本文学习克隆巴赫系数(Cronbach’s alpha)衡量调查问卷一致性,并通过示例展示计算过程。
克隆巴赫系数(Cronbach’s alpha)是一种衡量问卷或调查内部一致性的方法,范围在0~1之间,值越高表明问卷或调查越可靠。
最简单的计算方法是使用ltm包中的cronbach.alpha()函数。
示例
假设饭店管理者希望衡量顾客的整体满意度,发放调查问卷给10位顾客,他们能够用三个等级评价饭店。
下面代码计算反馈调查的克隆巴赫系数:
library(ltm)
# 示例调查数据
data <- data.frame(Q1=c(1, 2, 2, 3, 2, 2, 3, 3, 2, 3),
Q2=c(1, 1, 1, 2, 3, 3, 2, 3, 3, 3),
Q3=c(1, 1, 2, 1, 2, 3, 3, 3, 2, 3))
#计算克隆巴赫系数
cronbach.alpha(data)
# Items: 3
# Sample units: 10
# alpha: 0.773
结果显示克隆巴赫系数为0.773 .
另外可以增加CI=TRUE参数,返回95%的克隆巴赫系数置信区间:
cronbach.alpha(data, CI=TRUE)
# Cronbach's alpha for the 'data' data-set
#
# Items: 3
# Sample units: 10
# alpha: 0.773
#
# Bootstrap 95% CI based on 1000 samples
# 2.5% 97.5%
# 0.078 0.926
结果显示95%置信区间为 [0.078, 0.926], 这个范围很宽,主要是因为样本太小。实际建议样本不小于20,这里使用10个样本主要是为了简化示例。
下表描述常用克隆巴赫系数描述:
克隆巴赫系数 | 内部一致性 |
---|---|
0.9 ≤ α | 优秀(Excellent) |
0.8 ≤ α < 0.9 | 好(Good) |
0.7 ≤ α < 0.8 | 可接受(Acceptable) |
0.6 ≤ α < 0.7 | 可疑(Questionable) |
0.5 ≤ α < 0.6 | 不好(Poor) |
α < 0.5 | 不可接受(Unacceptable) |
上面示例结果为0.773,对照上面信息,可以解释为可接受。