Esercizio alpha di Cronbach svolto con commento PDF

Preview

Summary

Download Esercizio alpha di Cronbach svolto con commento PDF

Description

Nel file “CBAVE.csv” sono riportati i punteggi ottenuti da un campione di 34 s VE. I dati sono stati raccolti alla prima seduta di un colloquio psicologico (colonne indicate con “pre”) e al termine del trattamento (colonne indicate con “post”). Gli item presentano un formato di risposta su scala La scala dell’

## SVOLGIMENTO Per prima cosa carico il pacchetto Rcmdr Carico successivamente il dataframe

Seleziono il file denominato CBA-VE.csv

A questo punto inverto l’item 44 come richiesto nella traccia dell’esercizio.

Calcolo l’alpha di Cronbach per la prima volta

per fare alpha di cronbach devo prendere dalle 3 variabili in su

la soglia che dice che l’affidabilità è accettabile è 0.7 Alpha reliability = 0.7767 Standardized alpha = 0.7934 Reliability deleting each item in turn: Alpha Std.Alpha r(item, total) pre1 0.7646 0.7823 0.3803 pre12 0.8368 0.8434 pre14 0.7524 0.7710 0.5055 pre18 0.7462 0.7656 0.5750 pre23 0.7472 0.7656 0.5718 pre31 0.7795 0.7978 0.2111 pre44_inv 0.7842 0.8016 0.1653 pre45 0.7316 0.7522 0.7309 pre46 0.7405 0.7594 0.6614 pre54 0.7689 0.7874 0.3373 pre57 0.7482 0.7639 0.6014 pre64 0.7319 0.7520 0.7473 pre67 0.7545 0.7742 0.4848 pre73 0.7724 0.7890 0.3016

è superiore a 0.7, quindi il test ha una buona affidabilità

è un item invertito del questionario, quindi dobbiamo re-invertirlo noi.

Esaminando il risultato posso affermare che il valore di partenza dell’alpha è medio alto, ma noto che un item correla negativamente con gli altri della sottoscala in questione. Pertanto procedo con la sua inversione. Invertirò quindi l’item pre12. NOTA: In caso di più item con correlazione item totale NEGATIVA, si invertono UNO ALLA VOLTA, a cominciare dall’item il cui r(item,total) è maggiore (in valore assoluto). Dopo ogni inversione, si ricalcolerà l’apha Esempio: se avessi due item con queste correlazioni item totale: -0.8 e -0.83, la prima prima inversione coinvolgerà il secondo item (r=-0.83) Ma torniamo al nostro esempio… Ricalcolo l’alpha

Alpha reliability = 0.8426 Standardized alpha = 0.8492 Reliability deleting each item in turn: Alpha Std.Alpha r(item, total) pre1 0.8370 0.8441 0.4033 pre12_inv 0.8368 0.8434 0.4213 pre14 0.8265 0.8339 0.5699 pre18 0.8183 0.8268 0.6973 pre23 0.8237 0.8308 0.6214 pre31 0.8541 0.8606 0.1213 pre44_inv 0.8568 0.8624 pre45 0.8134 0.8215 0.7766 pre46 0.8246 0.8314 0.6188 pre54 0.8452 0.8512 0.2905 pre57 0.8225 0.8277 0.6818 pre64 0.8176 0.8250 0.7276 pre67 0.8284 0.8365 0.5417 pre73 0.8412 0.8474 0.3533

ora che ho invertito il pre12, tutti gli item sono correlati positivamente, ma notiamo che l’item pre44_inv si avvicina molto allo 0, il che significa che è poco rappresentativo e che quindi ha una correlazione praticamente nulla, perciò potremmo eliminarlo

Il valore di alpha ha avuto un considerevole incremento. È un valore alto, ma potrebbe aumentare, seppur di poco, eliminando l’item pre44_in che ha una correlazione item-totale molto bassa. soglia di eliminazione 0.10, pertanto ricalcolo l’alpha dopo l’eliminazione. NOTA: si può scegliere, come soglia di eliminazione, un valore di r(item, total) analisi dimensionale —> affidabilità scala togliendo dagli item selezionati il pre44_inv. a questo punto aumenta l’affidabilità e infatti tutti gli item misurano tutti in modo accurato quello che voglio misurare

L’alpha è incrementato ulteriormente. Noto però che c’èun’altro item che sembra avere una correlazione molto bassa con il resto della scala. Procedo pertanto alla sua eliminazione e ricalcolo l’alpha. Alpha reliability = 0.8735 Standardized alpha = 0.8786 Reliability deleting each item in turn: Alpha Std.Alpha r(item, total) pre1 0.8682 0.8739 0.4809 pre12_inv 0.8681 0.8732 0.5012 pre14 0.8577 0.8638 0.6522 pre18 0.8536 0.8603 0.7202 pre23 0.8563 0.8619 0.6834 pre45 0.8501 0.8564 0.7788 pre46 0.8620 0.8675 0.5937 pre54 0.8881 0.8910 0.1760 pre57 0.8593 0.8639 0.6584 pre64 0.8542 0.8601 0.7236 pre67 0.8683 0.8740 0.4884 pre73 0.8729 0.8777 0.4228

noto che il pre31 ha un valore tendente allo 0 e addirittura che si è abbassato togliendo l’item pre44_inv, quindi essendo sotto la soglia di eliminazione (0,1) eliminiamo anche questo item.

IMPORTANTE: Qualora ci fossero contemporaneamente due items la cui correlazione con la scala è sotto la sgolia di elimiazione prescelta, si eliminano UNO alla VOLTA, a cominciare dall’item la cui correlazione è più vicina allo zero!! Inoltre, bisogna applicare il principio della parsimonia nell’eliminare gli item. Se una scala ha 10 item di partenza, elimnarne 5 potrebbe essere eccessivo. Si consiglia di tenere sempre in considerazione il numero iniziale degli item, e fermare le elimianzioni quando l’incremento dell’alpha inizia ad essere poco considerevole (ad esempio, partendo da un alpha di 0.83 si otterrebbe un alpha di 0.835, l’elimazione dell’item che provocherebbe tale incremento non ha molto senso).

Dopo le modifiche apportate, il valore dell’alpha di Cronbach relativo alla scala dell’Ansia si rivela essere molto buono (0.8735). Questo indica una buona affidabilità della scala e un buon grado di consistenza interna degli item che la compongono....