Cronbach’s Alpha 用來描述一組題目的內部一致性。這份作業以組織認同的七題為例：先確認題目計分方向，再看整體 Alpha 與刪題後 Alpha。重點是理解變化的原因，不能看到某個數字最高就直接把題目刪掉。
第一步是對齊計分方向
逐題對照題目、選項編碼及構念定義，讓高分都代表同一方向。否定句不一定要反向：如果原始選項已反向編碼，再反一次反而會錯。參考筆記中的 A 卷題目也不能直接套用到本作業的 B 部分。
例如原始選項確實為 1–5 分，需要反向時可以建立新變數，以 6−原分數 計算；這只是五點量表的例子。先處理缺失碼，再檢查新舊變數的次數分配，確認 1 對應 5、2 對應 4，缺失值沒有變成有效分數。保留原變數以便追查。
SPSS 的操作順序
- 選「分析 → 量尺 → 信度分析」（Analyze → Scale → Reliability Analysis）。
- 把已統一方向、屬於同一構念的七題放入 Items，Model 選 Alpha。不要把性別、薪資或另一個量表一起放入。
- 進入 Statistics，勾選 Item、Scale、Scale if item deleted；可加看題目間相關矩陣。
- 執行後先讀 Case Processing Summary，記錄實際使用 n 與缺失排除方式，再讀 Reliability Statistics。
刪題表要和哪個數字比較
Corrected Item-Total Correlation 是該題與其餘題目合成分數的相關；它能提示方向或內容不一致，但不是自動刪題標準。Cronbach’s Alpha if Item Deleted 是刪除該題後，其餘題目的 Alpha，應與原七題整體 Alpha 比較。
例如，假設數值示範：原 Alpha＝0.80，刪甲題後為 0.83，刪乙題後為 0.79。就這份表而言，刪甲題會提高、刪乙題會降低 Alpha；但甲題若涵蓋不可替代的構念內容，仍須先查編碼與題意。刪題後另跑一次時，缺失值規則可能讓樣本改變，應核對是否仍在比較同一批人。
為什麼刪題可能讓 Alpha 下降
對 k 題的原始分數，常用公式為：
α＝k／(k−1) × [1−Σ各題變異數／總分變異數]
刪題同時改變題數、各題變異數總和，以及總分的變異數，因此 Alpha 不會只朝一個方向變動。若各題已標準化，也可用平均題間相關 r̄ 表示：α＝k r̄／[1＋(k−1)r̄]；這說明題數和題間關係會一起影響數值。不要把標準化公式與未標準化輸出混用。
怎麼回答「仍然必須刪一題」
如果課程指定要刪題，先說清楚比較準則：在同一樣本下，刪後 Alpha 最高的候選題，代表保留的一組題目有較高的 Alpha；再說明刪掉它會失去什麼內容。若每一列都比原 Alpha 小，就應明確寫「沒有任一題刪除後能提高 Alpha」，不能硬說有改善。
高 Alpha 不證明單一構面，也不等於量表有效度已經成立；高度重複的題目也可能推高數值。本文沒有重算 B 部分原始資料，因此不預先指定應刪哪一題。
操作參考：IBM SPSS Base：Reliability Analysis 與刪題統計。原課程題目及影片保留如下。
原課程內容與影片
請以Cronbach's Alpha值檢定問卷第二部分B，衡量組織認同的7題是否具有信度？若刪題可以增加信度，請問該刪哪一題；若雖刪題無法增加信度，但仍需刪掉一題，請問該刪哪一題？刪題後，Cronbach's Alpha會如何變動？請利用Cronbach's Alpha的公式說明此變動之由來。
沒有留言:
張貼留言