Estoy ejecutando un CFA y obtengo buenos índices de ajuste (CFI = .99, RMSEA = .01) para una escala unidimensional. Sin embargo, cuando pruebo la consistencia interna, obtengo los s ( ) de Cronbach pobres . He intentado todo, desde eliminar valores atípicos hasta soltar elementos y aún así terminar con el mismo problema.
Me pregunto si hay algo en SEM que muestre que la medida es confiable.
Sé que existe cierto debate sobre si la (o consistencia interna) de Cronbach incluso mide la confiabilidad, pero dado que mi campo requiere que la Cronbach se informe como una medida de la bondad psicométrica, necesito encontrar una manera de mostrar que la consistencia interna es adecuado para esta medida.
sem
reliability
psychometrics
confirmatory-factor
cronbachs-alpha
usuario1984
fuente
fuente
Respuestas:
Puede calcular la fiabilidad de sus artículos a partir del CFA.
A partir de su solución estandarizada, calcule: (L1 + ... Lk) * 2 / [(L1 + ... Lk) * 2 + (Var (E1) + ... + Var (Ek))]
Esto le dará la fiabilidad compuesta, que debería estar cerca de alfa.
Es más difícil tener un buen ajuste si tiene un alto alfa, y es más difícil tener un alto alfa si tiene un buen ajuste. El ejemplo extremo de esto es si todos los elementos no están correlacionados: chi-cuadrado será cero y RMSEA será cero, lo que indica un gran ajuste. Pero alfa también será cero, lo que indica una fiabilidad terrible. El indicador habitual para esto es bajo CFI (porque el modelo nulo chi-cuadrado es muy bajo), pero no tiene eso. Escribí sobre eso en este artículo: http://www.sciencedirect.com/science/article/pii/S0191886906003874 (que creo que no está detrás de un muro de pago).
Menciona sus cargas en un comentario (¿están estandarizadas?). Las cargas de 0.45 conducen a correlaciones implícitas de 0.23, por lo que si sus cargas son tan altas, no veo cómo sus correlaciones pueden ser tan bajas, y el modelo aún se ajusta. (¿Cuál es su tamaño de muestra?)
¿Qué estimador estás usando?
fuente
Si su instrumento está evaluando dos o más construcciones, es posible que su alfa sea bajo. Le aconsejo que calcule un alfa para cada subescala.
fuente