Cronbach alpha objašnjenje: kako mjeriti pouzdanost skale

# Cronbach alpha objašnjenje: kako mjeriti pouzdanost skale

Zamislite da ste konstruisali upitnik sa osam stavki koji mjeri stav studenata prema onlajn nastavi. Ispitanici su popunili skalu, rezultati su tu, i sad treba da pokažete da vaš instrument zaista mjeri ono što tvrdite da mjeri. Prva stvar koju će vam mentor (ili recenzent) tražiti jeste pouzdanost. A najčešća mjera pouzdanosti u društvenim naukama je Cronbach alpha.

Šta zapravo mjeri Cronbach alpha?

Cronbach alpha (označava se sa α) mjeri internu konzistentnost skale. Pojednostavljeno rečeno, alpha odgovara na pitanje: koliko su stavke u vašem upitniku međusobno usaglašene? Ako skala mjeri jedan konstrukt (recimo, zadovoljstvo onlajn nastavom), onda bi osobe koje daju visoke odgovore na jednu stavku trebalo da daju visoke odgovore i na ostale. Alpha kvantifikuje upravo taj stepen slaganja.

Bitno je razumjeti šta alpha nije. Ona ne govori da vaš instrument mjeri pravu stvar (to je validnost), niti da će dati iste rezultate ako ga primijenite ponovo (to je test-retest pouzdanost). Alpha se odnosi isključivo na to koliko stavke „idu zajedno" u jednom mjerenju.

Formula bez matrica

Postoji više načina da se zapiše formula, ali najintuitivniji je:

α = (k / (k - 1)) × (1 - (Σσ²ᵢ / σ²ₜ))

Gdje je:

• •k = broj stavki u skali
• •Σσ²ᵢ = zbir varijansi svih pojedinačnih stavki
• •σ²ₜ = varijansa ukupnog skora

Logika je jednostavna: ako svaka stavka mjeri nešto potpuno različito, varijanse pojedinačnih stavki će biti velike u odnosu na ukupnu varijansu, i alpha će biti niska. Ako stavke dijele zajednički konstrukt, njihove individualne varijanse biće mali dio ukupne varijanse, i alpha će biti visoka.

Koliko je „dovoljno"?

Ovo je vjerovatno najčešće pitanje koje studenti postavljaju. Evo orijentacionih vrijednosti koje se koriste u praksi:

Granična vrijednost od 0.70 se najčešće navodi kao minimum za istraživačke svrhe (Nunnally, 1978). Međutim, kontekst je bitan. Za preliminarna istraživanja i nove skale, alpha od 0.60 može biti prihvatljiva. Za kliničke instrumente koji utiču na dijagnoze, očekuje se 0.80 ili više.

A šta ako je alpha previsoka? O tome ćemo detaljnije u sekciji o najčešćoj grešci.

Item-total korelacija: zašto je bitna

Cronbach alpha vam daje jednu brojku za cijelu skalu, ali ta brojka ne govori koje stavke „rade", a koje ne. Tu na scenu stupa item-total korelacija (korelacija svake stavke sa ukupnim skorom bez te stavke, tzv. corrected item-total correlation).

Pravilo palca: stavka bi trebalo da ima item-total korelaciju iznad 0.30. Ako je korelacija niža, to znači da ta stavka ne mjeri isti konstrukt kao ostatak skale. Moguća objašnjenja:

• •Stavka je nejasno formulisana
• •Stavka mjeri nešto drugo
• •Stavka je obrnuto kodirana, a vi ste zaboravili da je rekodujete

Ako tek pravite svoju prvu skalu, pogledajte vodič o konstrukciji Likert skale gdje je detaljno objašnjeno kako formulisati stavke i izbjeći zamke sa obrnutim stavkama.

„Alpha if item deleted": kada izbaciti stavku

Osim item-total korelacije, statistički softver obično prikazuje i kolonu „Alpha if item deleted". Ova kolona odgovara na pitanje: šta bi se desilo sa ukupnom pouzdanošću kada bismo izbacili ovu stavku?

Ako izbacivanje neke stavke značajno podiže alpha, to je signal da ta stavka ne doprinosi pouzdanosti i da biste je mogli ukloniti. Ali oprez: ne izbacujte stavke mehanički samo da biste podigli alpha. Svaka odluka o izbacivanju mora imati i teorijsko opravdanje. Stavka može biti statistički „loša", ali sadržajno važna za konstrukt koji mjerite.

Praktičan primjer: Skala stavova prema onlajn nastavi

Recimo da ste kreirali skalu od 8 stavki na petostepenom Likert formatu (1 = uopšte se ne slažem, 5 = u potpunosti se slažem). Primijenili ste je na 150 studenata. Evo rezultata:

Ukupna alpha iznosi α = .83.

Stavka S7 odmah upada u oči. Njena item-total korelacija je samo .18 (daleko ispod praga od .30), i alpha bi porasla na .86 ako je uklonimo. Zašto? Zato što S7 mjeri tehnički problem, a ne stav prema onlajn nastavi. Osim toga, formulisana je negativno, što dodatno može zbunjivati ispitanike.

Odluka: S7 se uklanja iz skale. Konačna verzija ima 7 stavki sa α = .86.

Kada alpha NIJE odgovarajuća mjera

Alpha ima jednu ključnu pretpostavku koja se često zanemaruje: tau-ekvivalentnost. To znači da alpha pretpostavlja da sve stavke u skali mjere isti konstrukt sa jednakim „opterećenjima" (loadings). U praksi, ovo je rijetko potpuno ispunjeno.

Dva slučaja kada alpha može biti problematična:

1. Multidimenzionalne skale. Ako vaš upitnik mjeri više dimenzija (npr. anksioznost ima kognitivnu i somatsku komponentu), alpha za cijelu skalu može biti varljiva. Bolje je računati alpha za svaku subskalu posebno. Ako radite faktorsku analizu i otkrijete više faktora, nemojte prijavljivati jednu alpha za sve stavke zajedno.

2. Skale sa malo stavki. Alpha je osjetljiva na broj stavki. Skala sa samo 3-4 stavke može imati nisku alpha čak i kad su stavke dobro povezane. U tom slučaju, koristite prosječnu inter-item korelaciju (preporučeni raspon: .15 do .50) kao dopunsku mjeru.

McDonald's omega kao alternativa

U posljednjih nekoliko godina, sve više metodologa preporučuje McDonald's omega (ω) kao alternativu alpha. Omega ne zahtijeva tau-ekvivalentnost, što je čini robusnijom mjerom pouzdanosti. Dok alpha može potcijeniti pouzdanost kada stavke imaju različita faktorska opterećenja, omega uzima u obzir stvarnu faktorsku strukturu podataka.

Postoje dvije varijante:

• •ω total (omega totalna): mjeri ukupnu pouzdanost, uključujući sve izvore varijanse. Ovo je najbliži ekvivalent alpha i u jednodimenzionalnim skalama daje gotovo identičnu vrijednost.
• •ω hierarchical (omega hijerarhijska): mjeri pouzdanost generalnog faktora, što je korisno za multidimenzionalne skale. Ako imate upitnik sa više subskala, omega hijerarhijska vam govori koliko pouzdano možete koristiti ukupan skor.

Za praktične svrhe: ako su vaše stavke relativno homogene i skala je jednodimenzionalna, alpha i omega će dati slične vrijednosti. Razlika postaje bitna kod složenijih instrumenata. U R-u se omega računa pomoću paketa psych (funkcija omega()), a u jamovi-ju je dostupna kroz modul jmv.

Većina savremenih metodoloških vodiča (npr. APA Journal Article Reporting Standards) preporučuje da se prijave obje mjere: alpha zbog uporedivosti sa starijim istraživanjima, i omega zbog veće preciznosti.

Najčešća greška

„Moj alpha je 0.95, dakle skala je savršena."

Ovo je zamka u koju upada mnogo studenata i istraživača. Alpha iznad 0.90 jeste visoka, ali postavlja ozbiljno pitanje: da li vaše stavke mjere isti konstrukt ili istu stvar na različite načine?

Pogledajte ove tri stavke:

• •„Zadovoljan sam onlajn nastavom."
• •„Onlajn nastava mi odgovara."
• •„Sviđa mi se onlajn nastava."

Ove stavke će imati visoku inter-item korelaciju jer su praktično sinonimi. Alpha će biti visoka, ali skala je redundantna. Umjesto tri stavke koje kažu isto, bolje je imati tri stavke koje pokrivaju različite aspekte konstrukta (npr. fleksibilnost, motivacija, kvalitet interakcije).

Kada vidite alpha iznad 0.90, provjerite inter-item korelacije. Ako su većinom iznad .70, vjerovatno imate problem sa redundantnošću. Skala može biti kraća, a da ne izgubi informativnost.

Dobar raspon inter-item korelacija je između .20 i .60. Dovoljno visoke da pokažu koheziju, dovoljno niske da pokažu da svaka stavka donosi nešto novo.

Šta prijaviti u radu

Kada izvještavate o pouzdanosti u naučnom radu, obavezno navedite:

1. Mjeru pouzdanosti (Cronbach alpha i/ili McDonald's omega)
2. Vrijednost (npr. α = .83)
3. Uzorak na kojem je računata (uvijek na VAŠEM uzorku, ne samo iz originalne validacije)
4. Broj stavki u konačnoj verziji skale

Primjer u tekstu: „Interna konzistentnost skale stavova prema onlajn nastavi u ovom uzorku bila je zadovoljavajuća (α = .86, 7 stavki)."

Ovo je posebno važno kada pišete sekciju Metod jer recenzenti očekuju pouzdanost za svaki instrument koji ste koristili, mjerenu na vašem uzorku.

Zaključak

Cronbach alpha je koristan i široko prihvaćen indikator pouzdanosti, ali nije magičan broj. Razumijevanje šta alpha jeste (mjera interne konzistentnosti), šta nije (mjera validnosti), i kada može biti neprimjerena (multidimenzionalne skale) čini razliku između površne i kvalitetne psihometrijske analize.

Nemojte se zaustavljati na jednom broju. Pogledajte item-total korelacije, provjerite „alpha if item deleted", razmislite o omega koeficijentu, i uvijek izvještavajte pouzdanost na svom uzorku.

Istražimo automatski računa Cronbach alpha za svaku skalu, prikazuje item-total korelacije, i upozorava ako neka stavka snižava pouzdanost. Ako želite da preskočite ručno računanje i fokusirate se na interpretaciju, isprobajte platformu.