Giả sử tôi có một bộ dữ liệu với điểm số trên một loạt các câu hỏi, về mặt lý thuyết bao gồm một số lượng nhỏ hơn, như trong nghiên cứu tâm lý học.
Tôi biết một cách tiếp cận phổ biến ở đây là kiểm tra độ tin cậy của các thang đo bằng cách sử dụng alpha của Cronbach hoặc một cái gì đó tương tự, sau đó tổng hợp các mục trong thang đo để tạo thành thang điểm và tiếp tục phân tích từ đó.
Nhưng cũng có phân tích nhân tố, có thể lấy tất cả các điểm số của bạn làm đầu vào và cho bạn biết yếu tố nào trong số chúng tạo thành các yếu tố phù hợp. Bạn có thể hiểu được mức độ mạnh mẽ của các yếu tố này bằng cách xem xét các tải trọng và cộng đồng, v.v. Đối với tôi điều này nghe giống như một điều tương tự, chỉ sâu hơn nhiều.
Ngay cả khi tất cả các mức độ tin cậy của quy mô của bạn đều tốt, EFA có thể điều chỉnh cho bạn về mặt hàng nào phù hợp hơn với quy mô nào, phải không? Bạn có thể sẽ nhận được tải chéo và có thể có ý nghĩa hơn khi sử dụng điểm yếu tố dẫn xuất hơn so với tổng quy mô đơn giản.
Nếu tôi muốn sử dụng các thang đo này cho một số phân tích sau này (như hồi quy hoặc ANOVA), tôi có nên tổng hợp các thang đo miễn là độ tin cậy của chúng giữ vững? Hoặc là một cái gì đó giống như CFA (thử nghiệm để xem liệu các thang đo có giữ được các yếu tố tốt hay không, dường như đang đo lường điều tương tự như 'độ tin cậy').
Tôi đã được dạy về cả hai cách tiếp cận một cách độc lập và vì vậy tôi thực sự không biết chúng liên quan như thế nào, liệu chúng có thể được sử dụng cùng nhau hay phương pháp nào có ý nghĩa hơn cho bối cảnh nào. Có một cây quyết định cho thực hành nghiên cứu tốt trong trường hợp này? Cái gì đó như:
Chạy CFA theo các mục quy mô dự đoán
- Nếu CFA cho thấy sự phù hợp tốt, hãy tính điểm yếu tố và sử dụng điểm số để phân tích.
- Nếu CFA cho thấy sự phù hợp kém, thay vào đó hãy chạy EFA và thực hiện phương pháp thăm dò (hoặc một cái gì đó).
Là phân tích nhân tố và kiểm tra độ tin cậy thực sự là cách tiếp cận riêng biệt cho cùng một điều, hoặc tôi đang hiểu lầm ở đâu đó?