ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης
Εγκυρότητα - Αξιοπιστία Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Θεωρία) Διαφάνεια 2
Περιεχόμενα Εισαγωγή Εγκυρότητα η προβλεπτική ή προγνωστική εγκυρότητα (predictive validity) η συντρέχουσα εγκυρότητα (concurrent validity), η εγκυρότητα περιεχομένου (content validity) η εγκυρότητα εννοιολογικής κατασκευής (construct validity). Αξιοπιστία Μέτρα αξιοπιστίας Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Θεωρία) Διαφάνεια 3
Εισαγωγή Στις κοινωνικές επιστήμες, η περιγραφή της ανθρώπινης συμπεριφοράς αποτέλεσε και αποτελεί ένα διακαή αυτοσκοπό. Το εργαλείο για την επίτευξη αυτού του στόχου είναι η δοκιμασία (test), δηλαδή η συστηματική διαδικασία παρατήρησης και περιγραφής της ανθρώπινης συμπεριφοράς, με τη βοήθεια μιας αριθμητικής κλίμακας. Η ερμηνευτική λειτουργικότητα μιας δοκιμασίας αποδεικνύεται από την διασφάλιση της ομοιομορφίας της και της επαναληψιμότητάς της με τον ίδιο ακριβώς τρόπο, σε διαφορετικό τόπο, χρόνο και ομάδα του πληθυσμού. Αυτά τα χαρακτηριστικά μπορούν να επιβεβαιωθούν με την εκτίμηση των ψυχομετρικών ιδιοτήτων της δοκιμασίας, δηλαδή της εγκυρότητας και της αξιοπιστίας της. Στις περισσότερες έρευνες οι δύο αυτές ιδιότητες σχετίζονται αλλά η μία δεν αποδεικνύει την άλλη Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Θεωρία) Διαφάνεια 4
Εγκυρότητα Ένα εργαλείο είναι έγκυρο ή αληθές, εάν αντιπροσωπεύει επακριβώς τις διαστάσεις ενός φαινομένου, που σκοπεύει να περιγράψει, να εξηγήσει ή να διαμορφώσει σε θεωρητικό επίπεδο (Hammersley ) Η εγκυρότητα συνίσταται στο κατά πόσο η κλίμακα μετρά αυτό που επικαλείται ότι μετρά (π.χ. Για παράδειγμα, αν μετράμε την ικανοποίηση ενός υπαλλήλου από την χρησιμότητα του πληροφοριακού συστήματος στον χώρο εργασίας, πρέπει να βεβαιωθούμε ότι δεν μετράμε την ικανοποίηση τουυπαλλήλουμόνοαπότοανέχεισύγχρονοεξοπλισμό). Η εγκυρότητα των ψυχομετρικών κλιμάκων εμφανίστηκε ως όρος μετά την πρωτοβουλία της Επιτροπής του Αμερικανικού Συνδέσμου Ψυχολόγων ΑΡΑ (1950 1954) να προσδιορίσει ποια χαρακτηριστικά θα έπρεπε να αξιολογηθούν πριν δημοσιευθεί μια κλίμακα. Υπάρχουν 4 τύποι εγκυρότητας είναι: α)η προβλεπτική ή προγνωστική εγκυρότητα (predictive validity), β)η συντρέχουσα εγκυρότητα (concurrent validity), γ)η εγκυρότητα περιεχομένου (content validity) και δ)η εγκυρότητα εννοιολογικής κατασκευής (construct validity). Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Θεωρία) Διαφάνεια 5
Προβλεπτική Εγκυρότητα Μια ψυχομετρική κλίμακα διακρίνεται για την προβλεπτική της εγκυρότητα στο βαθμό που είναι σε θέση, με βάση τις σημερινές αξιολογήσεις, να προβλέψει μελλοντικές παραμέτρους, που αποτελούν ειδοποιά χαρακτηριστικά της σημερινής εννοιολογικής κατασκευής. Για παράδειγμα, το κριτήριο για την εκτίμηση της προβλεπτικής εγκυρότητας μιας κλίμακας που εκτιμά την ικανοποίηση των υπαλλήλων από την χρήση πληροφοριακών συστημάτων είναι η δυνατότητα πρόβλεψης της μελλοντικής συμπεριφοράς των υπαλλήλων, με την ερώτηση «θα προτείνατε την χρήση ΠΣ σε ένα φίλο σας δεδομένουότιητάσητουανθρώπου προς την εκδήλωση μιας συμπεριφοράς και η μελλοντική του συμπεριφορά θεωρούνται συνώνυμοι όροι. Η Smith σημειώνει ότι, επειδή αυτή η τελευταία συσχέτιση σπάνια επιβεβαιώνεται, είναι πιο ακριβές να θεωρούμε αυτή την ερώτηση περισσότερο ως ένδειξη συγχρονικής εγκυρότητας και συμπληρώνει ότι ένας παράγοντας που καθιστά προβληματική την προβλεπτική ικανότητα των κλιμάκων για την ικανοποίηση των ασθενών είναι η απουσία μιας διακύμανσης στις απαντήσεις που προσπαθούν να αποτυπώσουν τη μελλοντική συμπεριφορά των ασθενών. Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Θεωρία) Διαφάνεια 6
Συντρέχουσα Εγκυρότητα Μια ψυχομετρική κλίμακα διακρίνεται για τη συντρέχουσα εγκυρότητά της, όταν οι τιμές της (score) διαφοροποιούνται προς την αναμενόμενη κατεύθυνση μεταξύ ομάδων ατόμων, οι οποίες αντικειμενικά διαφέρουν ως προς την αξιολογούμενη εννοιολογική κατασκευή. Ο έλεγχος της συντρέχουσας εγκυρότητας γίνεται στη βάση της συνάφειας της αξιολογούμενης κλίμακας με ένα αντικειμενικό κριτήριο της εννοιολογικής κατασκευής για την οποία τη χρησιμοποιούμε. Έτσι, ο συντελεστής συσχέτισης εκλαμβάνεται ως δείκτης της συγκλίνουσας εγκυρότητας της αξιολογούμενης κλίμακας. ΗμέθοδοςROC-ανάλυση χρησιμοποιείται για την εκτίμηση της συντρέχουσας εγκυρότητας (Για παράδειγμα, αν ένα νοσοκομείο ενδιαφέρεται να ταξινομήσει τους ασθενείς του σε αυτούς που θα το επισκεφτούν ξανά ή όχι στο μέλλον, η καμπύλη ROC δίνει πληροφορίες για την αξιολόγηση των μεθόδων που χρησιμοποίησε για να προβλέψει τη μελλοντική τους συμπεριφορά). Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Θεωρία) Διαφάνεια 7
Εγκυρότητα περιεχομένου Ένα ψυχομετρικό μέσο διακρίνεται για την εγκυρότητα του περιεχομένου όταν απαντά στην ερώτηση «οι ερωτήσεις του μέσου καλύπτουν το εύρος του περιεχομένου της εννοιολογικής κατασκευής που υποστηρίζουν αρά και την ανάλυση των απόψεων των ειδικών στο θέμα». Μια άλλη διάσταση της εγκυρότητας του περιεχομένου του μέσου είναι η εμπειρική εγκυρότητα (empirical validity), σύμφωναμετηνοποίαεξετάζεταιαν και κατά πόσο οι υποκλίμακες (subscales) της συνολικής κλίμακας σχετίζονται με άλλες μεταβλητές, που αποτελούν βασικές διαστάσεις της εννοιολογικής κατασκευής με τις οποίες θα έπρεπε να σχετίζονται. Για παράδειγμα, οι Meterko et al χρησιμοποίησαν ως δείκτες εγκυρότητας της κλίμακάς τους, για την ικανοποίηση των ασθενών, τις επιμέρους κλίμακες που εκτιμούν τη συνολική εκληφθείσα ποιότητα της φροντίδας και την πρόθεση των ασθενών να επιστρέψουν στο νοσοκομείο, αλλά και να το προτείνουν σε κάποιο γνωστό τους. Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Θεωρία) Διαφάνεια 8
Εγκυρότητα εννοιολογικής κατασκευής Η εγκυρότητα της εννοιολογικής κατασκευής μιας κλίμακας αντικατοπτρίζει το πόσο καλά κάποιος αποτύπωσε τις ιδέες του ή τη θεωρία του σε μια κλίμακα. Η εγκυρότητα εννοιολογικής κατασκευής περιλαμβάνει δύο κατηγορίες Εγκυρότητα μετάφρασης Εγκυρότητα προσώπου (face validity) Εγκυρότητα περιεχομένου (content validity) Εγκυρότητα με βάση το κριτήριο Παραγοντική εγκυρότητα (factorial validity) Συγκλίνουσα εγκυρότητα (convergent validity) Διακρίνουσα εγκυρότητα (discriminant validity) Εγκυρότητα με βάση την παραδοχή (assumed validity). Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Θεωρία) Διαφάνεια 9
Συγκλίνουσα και διακρίνουσα εγκυρότητα. Συγκλίνουσα εγκυρότητα είναι ο βαθμός στον οποίο η αξιολογούμενη κλίμακα σχετίζεται (συγκλίνει) με άλλες κλίμακες που εκτιμούν το ίδιο φαινόμενο, την ίδια εννοιολογική κατασκευή. Η συγκλίνουσα εγκυρότητα προσδιορίζει το μέτρο στο οποίο διάφορες προσεγγίσεις στη δόμηση της μέτρησης φέρουν τα ίδια αποτελέσματα. Μια μέθοδος που χρησιμοποιείται συχνά για τον υπολογισμό της συγκλίνουσας εγκυρότητας είναι η αντιμετώπιση κάθε μεταβλητής ενός παράγοντα σαν μια διαφορετική προσέγγιση για τη μέτρηση της δομής του μοντέλου (Ahire et al. 1996). Η συγκλίνουσα εγκυρότητα σε αυτή την περίπτωση ελέγχεται χρησιμοποιώντας το συντελεστή Bentler-Bonnet, που ονομάζεται και κανονικοποιημένος δείκτης προσαρμογής (NFI). ΟσυντελεστήςBentler-Bonnet αναπαριστά την αναλογία της τιμής του χ-τετράγωνο του συγκεκριμένου μοντέλου μέτρησης προς αυτό του μηδενικού μοντέλου. Κλίμακες με τιμές του δείκτη ίσες ή μεγαλύτερες του 0,9 παρουσιάζουν ισχυρή συγκλίνουσα εγκυρότητα. Τέλος η εγκυρότητα με βάση την παραδοχή εξετάζει κατά πόσο η εννοιολογική κατασκευή, την οποία προσδιορίζει η κλίμακα που αξιολογούμε, σχετίζεται με άλλες εννοιολογικές κατασκευές κατά τρόπο σύμφωνο με μια παραδοχή. Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Θεωρία) Διαφάνεια 10
Συγκλίνουσα και διακρίνουσα εγκυρότητα. Τα συνήθη κριτήρια για την εκτίμηση της συγκλίνουσας εγκυρότητας είναι: Ο βαθμός της συσχέτισης της κάθε ερώτησης της κλίμακας με τον αντίστοιχο παράγοντα που ερμηνεύει την εννοιολογική κατασκευή (σε όρους εσωτερικής συνάφειας), Οι ερωτήσεις περιέχουν το ίδιο ποσοστό πληροφορίας αναφορικά με την αξιολογούμενη κατασκευή, Οι ερωτήσεις είναι ισχυρότεροι δείκτες της υποτιθέμενης εννοιολογικής κατασκευής, σε σχέση με άλλες, Ο Churchill υποστηρίζει ότι η συγκλίνουσα και η διακρίνουσα εγκυρότητα θα πρέπει να εκτιμώνται ταυτόχρονα με την εκτίμηση της εγκυρότητας της εννοιολογικής κατασκευής. Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Θεωρία) Διαφάνεια 11
Εγκυρότητα παρατηρήσεις Ο καλός σχεδιασμός μιας μελέτης αποτελεί βασική προϋπόθεση για την επίτευξη της μεθοδολογικής εγκυρότητας. Κάθε ερευνητικό ερώτημα απαιτεί διαφορετικό σχεδιασμό για τη διερεύνησή του. Ο λανθασμένος σχεδιασμός οδηγεί αναπόφευκτα σε ελλιπή εσωτερική εγκυρότητα, δηλαδή στο βαθμό κατά τον οποίο τα αποτελέσματα της έρευνας προσεγγίζουν την αλήθεια και, κατά συνέπεια, και εξωτερική εγκυρότητα δηλαδή στο βαθμό, κατά τον οποίο τα αποτελέσματα μιας έρευνας μπορούν να εφαρμοσθούν σε ευρύτερους πληθυσμούς (πραγματικές συνθήκες) (Nunnally και Bernstein 1994). Η ελλιπής εγκυρότητα, αντίθετα µε ότιπιστεύεται, δεν μπορεί να βελτιωθεί µε τη χρήση περίπλοκων και δυσνόητων στατιστικών τεχνικών. Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Θεωρία) Διαφάνεια 12
Αξιοπιστία Ηαξιοπιστία(Reliability) είναι, ο συσχετισμός μιας μεταβλητής, ενός παράγοντα, ήενός μοντέλου με κάτι υποθετικό που μετρά αληθινά αυτό που επιθυμείται να μετρηθεί (Cronbach 1951). Δεδομένου ότι, το αληθινό μοντέλο δεν είναι διαθέσιμο, η αξιοπιστία υπολογίζεται από τον υψηλό συσχετισμό μεταξύ των μεταβλητών μέσω διάφορων δεικτών αξιοπιστίας. Όλοι οι δείκτες αξιοπιστίας είναι μορφές συντελεστών συσχετισμού, αλλά αντιπροσωπεύουν διαφορετικές έννοιες της αξιοπιστίας, και μπορούν να χρησιμοποιηθούν περισσότεροι του ενός σε μία έρευνα. Η αξιοπιστία μπορεί να οριστεί ως ο βαθμός στον οποίο οι μετρήσεις είναι απαλλαγμένες από σφάλματα και επομένως παρέχουν συνεπή αποτελέσματα (Nunnally και Bernstein 1994). Η λειτουργική αξιοπιστία ορίζεται ως, η εσωτερική συνέπεια ενός μοντέλου, που με τη σειρά της προσδιορίζει το βαθμό στον οποίο τα στοιχεία είναι ομογενή (Nunnally και Bernstein 1994). Η μονοδιάστατη φύση είναι μια υπόθεση που κρύβεται κάτω από τον υπολογισμό της αξιοπιστίας και εμφανίζεται όταν έχουν οι δείκτες μιας δομής την αποδεκτή προσαρμογή σε ένα μονοδιάστατο (single-factor) μοντέλο. Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Θεωρία) Διαφάνεια 13
Μέτρα μέτρησης αξιοπιστίας (1) Η ύπαρξη μιας μόνο διάστασης είναι μια απαραίτητη προϋπόθεση για τις αναλύσεις αξιοπιστίας (reliability) και εγκυρότητας (validity) (Nunnally 1978) (Μια δομή είναι μονοδιάστατη (ή αδιάστατη) αν τα στοιχεία που την αποτελούν αναπαριστούν μια μόνο υποκείμενη ιδιότητα. Στην επιβεβαιωτική παραγοντική ανάλυση, ο προσδιορισμός ενός μοντέλου μέτρησης που ορίζει τη σχέση ανάμεσα σε κάθε μια δομή και τα στοιχεία που τη συνθέτουν, αποτελεί έναν έλεγχο του μονοδιάστατου των δομών). Η ύπαρξη μιας μόνο διάστασης δεν είναι αρκετή για να εξασφαλίσει τη χρησιμότητα ενός μοντέλου αφού, ακόμα και ένα τελείως μονοδιάστατο μοντέλο μπορεί να έχει σαν αποτέλεσμα μια συνδυασμένη βαθμολογία που προσδιορίζεται πρωταρχικά από το σφάλμα μέτρησης (Gerbing και Anderson 1988). Επομένως, υπάρχει η ανάγκη αφού πρώτα προσδιοριστεί η μονοδιάστατη φύση κάθε μοντέλου, στη συνέχεια να τεκμηριωθεί και η αξιοπιστία της. Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Θεωρία) Διαφάνεια 14
Μέτρα μέτρησης αξιοπιστίας (2) Ο Cronbach alpha είναι ο πιο ευρέως χρησιμοποιούμενος από τους δείκτες αξιοπιστίας και είναι γενικά αποδεκτό ότι η τιμή του πρέπει να είναι μεγαλύτερη του 0,7 (Nunnally και Bernstein 1994, Cronbach 1951, Nunnally 1988). Εντούτοις, μερικοί ερευνητές επιτρέπουν μια μικρότερη τιμή της τάξης του 0,6 (Devellis 1991), ενώ άλλοι επιμένουν σε πιο αυστηρή τιμή της τάξεως του 0,8 (Hatcher 1994). ΟδείκτηςCronbach alpha μπορεί να ερμηνευθεί σαν το εκατοστιαίο ποσοστό που εξηγεί ο χρησιμοποιούμενος παράγοντας έναν υποθετικό που περιλαμβάνει όλες τις πιθανές μεταβλητές. Εναλλακτικά, μπορεί να ερμηνευθεί ως ο συσχετισμός του χρησιμοποιούμενου παράγοντα με τους πιθανούς άλλους παράγοντες που μετρούν το ίδιο πράγμα και που χρησιμοποιούν τον ίδιο αριθμό μεταβλητών. Σημειωτέο επίσης είναι ότι, ητιμήτουcronbach alpha αυξάνεται με την αύξηση των μεταβλητών σε έναν παράγοντα ή μοντέλο, μέθοδος η οποία ακολουθείται από πολλούς ερευνητές για να ωθήσουν τη τιμή του δείκτη σε ένα αποδεκτό επίπεδο. Αυτό απεικονίζει την υπόθεση ότι, οι παράγοντες και τα όργανα με έναν μεγαλύτερο αριθμό μεταβλητών είναι πιο αξιόπιστες. Επίσης, σημαίνει ότι, η σύγκριση των τιμών του Cronbach alpha μεταξύ παραγόντων με διαφορετικό αριθμό μεταβλητών δεν είναι κατάλληλη. Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Θεωρία) Διαφάνεια 15
Μέτρα μέτρησης αξιοπιστίας (3) Η χρήση των μέτρων αξιοπιστίας, όπως του Cronbach Alpha, δεν εξασφαλίζει τη μονοδιάστατη φύση αλλά, αντ' αυτού, υποθέτει ότι υπάρχει. Ο ερευνητής ενδείκνυται να εκτελέσει τις δοκιμές για μονοδιάστατη φύση σε όλες τις δομές οι οποίες αποτελούνται από πολλούς δείκτες πριν αξιολογήσει την αξιοπιστία τους. Το επόμενο βήμα είναι να εξεταστούν οι υπολογισμένες φορτίσεις και να αξιολογηθεί η στατιστική σημασία της κάθε μιας από αυτές. Εάν δεν επιτυγχάνεται στατιστική σημαντικότητα, οερευνητής πρέπει να αποβάλει το δείκτη ή να προσπαθήσει να το μετασχηματίσει για καλύτερη προσαρμογή με τη δομή. Η καλή προσαρμογή του μοντέλου μέτρησης στα δεδομένα, φανερώνει πως σύμφωνα με την υπόθεσή μας, όλαταστοιχείαεπιδρούνσημαντικάπάνωσεμιαυποκείμενη κρυφή μεταβλητή. Η προσαρμογή του μοντέλου μέτρησης προσδιορίζεται από το δείκτη κατάλληλης προσαρμογής (GFI). Κλίμακες με GFI μεγαλύτερο από 0,8 είναι μονοδιάστατες (αδιάστατες). Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Θεωρία) Διαφάνεια 16
Μέτρα μέτρησης αξιοπιστίας (4) Πέρα από την εξέταση των φορτίσεων για κάθε δείκτη, η κύρια προσέγγιση που χρησιμοποιείται στην αξιολόγηση του μοντέλου μέτρησης είναι η σύνθετη αξιοπιστία (composite reliability) και η υπολογισμένη διακύμανση (variance extracted) για κάθε δομή (Werts et al. 1978). Ησύνθετηαξιοπιστίαείναι, ένα μέτρο της εσωτερικής συνέπειας των δεικτών της δομής, απεικονίζοντας το βαθμό στον οποίο "δείχνουν" την κοινή λανθάνουσα (απαρατήρητη) δομή. Τα πιο αξιόπιστα μέτρα παρέχουν στον ερευνητή μεγαλύτερη εμπιστοσύνη σχετικά με το ότι, οι μεμονωμένοι δείκτες είναι όλοι συνεπείς στις μετρήσεις τους. Συνήθως, οι ενδεδειγμένες τιμές για τη σύνθετη αξιοπιστία είναι από 0,7 και πάνω (Nunnally και Bernstein 1994). Εντούτοις, αυτό δεν είναι απόλυτο και, πολλές φορές, μπορούν να γίνουν αποδεκτές και τιμές κάτω από 0,7, ειδικά όταν η έρευνα είναι διερευνητικής φύσης. Πρέπει να σημειώσουμε, εντούτοις ότι, η αξιοπιστία δεν εξασφαλίζει την εγκυρότητα (validity). Ηεγκυρότηταείναιοβαθμόςστονοποίοοιδείκτεςμετρούν"ακριβώς" αυτό που υποτίθεται πως πρέπει να μετρήσουν. Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Θεωρία) Διαφάνεια 17
Μέτρα μέτρησης αξιοπιστίας (5) Ένα άλλο μέτρο της αξιοπιστίας είναι η υπολογισμένη διακύμανση (variance extracted). Αυτό το μέτρο απεικονίζει το γενικό ποσό της διακύμανσης των δεικτών που υπολογίστηκε για τις αφανείς δομές. Οι υψηλότερες τιμές αυτού του μέτρου εμφανίζονται όταν οι δείκτες είναι αληθινά αντιπροσωπευτικοί της αφανούς δομής. Το μέτρο είναι ένα συμπληρωματικό μέτρο της αξιοπιστίας της δομής. Προτείνεται η τιμή του για μία δομή να υπερβαίνει το 0,5 (Nunnally και Bernstein 1994). Τα μέτρα που περιγράφηκαν πρέπει να υπολογίζονται χωριστά για κάθε σύνολο δεικτών οι οποίοι αποτελούν μια αφανή δομή. Για τον υπολογισμό της σύνθετης αξιοπιστίας (composite reliability) χρησιμοποιείται η σχέση: CR = ( Για τον υπολογισμό της υπολογισμένης διακύμανσης (variance extracted) χρησιμοποιείται η σχέση: VA = ( λ ) i λ 2 i λ ) 2 λ + i + 2 i 2 ε ε i i όπου λi είναι οι τυποποιημένες φορτίσεις και εi το σφάλμα μέτρησης για κάθε δείκτη Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Θεωρία) Διαφάνεια 18
Ανάλυση αξιοπιστίας με το SPSS Από το κεντρικό μενού επιλέγουμε Analyze Scale Reliability analysis Στο παράθυρο διαλόγου που εμφανίζεται διαλέγουμε και μεταφέρουμε στο πλαίσιο Items τις μεταβλητές που θέλουμε να ελέγξουμε Με το πλήκτρο Statistics ενεργοποιούμε τα στατιστικά μέτρα τα οποία μπορούμε να διαλέξουμε για την ανάλυση Όπως φαίνεται στο παράθυρο υπάρχουν αρκετά μέτρα ένα από τα πιο σημαντικά είναι scale if item deleted το οποίο μας δείχνει τον συντελεστή άλφα αν διαγραφεί η συγκεκριμένη ερώτηση Σημαντικά στατιστικά μέτρα είναι επίσης ο πίνακας συσχετίσεων (inter item correlation) οοποίοςθα μας δώσει τις συσχετίσεις μεταξύ των μεταβλητών καθώς και τις συσχετίσεις κάθε μεταβλητής με τον διορθωμένο μέσο όρο του υποτιθέμενου παράγοντα που σχηματίζουν οι μεταβλητές καθώς και ο πίνακας Anova Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Θεωρία) Διαφάνεια 19
Ανάλυση αξιοπιστίας με το SPSS - Αποτελέσματα Ο πίνακας reliability Statistics εμφανίζει τον συντελεστή άλφα, που στην συγκεκριμένη περίπτωση είναι αποδεκτός (.0,8) Ο πίνακας Inter item Corelation matrix εμφανίζει τις συσχετίσεις μεταξύ των μεταβλητών στην συγκεκριμένη περίπτωση παρατηρούμε ότι η μεταβλητή Χ4 σε μικρό βαθμό με τις υπόλοιπες μεταβλητές. Ο πίνακας Item to total statistics εμφανίζει διάφορα στατιστικά μέτρα αν διαγραφτείαπότοδείγμαηαντίστοιχη μεταβλητή. Από τις τιμές του πίνακα καθώς και από τα προηγούμενα συμπεράσματα διαφαίνεται ότι θα αυξηθεί η αξιοπιστία της κλίμακας αν διαγραφτεί η μεταβλητή Χ4. x1 x2 x3 x4 x5 x6 x7 x1 x2 x3 x4 x5 x6 x7 Inter-Item Correlation Matrix Reliability Statistics Cronbach's Alpha Based on Cronbach's Alpha Standardized Items N of Items,901,881 7 x1 x2 x3 x4 x5 x6 x7 1,000,685,635,028,693,681,675,685 1,000,854 -,012,741,692,717,635,854 1,000,066,694,725,692,028 -,012,066 1,000,006,095,077,693,741,694,006 1,000,712,668,681,692,725,095,712 1,000,692,675,717,692,077,668,692 1,000 Item-Total Statistics Scale Corrected Squared Cronbach's Scale Mean if Variance if Item-Total Multiple Alpha if Item Item Deleted Item Deleted Correlation Correlation Deleted 20,5392 17,038,758,601,881 20,5147 16,192,837,793,871 20,5931 16,311,826,768,872 22,8922 22,816,050,038,934 20,5392 16,595,792,656,877 20,7255 16,171,803,658,875 20,6667 16,716,785,622,878 Τέλος όσον αφορά την σύνθετη αξιοπιστία (composite reliability) καθώς και την υπολογισμένη διακύμανση (variance extracted) πρέπει πρώτα να εκτελεστεί παραγοντική ανάλυση ή επιβεβαιωτική παραγοντική ανάλυση και στην συνέχεια να υπολογιστούν οι τιμές των σύμφωνα με τους τύπους Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Θεωρία) Διαφάνεια 20