Tôi sẽ cho rằng bảng câu hỏi của bạn sẽ được coi là một thang đo một chiều (nếu không, Cronbach's alpha không có nhiều ý nghĩa). Rất đáng để chạy một phân tích nhân tố khám phá để kiểm tra điều đó. Nó cũng sẽ cho phép bạn xem các mục liên quan đến tỷ lệ như thế nào (nghĩa là thông qua các tải của chúng).
Các bước cơ bản để xác nhận các mục của bạn và quy mô của bạn nên bao gồm:
- một báo cáo đầy đủ về số liệu thống kê cơ bản của vật phẩm (phạm vi, tứ phân vị, xu hướng trung tâm, hiệu ứng trần và sàn nếu có);
- kiểm tra tính nhất quán bên trong như bạn đã thực hiện với alpha của mình (tốt nhất, đưa ra khoảng tin cậy 95%, vì nó phụ thuộc vào mẫu);
- mô tả bạn số đo tóm tắt (ví dụ: tổng điểm hoặc trung bình, hay còn gọi là thang điểm) với các số liệu thống kê thông thường (biểu đồ + mật độ, lượng tử, v.v.);
- kiểm tra các câu trả lời tóm tắt của bạn chống lại các đồng biến cụ thể được cho là có liên quan đến cấu trúc mà bạn đang đánh giá - điều này được gọi là tính hợp lệ của nhóm đã biết;
- nếu có thể, hãy kiểm tra các câu trả lời tóm tắt của bạn đối với các công cụ đã biết có ý định đo lường cùng một cấu trúc ( tính hợp lệ đồng thời hoặc hội tụ).
Nếu thang đo của bạn không có chiều cao, các bước này phải được thực hiện cho từng tiểu cảnh và bạn cũng có thể đưa ra ma trận tương quan của các yếu tố để đánh giá cấu trúc nhân tố bậc hai (hoặc sử dụng mô hình phương trình cấu trúc, hoặc phân tích nhân tố xác nhận, hoặc bất cứ điều gì bạn muốn). Bạn cũng có thể đánh giá tính hợp lệ của tính hội tụ và phân biệt bằng cách sử dụng mô hình đa phương thức hoặc mô hình đa phương thức (dựa trên mối tương quan giữa các bên trong và giữa các thang đo), hoặc, một lần nữa, SEM.
Sau đó, tôi sẽ nói rằng Lý thuyết trả lời vật phẩm sẽ không giúp được gì nhiều trừ khi bạn quan tâm đến việc rút ngắn câu hỏi của mình, lọc ra một số mục hiển thị chức năng của vi phân hoặc sử dụng thử nghiệm của bạn trong một loại thử nghiệm thích ứng máy tính nào đó .
Trong mọi trường hợp, mô hình Rasch là dành cho các mục nhị phân. Đối với các mặt hàng được đặt hàng đa hình, các mô hình được sử dụng phổ biến nhất là:
- mô hình trả lời được phân loại
- mô hình tín dụng một phần
- mô hình thang đánh giá.
Chỉ có hai người sau đến từ gia đình Rasch và về cơ bản họ sử dụng công thức tỷ lệ cược liền kề, với ý tưởng rằng chủ đề phải "vượt qua" một vài ngưỡng để xác nhận một loại phản ứng nhất định. Sự khác biệt giữa hai mô hình này là PCM không áp đặt các ngưỡng đó cách đều nhau trên thang đo theta ( khả năng hoặc vị trí chủ thể trên thang đo đặc điểm tiềm ẩn). Mô hình phản hồi được phân loại dựa trên công thức tỷ lệ cược tích lũy. Xin lưu ý rằng tất cả các mô hình này đều cho rằng thang đo là không có chiều; tức là chỉ có một đặc điểm tiềm ẩn. Có các giả định bổ sung như, ví dụ, tính độc lập cục bộ (nghĩa là mối tương quan giữa các phản hồi được giải thích bằng sự thay đổi trên thang đo khả năng).
Dù sao, bạn sẽ tìm thấy một tài liệu hướng dẫn rất đầy đủ và manh mối hữu ích để áp dụng phương pháp tâm lý trong R về khối lượng 20 trên tờ Journal of Phần mềm thống kê: Khối lượng đặc biệt: Psychometrics trong R . Về cơ bản, các gói R thú vị nhất mà tôi sử dụng trong công việc hàng ngày là: ltm , eRm , psych , psy . Những người khác được tham chiếu trên chế độ xem nhiệm vụ CRAN Tâm lý học . Các nguồn quan tâm khác là:
Một đánh giá tốt về việc sử dụng FA so với IRT trong phát triển quy mô có thể được tìm thấy trong xây dựng và đánh giá quy mô trong thực tế: Đánh giá phân tích nhân tố so với các ứng dụng lý thuyết phản ứng vật phẩm , bởi mười Holt et al (Mô hình đánh giá và kiểm tra tâm lý (2010) 52 (3): 272-297).