여전히 일부 정보가 부족하지만 (하위 규모 당 개인 및 항목 수) 규모 축소에 대한 일반적인 힌트는 다음과 같습니다. 또한 설문 수준에서 일하고 있기 때문에 왜 그 길이가 그렇게 중요한지 알지 못합니다 (결국 총점 또는 평균 점수와 같은 요약 통계를 제공합니다).
나는 (a) 사기와 관련된 일부 구성을 측정하는 K 항목 세트를 가지고 있다고 가정합니다. (b) "일차원 적"척도는 다른면으로 세분 될 수있는 2 차 요인입니다. (c) 척도의 컨텐츠 유효성을 유지하면서 충분한 정확도의 대상체의 총 척도 점수로 요약 할 수 있도록 척도를 k <K 항목으로 줄이십시오.
이 검증 된 척도의 내용 / 구조 유효성 에 대하여 : 관심있는 구성을 가장 잘 반영하기 위해 항목의 수가 확실히 선택되었습니다. 설문지를 줄임으로써 실제로 구조물 범위를 줄일 수 있습니다. 항목의 절반 만 고려할 때 요인 구조가 동일하게 유지되는지 확인하는 것이 좋습니다 (결국 선택 방식에도 영향을 줄 수 있음). 이것은 전통적인 FA 기술을 사용하여 수행 할 수 있습니다. 당신은 저자와 비슷한 정신으로 척도를 해석 할 책임이 있습니다.
점수 신뢰도 정보 : 표본 종속적 측정 방법이지만 항목 수를 줄이면 점수 신뢰도가 감소합니다 ( Spearman-Brown 공식 참조 ). 또 다른 방법은 표준 측정 오차 (SEM)가 증가하지만 Leo M Harvill 의 표준 측정 오차에 대한 NCME 교육 모듈을 참조하십시오 . 말할 것도없이, 그것은 아이템의 수에 의존하는 모든 지표에 적용됩니다 (예를 들어, Cronbach의 알파는 한 형태의 신뢰성, 즉 내부 일관성을 추정하는데 사용될 수 있습니다). 원점수에 기반한 그룹 간 비교에는 영향을 미치지 않기를 바랍니다.
따라서 내 권장 사항 (가장 쉬운 방법)은 다음과 같습니다.
- 시공 범위를 극대화 할 수 있도록 품목을 선택하십시오. FA로 치수를 확인하고 일 변량 반응 분포로 범위를 확인하십시오.
- 이전에보고 된 것과 평균 항목 간 상관 관계를 비교하십시오.
- 풀 스케일 및 컴포지트에 대한 내부 일관성을 계산하십시오. 그들이 원래의 규모로 출판 된 통계와 일치하는지 확인하십시오 (아무것도 테스트 할 필요가 없습니다. 이는 샘플 의존적 측정입니다).
- 원래 점수와 줄어든 (보조) 점수 간의 선형 (또는 다항식 또는 순위) 상관 관계를 테스트하여 비교할 수 있는지 확인합니다 (즉, 잠재적 특성의 개별 위치가 원시 점수를 통해 객관적으로 변하지 않는지 확인). );
- 외부 주제별 변수 (예 : 성별, 연령 또는 사기와 관련된 최상의 척도) 가있는 경우 두 양식 간의 알려진 그룹 유효성을 비교 하십시오.
어려운 방법은 잠재적 반응에 대한 최대 정보를 담고있는 항목을 선택하기 위해 항목 응답 이론 에 의존하는 것입니다. 규모 축소는 실제로 가장 적합한 응용 프로그램 중 하나입니다. 다항 항목에 대한 모델은이 스레드, 설문 조사 유효성 검사 에 부분적으로 설명되어 있습니다.
두 번째 업데이트 후 업데이트
- 주제가 거의없는 다항 항목에 대한 IRT 모델은 잊어 버리십시오.
- 요인 분석은 또한 이러한 낮은 표본 크기로 인해 어려움을 겪을 것입니다. 신뢰할 수없는 팩터 로딩 추정값을 얻을 수 있습니다.
- 30 개의 항목을 2 = 15 개의 항목으로 나눈 값 (총 점수에 대한 해당 SEM의 증가를 쉽게 알 수 있음)이지만 하위 척도를 고려하면 결정적으로 나빠질 것입니다 (실제로 두 번째 질문 인 No. 하위 스케일에 따라)