Hâlâ eksik bilgi olmasına rağmen (alt ölçek başına kişi ve öğe sayısı), ölçek azaltma hakkında bazı genel ipuçları. Ayrıca, anket düzeyinde çalıştığınız için, uzunluğunun neden bu kadar önemli olduğunu görmüyorum (sonuçta, toplam veya ortalama puanlar gibi özet istatistikleri vereceksiniz).
(A) moralle ilgili bazı yapıları ölçen bir dizi K öğeniz olduğunu, (b) "tek boyutlu" ölçeğinizin farklı yönlere alt gruplara ayrılabilecek ikinci dereceden bir faktör olduğunu, (c) ölçeğin içerik geçerliliğini korurken, yeterli doğruluktaki deneklerin toplam ölçek puanlarını özetleyecek şekilde ölçeğinizi k <K değerine düşürün.
Bu onaylanmış ölçeğin içeriği / yapı geçerliliği hakkında: İlgilenilen yapıyı en iyi yansıtacak şekilde kesinlikle öğe sayısı seçilmiştir. Anketi kısaltarak, aslında yapı kapsamını azaltmış olursunuz. Sonuçta, öğelerin sadece yarısını göz önünde bulundururken faktör yapısının aynı kaldığını kontrol etmek iyi olur (sonuçta bunları seçme şeklinizi de etkileyebilir). Bu geleneksel FA teknikleri kullanılarak yapılabilir. Ölçeği yazarlarınkine benzer bir ruhla yorumlama sorumluluğuna sahipsiniz.
Puanların güvenilirliği hakkında : Numuneye bağlı bir önlem olmasına rağmen, madde sayısını azaltırken puanların güvenilirliği azalır (bkz. Spearman-Brown formülü ); Bunu görmenin bir başka yolu, standart ölçüm hatasının (SEM) artmasıdır, ancak Leo M Harvill'in Standart Ölçüm Hatası ile ilgili bir NCME Öğretim Modülüne bakın . Söylemeye gerek yok, öğe sayısına bağlı olan her göstergeye uygulanır (örneğin, bir tür güvenilirliği, yani iç tutarlılığı tahmin etmek için kullanılabilen Cronbach alfa). Umarım bu ham puanlara dayalı gruplar arası karşılaştırmaları etkilemez.
Yani, önerilerim (en kolay yol):
- Yapı kapsamını en üst düzeye çıkarmak için öğelerinizi seçin; FA ile boyutsallığı ve tek değişkenli cevap dağılımları ile kapsamı kontrol edin;
- Ortalama interitem korelasyonlarını daha önce rapor edilenlerle karşılaştırın;
- Tam ölçek ve kompozitleriniz için iç tutarlılığı hesaplayın; orijinal ölçekte yayınlanan istatistiklerle uyumlu olduklarını kontrol edin (hiçbir şeyi test etmeye gerek yoktur, bunlar numuneye bağlı önlemlerdir);
- Orijinal ve indirgenmiş (alt) puanlar arasındaki lineer (veya polikrik veya rütbe) korelasyonları, karşılaştırılabilir olduklarından emin olmak için (yani gizli özellikteki birey konumlarının ham puanlarla nesnel olarak büyük ölçüde değişmediğinden emin olun) );
- Harici bir konuya özgü değişkeniniz varsa (örn. Cinsiyet, yaş veya moralle ilgili en iyi ölçü) iki grup arasındaki bilinen grup geçerliliğini karşılaştırın .
Zor yol , gizli özellik - ölçek küçültme hakkında maksimum bilgi taşıyan öğeleri seçmek için Öğe Yanıt Teorisine güvenmek olabilir aslında en iyi uygulamalarından biridir. Politomlu maddeler için modeller bu ankette kısmen anketlerin doğrulanmasıyla açıklanmıştır .
2. güncellemenizden sonra güncelleme
- Çok az konuyu olan politom ürünler için herhangi bir IRT modelini unutun.
- Faktör Analizi de bu kadar düşük örneklem büyüklüğünden muzdarip olacaktır; güvenilmez faktör yükü tahminleri alırsınız.
- 30 öğenin 2 = 15 öğeye bölünmesi (toplam puan için karşılık gelen SEM'deki artış hakkında bir fikir edinmek kolaydır), ancak alt ölçekleri göz önünde bulundurursanız kesinlikle daha da kötüleşecektir (bu aslında 2. sorum - Hayır. alt ölçek başına (varsa)