나는 경험적으로 설문지를 개발하는 과정에 있으며이 예에서는 임의의 숫자를 사용하여 설명 할 것입니다. 문맥 상, 나는 불안 장애가있는 개인들에게서 일반적으로 확인되는 사고 패턴을 평가하는 것을 목표로하는 심리적 설문지를 개발하고 있습니다. 항목이 " 오븐이 꺼져 있는지 확인할 수 없기 때문에 오븐을 반복해서 확인해야합니다 "처럼 보일 수 있습니다 .
하나 또는 두 가지 요소로 구성 될 수있는 20 개의 질문 (5 점 리 커트)이 있습니다 (실제로 200 개의 질문에 가깝고 10 개의 척도로 구성되며 각 척도는 두 가지 요소로 구성 될 수 있습니다). 두 가지 요소 중 하나에 10 가지 질문을 남기고 항목의 약 절반을 지우고 싶습니다.
탐색 적 요소 분석 (EFA), 내부 일관성 (Cronbach 's alpha) 및 항목 응답 이론 (IRT)의 항목 특성 곡선에 익숙합니다. 이러한 방법 중 하나를 사용하여 단일 척도 내에서 "더 나쁜"항목을 결정하는 방법을 알 수 있습니다. 비슷한 방법으로 결과가 나올 수 있지만 각 "방법"이 가장 중요한지 확실하지 않지만 각 방법마다 다른 질문에 답변합니다.
시작하기 전에 이러한 각 방법으로 수행하는 작업을 개별적으로 알아야합니다.
EFA를 사용하여 요인 수를 식별하고 각 요인에 가장 적게 적재되거나 (<.30이라고 함) 실질적으로 여러 요인에 걸쳐 하중을 가하는 품목을 제거합니다.
내부 일관성을 사용하여 "항목이 삭제 된 경우 알파"가 더 나쁜 항목을 제거합니다. 내 규모에서 한 가지 요소를 가정하거나 초기 EFA 후에 요소 수를 식별하고 각 요소에 대해 내 알파를 실행하기 위해 수행 할 수 있습니다.
IRT를 사용하여 (5 Likert) 응답 옵션에 따라 관심 요소를 평가하지 않는 항목을 제거했습니다. 나는 눈알 항목 특성 곡선이 될 것입니다. 기본적으로 Likert 척도의 옵션 1에서 잠재 점수를 따라 최대 5까지 45도 각도의 선을 찾고 있습니다. 하나의 요소를 가정하거나 초기
EFA 이후에 여러 요소를 식별 한 후 각 요소에 대한 곡선을 실행할 수 있습니다.
"최악의"항목을 가장 잘 식별하기 위해 어떤 방법을 사용해야하는지 잘 모르겠습니다. 나는 아이템이 신뢰성이나 타당성 측면에서 측정에 해를 끼치도록 광범위하게 최악을 사용한다. 둘 다 나에게 똑같이 중요하다. 아마 나는 그것들을 함께 사용할 수는 있지만 어떻게 잘 모르겠습니다.
내가 지금 아는 것을 계속 진행하고 최선의 기회를 주려면 다음을 수행하십시오.
- 여러 요인을 식별하기 위해 EFA를 수행하십시오. 또한 다른 분석에서 수행하는 방식에 관계없이 잘못로드되는 항목을 원하지 않기 때문에 각 요인에 대해 잘못로드 된 항목을 삭제하십시오.
- EFA에 남아있는 경우 IRT를 수행하고 해당 분석으로 판단 된 불량 항목을 제거하십시오.
- 간단히 Cronbach의 알파를보고하고 해당 측정 항목을 항목 삭제 수단으로 사용하지 마십시오.
일반적인 지침은 대단히 감사하겠습니다!
다음은 대답 할 수있는 특정 질문의 목록입니다.
요인 로딩을 기준으로 항목을 제거하고 Chronbach의 알파를 기준으로 항목을 제거하는 것 (두 분석 모두에 동일한 요인 레이아웃을 사용한다고 가정)의 실제 차이점은 무엇입니까?
먼저 무엇을해야합니까? 하나의 요소로 EFA와 IRT를 수행한다고 가정하고 둘 다 제거해야 할 다른 항목을 식별한다고 가정하면 어떤 분석이 우선해야합니까?
Chronbach 's alpha에 관계없이보고 할 것이지만, 나는이 모든 분석을 수행하기가 어렵지 않습니다. IRT를하는 것만으로도 뭔가 빠진 것이있을 수 있으며 EFA에서도 마찬가지입니다.