Omega vs. confiabilidad alfa

Me pregunto si alguien puede explicar cuál es la principal diferencia entre las confiabilidades omega y alfa.

Entiendo que la confiabilidad omega se basa en el modelo de factor jerárquico como se muestra en la siguiente imagen, y alfa usa correlaciones promedio entre ítems.

Lo que no entiendo es, en qué condición, el coeficiente de fiabilidad omega sería mayor que el coeficiente alfa, y viceversa.

¿Puedo suponer que si las correlaciones entre los subfactores y las variables son más altas, el coeficiente omega también sería más alto (como se muestra en la imagen de arriba)?

Cualquier consejo es apreciado!

El (jerárquico) da la proporción de varianza en las puntuaciones de escala explicadas por un factor general (1,2), generalmente de un análisis factorial de segundo orden. Sin embargo, si alguna dimensión de orden cero se refleja en tales escalas, será menor que la de Cronbach (que en cualquier caso solo debería usarse con escalas unidimensionales). Es solo cuando el instrumento de medición se denomina equivalente tau (cargas de factor iguales pero posiblemente errores desiguales pero no correlacionados) que$\omega_h$$\omega_h$$\alpha$$\alpha=\omega_h$. Esto fue demostrado temprano por McDonald. Independientemente del indicador utilizado, los valores bajos indican que no tiene sentido calcular un puntaje de suma (es decir, agregar la contribución de cada puntaje de ítem para obtener un puntaje compuesto).

Para resumir, los errores de medición correlacionados, la multidimensionalidad o las cargas de factores desiguales hacen que ambos indicadores puedan divergir, siendo jerárquico la medida de confiabilidad que se debe usar, siguiendo el trabajo anterior de Revelle y los compañeros de trabajo (ver (1) para más discusión sobre eso).$\omega_h$

Referencias

1. Zinbarg, RE, Revelle, W. y Yovel, I. (2007). Estimación de para estructuras que contienen dos factores de grupo: peligros y perspectivas. Medición psicológica aplicada , 31 (2) , 135-157.$\omega_h$
2. McDonald, RP (1999). Teoría de la prueba: un tratamiento unificado . Mahwah, Nueva Jersey: Lawrence Erlbaum.
3. Zinbarg, RE, Yovel, I., Revelle, W. y McDonald, RP (2006). Estimación de la generalización a una variable latente común a todos los indicadores de una escala: una comparación de estimadores para$\omega_h$ . Medición psicológica aplicada , 30 (2) , 121–144.

El alfa de Cronbach depende del supuesto de que cada variable indicadora contribuye igualmente al factor, es decir, todas las cargas (no estandarizadas) deben ser iguales (equivalencia tau). Si se viola esta suposición, se subestimará la verdadera confiabilidad.

La segunda suposición para alfa es que las variaciones de error de los indicadores no deben estar correlacionadas. En otras palabras, un solo factor debe tener en cuenta toda la varianza común de los indicadores. Si este no es el caso, alpha sobreestimará la confiabilidad.

Omega no requiere equivalencia tau o variaciones de error no correlacionadas. Hay dos versiones de omega. El primero se usa cuando las variaciones de error no están correlacionadas, el segundo si están correlacionadas. Omega y alfa producirán el mismo resultado si los supuestos de alfa no son violados por los datos.