이론적으로 심리학 연구와 같이 소수의 설문지로 구성된 설문지 항목에 점수가있는 데이터 세트가 있다고 가정 해 봅시다.
Cronbach의 알파 또는 이와 유사한 것을 사용하여 스케일의 신뢰성을 확인한 다음 스케일의 항목을 집계하여 스케일 점수를 형성하고 거기에서 분석을 계속하는 것이 일반적인 접근 방식입니다.
그러나 요인 분석도 있습니다. 모든 항목 점수를 입력으로 받아 어느 것이 일관된 요인을 형성하는지 알려줍니다. 로딩 및 커뮤니티 등을 살펴보면 이러한 요인이 얼마나 강력한 지 알 수 있습니다. 나에게 이것은 똑같은 종류의 소리처럼 들립니다.
모든 규모의 신뢰성이 양호하더라도 EFA는 어떤 척도에 어떤 항목이 더 잘 맞는지를 교정 할 수 있습니다. 교차로드를 얻을 수 있으며 단순한 스케일 합계보다 파생 계수 점수를 사용하는 것이 더 합리적 일 수 있습니다.
추후 분석 (회귀 분석 또는 분산 분석)에이 척도를 사용하려면 신뢰도가 유지되는 한 척도를 집계해야합니까? 또는 CFA와 같은 것입니다 (스케일이 '신뢰성'과 동일한 것을 측정하는 것처럼 보이는 좋은 요인으로 유지되는지 테스트).
나는 두 가지 접근 방식에 대해 독립적으로 배웠으므로 서로 어떻게 관련되는지, 함께 사용할 수 있는지 또는 어떤 것이 어떤 상황에 더 적합한 지 알 수 없습니다. 이 경우 좋은 연구 관행을위한 의사 결정 트리가 있습니까? 다음과 같은 것 :
예상 척도 항목에 따라 CFA 실행
- CFA가 적합하다고 판단되면 요인 점수를 계산하고이를 분석에 사용하십시오.
- CFA가 적합하지 않은 것으로 표시되면 대신 EFA를 실행하고 탐색 적 접근 방식 (또는 다른 방법)을 사용하십시오.
요인 분석과 신뢰성 테스트는 실제로 동일한 것에 대한 별도의 접근 방식입니까, 아니면 어딘가 오해입니까?