“用R进行信度分析”的版本间的差异
来自OBHRM百科
Lichaoping（讨论 | 贡献） （创建页面，内容为“在OBHRM研究中，需要报告量表的信度，最经常采用的指标是内部一致性系数。采用psych包可以很方便地计算内部一致性系数。...”） |
Lichaoping（讨论 | 贡献） （→结果） |
||
| （未显示同一用户的6个中间版本） | |||
| 第1行： | 第1行： | ||
在OBHRM研究中，需要报告量表的信度，最经常采用的指标是内部一致性系数。采用psych包可以很方便地计算内部一致性系数。 | 在OBHRM研究中，需要报告量表的信度，最经常采用的指标是内部一致性系数。采用psych包可以很方便地计算内部一致性系数。 | ||
| − | == | + | ==单维度的脚本与注释== |
| − | <pre>datafilename="http://personality-project.org/r/datasets/extraversion.items.txt" # 指定数据来源与文件名 | + | <pre>library("psych") # 加载psych包，用其函数进行alpha分析。如未安装，需先安装 |
| + | datafilename="http://personality-project.org/r/datasets/extraversion.items.txt" # 指定数据来源与文件名 | ||
data=read.table(datafilename,header=TRUE) # 读取数据 | data=read.table(datafilename,header=TRUE) # 读取数据 | ||
attach(data) # 激活数据 | attach(data) # 激活数据 | ||
e <- data.frame(q_262 ,q_1480 ,q_819 ,q_1180 ,q_1742) # 将要分析的变量读入数据库，否则会分析所有变量 | e <- data.frame(q_262 ,q_1480 ,q_819 ,q_1180 ,q_1742) # 将要分析的变量读入数据库，否则会分析所有变量 | ||
| − | alpha(e,check.keys=TRUE) # | + | alpha(e,check.keys=TRUE) # 计算内部一致性系数，检查是否有反向计分题目</pre> |
| − | == | + | ==单维度的结果== |
<pre>Reliability analysis | <pre>Reliability analysis | ||
Call: alpha(x = e, check.keys = TRUE) | Call: alpha(x = e, check.keys = TRUE) | ||
| − | raw_alpha std.alpha G6(smc) average_r S/N ase mean sd | + | raw_alpha std.alpha G6(smc) average_r S/N ase mean sd # alpha的结果在这 |
0.82 0.83 0.83 0.49 4.8 0.02 3.6 1.1 | 0.82 0.83 0.83 0.49 4.8 0.02 3.6 1.1 | ||
| 第19行： | 第20行： | ||
Reliability if an item is dropped: | Reliability if an item is dropped: | ||
| − | raw_alpha std.alpha G6(smc) average_r S/N alpha se | + | raw_alpha std.alpha G6(smc) average_r S/N alpha se #删除某道题后，alpha的变化在这 |
q_262 0.82 0.82 0.80 0.53 4.6 0.022 | q_262 0.82 0.82 0.80 0.53 4.6 0.022 | ||
q_1480- 0.79 0.80 0.76 0.49 3.9 0.024 | q_1480- 0.79 0.80 0.76 0.49 3.9 0.024 | ||
| 第42行： | 第43行： | ||
q_1742 0.00 0.04 0.08 0.13 0.22 0.26 0.27 0 | q_1742 0.00 0.04 0.08 0.13 0.22 0.26 0.27 0 | ||
Warning message: | Warning message: | ||
| − | In alpha(e, check.keys = TRUE) : | + | In alpha(e, check.keys = TRUE) : # 检查是否有反向计分的题目，自动调整 |
Some items were negatively correlated with total scale and were automatically reversed. | Some items were negatively correlated with total scale and were automatically reversed. | ||
This is indicated by a negative sign for the variable name.</pre> | This is indicated by a negative sign for the variable name.</pre> | ||
2017年3月5日 (日) 08:36的最新版本
在OBHRM研究中，需要报告量表的信度，最经常采用的指标是内部一致性系数。采用psych包可以很方便地计算内部一致性系数。
单维度的脚本与注释
library("psych") # 加载psych包，用其函数进行alpha分析。如未安装，需先安装
datafilename="http://personality-project.org/r/datasets/extraversion.items.txt" # 指定数据来源与文件名
data=read.table(datafilename,header=TRUE) # 读取数据
attach(data) # 激活数据
e <- data.frame(q_262 ,q_1480 ,q_819 ,q_1180 ,q_1742) # 将要分析的变量读入数据库，否则会分析所有变量
alpha(e,check.keys=TRUE) # 计算内部一致性系数，检查是否有反向计分题目
单维度的结果
Reliability analysis
Call: alpha(x = e, check.keys = TRUE)
raw_alpha std.alpha G6(smc) average_r S/N ase mean sd # alpha的结果在这
0.82 0.83 0.83 0.49 4.8 0.02 3.6 1.1
lower alpha upper 95% confidence boundaries
0.78 0.82 0.86
Reliability if an item is dropped:
raw_alpha std.alpha G6(smc) average_r S/N alpha se #删除某道题后，alpha的变化在这
q_262 0.82 0.82 0.80 0.53 4.6 0.022
q_1480- 0.79 0.80 0.76 0.49 3.9 0.024
q_819 0.77 0.77 0.74 0.46 3.4 0.026
q_1180- 0.79 0.79 0.77 0.49 3.8 0.025
q_1742 0.77 0.78 0.77 0.46 3.5 0.027
Item statistics
n raw.r std.r r.cor r.drop mean sd
q_262 200 0.71 0.70 0.58 0.52 3.1 1.5
q_1480- 200 0.75 0.76 0.70 0.60 3.1 1.4
q_819 200 0.80 0.82 0.78 0.69 4.6 1.2
q_1180- 200 0.78 0.77 0.69 0.62 2.7 1.5
q_1742 200 0.80 0.80 0.74 0.67 4.4 1.4
Non missing response frequency for each item
0 1 2 3 4 5 6 miss
q_262 0.00 0.18 0.20 0.22 0.22 0.12 0.06 0
q_1480 0.00 0.18 0.25 0.18 0.26 0.08 0.03 0
q_819 0.00 0.02 0.06 0.12 0.17 0.42 0.22 0
q_1180 0.01 0.14 0.19 0.16 0.30 0.14 0.06 0
q_1742 0.00 0.04 0.08 0.13 0.22 0.26 0.27 0
Warning message:
In alpha(e, check.keys = TRUE) : # 检查是否有反向计分的题目，自动调整
Some items were negatively correlated with total scale and were automatically reversed.
This is indicated by a negative sign for the variable name.
