Reliability
什麼是直觀的 Cronbach’s Alpha？
我試圖直觀地理解 Cronbach 的 Alpha。這個結構背後的總體思路是什麼？他們試圖確保它具有哪些特性？
你可以通過研究公式來了解它的含義：
在哪裡 .是一個測試的總分項目，每個分數， 分別。
使用我們所知道的關於 RV 總和的協方差的知識來解開公式。
- 如果測試項目是獨立的（想想隨機的，瑣碎的追求問題），然後方差是方差的總和和.
- 假設實際上是重複同一個問題次。然後, 一點代數表明.
這些都是極端情況。通常情況下，item之間會存在一些正相關（假設所有的東西都是在同一個方向上編碼的），所以方差的比率會小於1。協方差越大，值越大.
請記住，有中的協方差得到方差，因此您需要將大多數事物與大多數其他變量合理相關才能獲得健康. 正如@ttnphns 指出的那樣，它是一個幾乎標準化的平均協方差。
這一項是方差比的分子，所以它越大，比值越小，數量越接近1。
那麼這意味著什麼？採取一個非常簡單的測試情況，其中每個項目都與具有相同負載的潛在因素相關，因此：
那麼協方差的形式為. 如果相對於噪音來說相當大，我將得到接近 1 的結果。事實上，如果我們標準化，
和基本上是因子加載的單調（如果是非線性）版本。
可悲的是，反過來是不正確的，而且很大值可以從各種因子結構中獲得，或者根本沒有。平均而言，這些項目需要相互關聯，但這實際上並不能說明什麼。在我看來，Cronbach alpha 是一個測試統計數據，它的價值得到了太多的宣傳。如今，沒有理由不進行因子分析並確認測試項目是否按照人們認為的那樣執行。
下圖顯示了當有 20 個具有相同載荷的項目時，如上所述。
心理學家喜歡得到一個大於 0.80，但這可以通過 0.5 的負載來實現——這並不是一個嚴格的測試項目。
