SPSS 中 Cronbach's Alpha 的假设

在本节中，我们将学习 SPSS 中 Cronbach's alpha 的假设。现在我们已经看到人们不加区分地应用 Cronbach alpha，甚至没有关注这些假设。如果我们有一个大的样本量，这没问题。我们可以对这些 假设 稍微 放宽一点。了解我们正在使用的任何测试的假设通常是好的。因此，对于 Cronbach's alpha，有 两个基本假设 或两个主要假设。

Cronbach's Alpha 的第一个假设

• 第一个假设 是 误差项之间没有相关性。在上一节中，我们看到了我们讨论了一个 反映量表 的典型测量模型，这里再次呈现。

• 对于一个 反映量表，有一个由符号 T 表示的 主构念。然后我们有量表的 指标，也就是我们编写或构建的量表的 项目。它们由 X₁, X₂，直到 X_k 表示。对于 反映量表，这些项目是其主构念的反映。如果 主构念 是 幸福感，我们可以使用 X₁，例如 更多地微笑 或在生活中非常 满意，因为 积极情绪 的高水平和 满意度 的高水平是幸福感的基本方面或反映。
• 如果有人 更快乐，我们可以想象 这个人 会 更微笑 并且对 生活 更加 满意。所以可能有很多 指标，例如 X₁, X₂，但这些指标无法 完全捕捉 幸福感。每次都会有额外的 误差。
• 例如，假设我们在 微笑 时测量 幸福感。所以 X₁ 是 微笑， 而 T 是 幸福感，λ 是 因子载荷。在这种情况下，必须存在一些 未解释的方差，这将由符号 e1 表示，这就是 误差。
• 我们可以相当合理地想象，我们有一个主构念，并且主构念是通过不同的 指标 进行 测量 的，而这些 指标 反映了 主构念。这就是 箭头 从 主构念 指向 指标 的原因。基本上，这是一种 回归模型，其中 指标 由 构念 预测，而不是反过来。如果存在 反过来 的情况，即指标预测构念，那就是 形成性量表。对于一个 反映量表，是 构念 预测 指标，而此 指标 捕捉了 幸福感 或 主构念 中一定量的方差。
• 现在对于方差，两个人 之间存在一场斗争。一个是我们的 指标， 另一个是与 指标 相关的 误差 项。所以 幸福感 是 主构念， 而一个 指标 想预测幸福感，并且也有一个误差项。在 零假设情况下，幸福感分数 中 50% 的变化可能由 指标 和 50% 通过与 指标 1 相关的 误差 项反映。
• 仅当 指标 解释了比 误差项 更多的 幸福感 变化 时，它才是一个好的指标。因此，50-50 的情况 是不可取的。我们基本上假设它们正在争夺解释幸福感的方差。但是 指标 应该解释比误差项更多的构念方差。
• 如果 指标 赢得了这场战争，在这种情况下，我们可以说它们真正地 反映了 主构念。它们测量了 主构念 如果 误差 项赢得了这场战争，我们可以说我们创建了 不好的指标， 并且我们的指标无法解释大量的 方差。假设 指标 解释了 40% 的 方差， 并且 误差项 解释了大约 60% 的方差，这并不是一个理想的情况。指标 应该解释更多的 方差。
• 在计算 Cronbach's alpha 之前的 测量假设 是，这些 误差项 不应该 相关。指标 可以 相关， 但它们各自的 误差项 不应该 相关。如果 误差 项 相关， 那么我们的 指标 就 无用 或无意义。每当我们创建一个 量表模型 或进行 可靠性分析 时，都要注意 误差 我们必须确保 误差项 彼此不 相关。如果它们 相关， 则 Cronbach's alpha 的假设已被 违反。

Cronbach's alpha 的第二个假设

• Cronbach's alpha 的第二个重要 假设是 项目 是 tau 等价的。Tau-等价 是一种 模型。我们不需要担心这个模型。我们已经有了一个 模型。在 模型 中，我们有主 构念 T， 它预测 指标 X₁, X₂, X₃，而这 λ₁, λ₂, λ₃ 是 因子载荷。当我们将其转换为 标准化载荷 时，它们就变成了 标准化回归系数。所以我们已经有了一个 模型，它是一种 回归模型。

• tau 等价 模型是一种模型，其中所有 因子载荷 都 相同。

• tau 等价 模型是一种特殊的 同源模型，其中所有 不同指标 的因子载荷都假定为 相同。同源模型 是一种所有 因子载荷 都自由的模型。与此相反，tau 等价 模型是一种所有 因子载荷 彼此 等价 的 模型。
• 当我们在创建 Cronbach 或进行 可靠性分析 时，我们假设所有这些 指标 都 同等重要。并非一个指标与其他指标相比非常重要。当 一个指标 比 其他指标 更 重要 时，情况可能会是这样。事实上，这是一种更现实的情况，其中指标具有差异的重要性。但 基本假设 是所有 指标 几乎都 同等重要， 这取决于它们的 因子载荷。