Saya menjalankan CFA dan mendapatkan indeks kecocokan yang baik (CFI = .99, RMSEA = .01) untuk skala uni-dimensional. Namun, ketika saya menguji konsistensi internal, saya mendapatkan s Cronbach yang buruk ( ). Saya sudah mencoba semuanya mulai dari menghapus outlier, hingga menjatuhkan barang dan masih berakhir dengan masalah yang sama.
Saya bertanya-tanya apakah ada sesuatu di SEM yang menunjukkan bahwa ukurannya dapat diandalkan?
Saya tahu bahwa ada beberapa perdebatan tentang apakah Cronbach (atau konsistensi internal) bahkan mengukur keandalan tetapi karena bidang saya mengharuskan Cronbach untuk dilaporkan sebagai ukuran kebaikan psikometrik, saya perlu menemukan cara untuk menunjukkan konsistensi internal sebagai memadai untuk ukuran ini.
sumber
Jawaban:
Anda dapat menghitung keandalan item Anda dari CFA.
Dari solusi standar Anda, hitung: (L1 + ... Lk) * 2 / [(L1 + ... Lk) * 2 + (Var (E1) + ... + Var (Ek))]
Ini akan memberikan reliabilitas komposit, yang harus dekat dengan alpha.
Lebih sulit untuk memiliki kecocokan yang baik jika Anda memiliki alpha tinggi, dan lebih sulit untuk memiliki alpha yang tinggi jika Anda memiliki kecocokan yang baik. Contoh ekstrem dari ini adalah jika semua item tidak berkorelasi - chi-square akan menjadi nol, dan RMSEA akan menjadi nol, yang menunjukkan kecocokan yang besar. Tapi alpha juga akan nol, menunjukkan keandalan yang mengerikan. Bendera yang biasa untuk ini adalah CFI rendah (karena model nol chi-square sangat rendah), tetapi Anda tidak memilikinya. Saya menulis tentang itu dalam makalah ini: http://www.sciencedirect.com/science/article/pii/S0191886906003874 (yang saya pikir tidak ada di balik paywall).
Anda menyebutkan pemuatan Anda dalam komentar (apakah ini standar?). Memuat 0,45 mengarah pada korelasi tersirat 0,23, jadi jika beban Anda setinggi itu, saya tidak melihat bagaimana korelasi Anda bisa serendah itu, dan modelnya masih pas. (Apa ukuran sampel Anda?)
Penaksir apa yang Anda gunakan?
sumber
Jika instrumen Anda mengevaluasi dua atau lebih konstruksi, ada kemungkinan alpha Anda rendah. Saya menyarankan Anda untuk memperkirakan satu alfa untuk setiap sub-skala.
sumber