle X_{5}}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 6}$	${\displaystyle 10}$	${\displaystyle 6}$
${\displaystyle X_{6}}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 6}$	${\displaystyle 6}$	${\displaystyle 10}$

${\displaystyle {}_{}}$ 위의 다차원 데이터에서 T = 0${\displaystyle \mathrm{.}}$72 {\$displaystyle$ \rho${\displaystyle {}_{}}$_{T$}= 0$.72}입니다.

매우 높은 신뢰성을 가진 다차원 데이터

	${\displaystyle X_{1}}$	${\displaystyle X_{2}}$	${\displaystyle X_{3}}$	${\displaystyle X_{4}}$	${\displaystyle X_{5}}$	${\displaystyle X_{6}}$
${\displaystyle X_{1}}$	${\displaystyle 10}$	${\displaystyle 9}$	${\displaystyle 9}$	${\displaystyle 8}$	${\displaystyle 8}$	${\displaystyle 8}$
${\displaystyle X_{2}}$	${\displaystyle 9}$	${\displaystyle 10}$	${\displaystyle 9}$	${\displaystyle 8}$	${\displaystyle 8}$	${\displaystyle 8}$
${\displaystyle X_{3}}$	${\displaystyle 9}$	${\displaystyle 9}$	${\displaystyle 10}$	${\displaystyle 8}$	${\displaystyle 8}$	${\displaystyle 8}$
${\displaystyle X_{4}}$	${\displaystyle 8}$	${\displaystyle 8}$	${\displaystyle 8}$	${\displaystyle 10}$	${\displaystyle 9}$	${\displaystyle 9}$
${\displaystyle X_{5}}$	${\displaystyle 8}$	${\displaystyle 8}$	${\displaystyle 8}$	${\displaystyle 9}$	${\displaystyle 10}$	${\displaystyle 9}$
${\displaystyle X_{6}}$	${\displaystyle 8}$	${\displaystyle 8}$	${\displaystyle 8}$	${\displaystyle 9}$	${\displaystyle 9}$	${\displaystyle 10}$

위의 데이터는 ρ T =${\displaystyle \mathrm{}}$0.$9692${\displaystyle \rho _{T} = 0.9692}이지만 다차원입니다.

허용할 수 없을 정도로 낮은 신뢰성을 가진 단일 차원 데이터

	${\displaystyle X_{1}}$	${\displaystyle X_{2}}$	${\displaystyle X_{3}}$	${\displaystyle X_{4}}$	${\displaystyle X_{5}}$	${\displaystyle X_{6}}$
${\displaystyle X_{1}}$	${\displaystyle 10}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 1}$
${\displaystyle X_{2}}$	${\displaystyle 1}$	${\displaystyle 10}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 1}$
${\displaystyle X_{3}}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 10}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 1}$
${\displaystyle X_{4}}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 10}$	${\displaystyle 1}$	${\displaystyle 1}$
${\displaystyle X_{5}}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 10}$	${\displaystyle 1}$
${\displaystyle X_{6}}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 1}$	${\displaystyle 10}$

위의 데이터는 ρ T = 0.4${\displaystyle \rho$ _{T} = 0.4}이지만 일차원입니다.

단일$$은 ρ$$T ${\$$displaystyle$\rho_{T}의 전제 조건입니다. 단일 차원을 확인하기 위해$$ρ$T${\displaystyle \rho_{T}를$$계산하는 ${\displaystyle {것}_{}}$보다 ρ T {\$displaystyle$ \rho_{T}를$$계산하기 전에 단일 차원을 확인해야 합니다.

크론바흐 알파 값이 높으면 내부 일관성이 있음을 나타냅니다

"내부 일관성"이라는 용어는 신뢰성 문헌에서 일반적으로 사용되지만 그 의미가 명확하게 정의되지는 않습니다. 이 용어는 특정 종류의 신뢰도(예: 내부 일관성 신뢰도)를 나타내는 데 사용되기도 하지만, 여기에$$ρ T ${\displaystyle \rho$_{T}} 외에 정확히 어떤 신뢰도 계수가 포함되는지는 불분명합니다. Cronbach(1951)는 이 용어를 명시적인 정의 없이 여러 의미로 사용했습니다. Cho와 Kim(2015)은$$ρ T {\$displaystyle \rho$ _{T}}가 이들 중 어느 것도 지표가 아님을 보여주었습니다.

"alpha if item delete"를 사용하여 항목을 제거하면 항상 신뢰성이 높아집니다.

"품목이 삭제된 경우 알파"를 사용하여 ^{[clarification needed]}품목을 제거하면 표본 수준의 신뢰도가 모집단 수준의 신뢰도보다 높은 것으로 보고되는 '알파 인플레이션'이 발생할 수 있습니다.^[28] 또한 인구 수준의 신뢰성을 떨어뜨릴 수 있습니다.^[29] 신뢰성이 떨어지는 항목의 제거는 통계적 근거뿐만 아니라 이론적, 논리적 근거에 근거해야 합니다. 또한 전체 표본을 두 개로 나누어 교차 검증하는 것이 좋습니다.^[28]

이상적인 신뢰도 수준 및 신뢰도를 높이는 방법

신뢰성 수준에 대한 Nunnally의 권장 사항

Nunnally의 책은^[30][31] 종종 적절한 수준의 신뢰도 계수를 결정하는 주요 자료로 언급됩니다. 그러나 그의 제안은 조사의 목표나 단계에 따라 다른 기준을 사용해야 한다고 제안하기 때문에 그의 목표와 모순됩니다. 탐색적 연구든 응용적 연구든 척도 개발 연구든 연구 유형에 상관없이 0.7이라는 기준을 보편적으로 사용하고 있습니다.^[32] 그는 연구의 초기 단계에 대한 기준으로 0.7을 주장했는데, 저널에 게재된 대부분의 연구는 이 범주에 해당하지 않습니다. 0.7보다는 Nunnally의 적용된 연구 기준인 0.8이 대부분의 실증 연구에 더 적합합니다.^[32]

신뢰성 수준에 대한 Nunnally의 권고사항

	초판[30]	2판과 3판[31]
연구초기단계	0.5 또는 0.6	0.7
응용연구	0.8	0.8
중요한 결정을 내릴 때	0.95(minimum 0.9)	0.95(minimum 0.9)

그의 추천 수준은 컷오프 포인트를 의미하지 않았습니다. 기준이 컷오프 포인트를 의미하는 경우 충족 여부가 중요하지만 얼마나 초과되었는지 또는 미만인지는 중요하지 않습니다. 그는 0.8의 기준을 언급할 때 엄격하게 0.8이어야 한다는 것을 의미하지 않았습니다. 신뢰도가 0.8(예: 0.78)에 가까운 값을 가지면 그의 권장 사항이 충족된 것으로 간주할 수 있습니다.^[33]

높은 수준의 신뢰성 확보를 위한 비용

Nunnaly의 아이디어는 신뢰성을 높이는 데는 비용이 들기 때문에 모든 상황에서 최대의 신뢰성을 얻기 위해 노력할 필요가 없다는 것이었습니다.

유효성과의 상충관계

완벽한 신뢰성을 가진 측정은 타당성이 부족합니다.^[7] 예를 들어, 한 항목에 정답을 맞추거나 틀리면 다른 모든 항목에 동일한 방식으로 답하기 때문에 신뢰도가 1점인 사람은 만점을 받거나 0점을 받습니다. 신뢰성을 높이기 위해 유효성이 희생되는 현상을 감쇄 역설이라고 합니다.^[34][35]

신뢰성이 높은 값은 콘텐츠 유효성과 충돌할 수 있습니다. 높은 내용 타당도를 달성하기 위해서는 각 항목이 측정할 내용을 종합적으로 나타내야 합니다. 그러나 본질적으로 동일한 질문을 다른 방법으로 반복적으로 측정하는 전략은 신뢰성을 높이기 위해서만 사용되는 경우가 많습니다.^[36][37]

효율성과 균형을 이루다

다른 조건이 동일할 때 항목 수가 증가할수록 신뢰도가 높아집니다. 그러나 항목 수가 증가하면 측정의 효율성이 저하됩니다.

신뢰성을 높이기 위한 방법

위에서 설명한 신뢰성 증가와 관련된 비용에도 불구하고 높은 수준의 신뢰성이 요구될 수 있습니다. 신뢰성을 높이기 위해 다음과 같은 방법을 고려할 수 있습니다.

데이터 수집 전:

• 측정 항목의 모호성을 제거합니다.
• 응답자가 모르는 것을 측정하지 마십시오.^[38]
• 항목 수를 늘립니다. 그러나 측정의 효율성을 지나치게 저해하지 않도록 주의해야 합니다.
• 신뢰성이 높은 것으로 알려진 저울을 사용하세요.^[39]
• 사전 테스트를 실시합니다. 신뢰성 문제를 사전에 발견합니다.
• 내용이나 형태가 다른 항목(예: 역점수 항목)을 제외하거나 수정합니다.

데이터 수집 후:

• "alpha if item delete"를 사용하여 문제가 있는 항목을 제거합니다. 그러나 이 삭제에는 이론적 근거가 수반되어야 합니다.
• ρ$T$ {\$displaystyle$\rho_${$T}} 보다 정확한 신뢰도 계수를 사용합니다. 예를 들어, ρ C {\displaystyle \rho_{C}}는 ρ T {\displaystyle \rho_{T} 보다 평균 0.02 더 큽니다.

사용할 신뢰도 계수

$ρ$T {\display style \rho _{T}}는 압도적인 비율로 사용됩니다. 한 연구에 따르면 약 97%의 연구에서$$신뢰도 계수로 ρ$$T ${\displaystyle$\rho_{T}를 사용하는 것으로 추정됩니다.

그러나 여러 신뢰도 계수의 정확도를 비교한 시뮬레이션 연구는$$ρ T ${\displaystyle \rho_${T}가 부정확한 신뢰도 계수라는 공통된 결과를 도출했습니다.

${\displaystyle {방법론적}_{}}$ 연구는$$ρ T ${\displaystyle$ \rho$$_{T}}의 사용에 대해 비판적입니다. 기존 연구의 결론을 단순화하여 분류하면 다음과 같습니다.

1. 조건부 사용: ${\displaystyle {특정}_{}}$ 조건을$$만족하는 경우에만$$ρ$$T ${\displaystyle$ \rho _{T}}를 사용합니다.
2. 사용 반대:$$ρ T ${\displaystyle \rho$ _{T}}은(는) 열등하므로 사용해서는 안 됩니다.

크론바흐 알파의 대안

기존 연구는 모든 데이터에 대해$$ρ T {\$displaystyle \rho_{$T}를 무조건 사용하는 광범위한 관행에 반대한다는 점에서 실질적으로 일치합니다. 그러나$$ρ T ${\displaystyle \rho$_{T}} 대신 어떤 신뢰도 계수를 사용해야 하는지에 대해서는 의견이 다릅니다.

여러 신뢰도 계수의 정확도를 비교한 각 시뮬레이션 연구에서^{[41][42][6][43][44]} 서로 다른 신뢰도 계수가 1위를 차지했습니다.^[7]

다수 의견은$$ρ T {\$displaystyle$\$rho_{T}}$의 대안으로 SEM 기반 신뢰도 계수를 사용하자는 것입니다.

그러나 여러 SEM 기반 신뢰도 계수(예: 단일 차원 또는 다차원 모델) 중 어느 것을 사용하는 것이 가장 좋은지에 대한 합의는 없습니다.

어떤$$은$$ω$$H {\$displaystyle$ \omega_{H}}를 $대안$으로 ${\displaystyle {제시}_{}}$하지만$,$ ω H {\$displaystyle$ \omega_{H}}는 신뢰성과는 전혀 다른 정보를 보여줍니다. $ω$H {\displaystyle \omega_{H}}는 Reveille의 β {\displaystyle \beta}와 비슷한 종류의 계수입니다. 대체하는 것이 아니라 신뢰성을 보완합니다.^[3]

SEM 기반 신뢰도 계수 중 다차원 신뢰도 계수는 거의 사용되지 않으며, 가장 많이 사용되는$$것은 ρ C {\$displaystyle \rho_$C}이며, 합성 또는 합성 신뢰도라고도 합니다.

SEM 기반 신뢰도 계수 소프트웨어

SPSS, SAS 등 범용 통계 소프트웨어에는$$ρ T ${\$displaystyle $\$rho_$\{$T}를 계산하는 기능이 포함되어 있습니다. ${\displaystyle {공식}_{}}$ρ T${\displaystyle$ \rho_{T}를 모르는 사용자는 마우스 클릭 몇 번으로 견적을 받는 데 문제가 없습니다.

AMOS, LISREL, MPUS 등의 SEM 소프트웨어는 SEM 기반의 신뢰도 계수를 산출하는 기능이 없습니다. 사용자는 공식에 입력하여 결과를 계산해야 합니다. 이러한 불편함과 발생 가능한 오류를 방지하기 위해 SEM 사용을 보고하는 연구에서도 SEM 기반 신뢰도 계수 대신$$ρ T {\$displaystyle \$rho _{T}}에 의존합니다. SEM 기반 신뢰도 계수를 자동으로 계산하는 몇 가지 대안이 있습니다.

1. R(무료): 심리 패키지는^[49] 다양한 신뢰도 계수를 계산합니다.
2. EQS(유료):^[50] 이 SEM 소프트웨어에는 신뢰도 계수를 계산하는 기능이 있습니다.
3. RelCalc(무료):^[3] Microsoft Excel과 함께 사용할 수 있습니다. $ρ$C {\displaystyle \rho _{C}}는 SEM 소프트웨어 없이도 얻을 수 있습니다. 다양한 다차원 SEM 신뢰도 계수와 다양한 종류의$$ω H {\displaystyle $\omega_{$H}}를 SEM 소프트웨어의 결과를 바탕으로 계산할 수 있습니다.

메모들

참고문헌

외부 링크

• Cronbach's alpha SPSS 튜토리얼
• 무료 웹 인터페이스와 R 패키지 코쿤을 통해 둘 이상의 종속 또는 독립적인 크론바흐 알파 계수를 통계적으로 비교할 수 있습니다.