Con quanta attendibilità misura la mia scala? (alfa di Cronbach, omega di McDonald)

In breve

Almeno due domande vanno combinate in una scala e lo scopo è verificare se ricevono risposte coerenti (consistenza interna). Le domande devono essere numeri con la stessa direzione; le domande formulate al contrario vengono invertite (Statable segnala le correlazioni item-totale negative e crea la nuova colonna). Regola empirica: almeno 5 persone per domanda, meglio 10.

Come leggere l’alfa

L’α di Cronbach è di solito compreso tra 0 e 1; da ,70 vale come accettabile, da ,80 come buono, con un intervallo al 95%. «Alfa se l’item viene eliminato» mostra se una singola domanda peggiora la scala; la correlazione item-totale dovrebbe essere positiva e possibilmente superiore a ,30. Alfa misura la coerenza interna. Non mostra se le domande misurano un unico tratto comune (unidimensionalità) - lo verifica un’analisi fattoriale - né se la scala misura ciò che si intende (validità).

Omega di McDonald

Accanto ad alfa compare una riga «Omega di McDonald» (da tre domande). Omega usa la forza stimata con cui ogni domanda contribuisce alla scala; alfa presuppone contributi uguali. Valgono le stesse regole empiriche. Se omega è nettamente superiore ad alfa, le domande contribuiscono in modo disuguale. Per questo Statable carica R una sola volta la prima volta (circa 30 MB); in seguito ci vuole circa un secondo e avviene da sé. Omega presuppone un unico costrutto comune; se le domande ne misurano diversi, aiuta l’analisi fattoriale.

α di Cronbach = ,82, IC al 95% [,76; ,87] (4 item, n = 118); ω di McDonald = ,84, IC al 95% [,79; ,88]

Per specialisti

ω totale da un modello a un fattore (lavaan, ML): ω = (Σλ)² / ((Σλ)² + Σθ), come in JASP. jamovi usa psych::omega con un fattore e non mostra alcun intervallo. L’intervallo è di norma quello con il metodo delta; in alternativa un bootstrap percentile (1000 estrazioni, seme fisso, come in JASP), che nel browser richiede molto più tempo. Valori mancanti: persone escluse, oppure FIML. ωh (gerarchico) viene da psych::omega con da 2 a 4 fattori di gruppo ed è disponibile da sei item. Una varianza residua negativa o una saturazione sopra 1 (caso di Heywood) viene segnalata. Verificato con R: HolzingerSwineford1939 e psych::bfi.

Altre schede sotto il risultato

• Modello di Rasch (compiti giusto/sbagliato): difficoltà di ogni compito, adattamento (infit e outfit tra 0,7 e 1,3), mappa di Wright.
• Modello 2PL: in più una discriminazione per compito e le curve caratteristiche; sensato da circa 500 persone.
• Modello a risposta graduata (risposte da 1 a 5): discriminazione e soglie per domanda, curve di risposta.
• Compiti equi (DIF): gruppi di pari capacità hanno probabilità diverse in un compito? I compiti vistosi sono solo un motivo per guardare il contenuto.
• Mappa delle domande: le domande fortemente collegate stanno vicine; mostra gruppi di domande già prima di un’analisi fattoriale.

Esempi tipici

• Otto domande sull’ansia da esame, una formulata al contrario («Vado agli esami con sicurezza»): prima inverti, poi alfa di Cronbach.
• Un questionario con 20 domande sulla motivazione: alfa per ogni sottoscala.