¿Buena estructura de factores internos pero pobre Cronbach ?

Estoy ejecutando un CFA y obtengo buenos índices de ajuste (CFI = .99, RMSEA = .01) para una escala unidimensional. Sin embargo, cuando pruebo la consistencia interna, obtengo los s ( ) de Cronbach pobres . He intentado todo, desde eliminar valores atípicos hasta soltar elementos y aún así terminar con el mismo problema. $\alpha$ $\alpha = .6$

Me pregunto si hay algo en SEM que muestre que la medida es confiable.

Sé que existe cierto debate sobre si la (o consistencia interna) de Cronbach incluso mide la confiabilidad, pero dado que mi campo requiere que la Cronbach se informe como una medida de la bondad psicométrica, necesito encontrar una manera de mostrar que la consistencia interna es adecuado para esta medida. $\alpha$ $\alpha$

— usuario1984
fuente

¿Algunos de los artículos tienen código inverso? Cuando observa alfa, ¿algunos elementos tienen correlación negativa?

— Peter Flom

No, ninguno de los elementos tiene un código inverso y estos elementos tampoco tienen una correlación negativa entre sí.

— usuario1984

¿Cuántos artículos tienes? A veces, tener pocos elementos (<.5) puede conducir a una consistencia interna muy baja. ¿Cuál es su correlación promedio entre elementos?

— Behacad

Hay 8 artículos. Las correlaciones entre ítems son de .15 a .30. Pensé que las bajas correlaciones están impulsando el alfa bajo, pero me sorprende ver que las cargas en el CFA oscilan entre .45 y .69 y los buenos índices de ajuste.

— usuario1984

Respuestas:

Puede calcular la fiabilidad de sus artículos a partir del CFA.

A partir de su solución estandarizada, calcule: (L1 + ... Lk) * 2 / [(L1 + ... Lk) * 2 + (Var (E1) + ... + Var (Ek))]

Esto le dará la fiabilidad compuesta, que debería estar cerca de alfa.

Es más difícil tener un buen ajuste si tiene un alto alfa, y es más difícil tener un alto alfa si tiene un buen ajuste. El ejemplo extremo de esto es si todos los elementos no están correlacionados: chi-cuadrado será cero y RMSEA será cero, lo que indica un gran ajuste. Pero alfa también será cero, lo que indica una fiabilidad terrible. El indicador habitual para esto es bajo CFI (porque el modelo nulo chi-cuadrado es muy bajo), pero no tiene eso. Escribí sobre eso en este artículo: http://www.sciencedirect.com/science/article/pii/S0191886906003874 (que creo que no está detrás de un muro de pago).

Menciona sus cargas en un comentario (¿están estandarizadas?). Las cargas de 0.45 conducen a correlaciones implícitas de 0.23, por lo que si sus cargas son tan altas, no veo cómo sus correlaciones pueden ser tan bajas, y el modelo aún se ajusta. (¿Cuál es su tamaño de muestra?)

¿Qué estimador estás usando?

— Jeremy Miles
fuente

Gracias por la referencia y la fórmula. Tengo un tamaño de muestra de 300, usando datos imputados y, por defecto, MPLUS está usando el estimador ML. Las cargas estandarizadas son de .3 a .7 aprox. Y las correlaciones entre ítems son de .1 a .3.

— user1984

Eso suena bien. Pruebe MLM, MLR o MLMV como su estimador y vea qué efecto tiene. Si empeora un poco el CFI, estoy bastante seguro de que su problema es que tiene poca confiabilidad.

— Jeremy Miles el

Si su instrumento está evaluando dos o más construcciones, es posible que su alfa sea bajo. Le aconsejo que calcule un alfa para cada subescala.

— usuario86812
fuente