Apa hubungan antara ukuran keandalan skala (alpha Cronbach dll.) Dan pemuatan komponen / faktor?

Katakanlah saya memiliki dataset dengan skor pada banyak item kuesioner, yang secara teoritis terdiri dari sejumlah skala yang lebih kecil, seperti dalam penelitian psikologi.

Saya tahu pendekatan umum di sini adalah untuk memeriksa keandalan skala menggunakan alpha Cronbach atau sesuatu yang serupa, kemudian mengumpulkan item dalam skala untuk membentuk skor skala dan melanjutkan analisis dari sana.

Tetapi ada juga analisis faktor, yang dapat mengambil semua skor item Anda sebagai input dan memberi tahu Anda mana di antara mereka yang membentuk faktor konsisten. Anda bisa mengetahui seberapa kuat faktor-faktor ini dengan melihat beban dan komunalitas, dan sebagainya. Bagi saya ini kedengarannya seperti hal yang sama, hanya jauh lebih mendalam.

Bahkan jika semua reliabilitas skala Anda baik, EFA mungkin mengoreksi Anda pada item mana yang lebih cocok dengan skala mana, bukan? Anda mungkin akan mendapatkan beban silang dan mungkin lebih masuk akal untuk menggunakan skor faktor turunan daripada jumlah skala sederhana.

Jika saya ingin menggunakan timbangan ini untuk beberapa analisis nanti (seperti regresi atau ANOVA), haruskah saya agregat timbangan selama keandalannya bertahan? Atau sesuatu seperti CFA (pengujian untuk melihat apakah timbangan bertahan sebagai faktor yang baik, yang tampaknya mengukur hal yang sama dengan 'keandalan').

Saya telah diajarkan tentang kedua pendekatan secara independen dan jadi saya benar-benar tidak tahu bagaimana mereka berhubungan, apakah mereka dapat digunakan bersama atau mana yang lebih masuk akal untuk konteks mana. Apakah ada pohon keputusan untuk praktik penelitian yang baik dalam kasus ini? Sesuatu seperti:

• Jalankan CFA sesuai dengan item skala yang diprediksi

  • Jika CFA menunjukkan kecocokan yang baik, hitung skor faktor dan gunakan itu untuk analisis.
  • Jika CFA menunjukkan ketidakcocokan, jalankan EFA sebagai gantinya dan lakukan pendekatan eksplorasi (atau sesuatu).

Apakah analisis faktor dan pengujian reliabilitas memang memisahkan pendekatan untuk hal yang sama, atau apakah saya salah paham di suatu tempat?

Saya akan menambahkan jawaban di sini meskipun pertanyaannya diajukan setahun yang lalu. Kebanyakan orang yang peduli dengan kesalahan pengukuran akan memberi tahu Anda bahwa menggunakan skor faktor dari CFA bukanlah cara terbaik untuk bergerak maju. Melakukan CFA itu baik. Memperkirakan skor faktor tidak masalah selama Anda mengoreksi jumlah kesalahan pengukuran yang terkait dengan skor faktor tersebut dalam analisis selanjutnya (program SEM adalah tempat terbaik untuk melakukan ini).

Untuk mendapatkan keandalan skor faktor, Anda harus terlebih dahulu menghitung keandalan konstruk laten dari CFA Anda (atau rho):

rho =  Factor score variance/(Factor score variance + Factor score standard
error^2). 

Perhatikan bahwa kesalahan standar skor faktor ^ 2 adalah varian kesalahan dari skor faktor. Informasi ini dapat diperoleh di MPlus dengan meminta output PLOT3 sebagai bagian dari program CFA Anda.

Untuk menghitung keandalan skor faktor secara keseluruhan, Anda menggunakan rumus berikut:

(1-rho)*(FS variance+FS error variance).

Nilai yang dihasilkan adalah varians kesalahan dari skor faktor. Jika Anda menggunakan MPlus untuk analisis selanjutnya, Anda membuat variabel laten yang ditentukan oleh satu item (skor faktor) dan kemudian tentukan keandalan skor faktor:

LatentF BY FScore@1;
FScore@(calculated reliability value of factor score) 

Semoga ini bisa membantu! Sumber yang bagus untuk masalah ini adalah catatan kuliah (kuliah 11, khususnya) dari kelas SEM Lesa Hoffman di Universitas Nebraska, Lincoln. http://www.lesahoffman.com/948/