Mặc dù vẫn còn một số thông tin thiếu (Số cá nhân và vật phẩm cho mỗi tiểu cảnh), đây là một số gợi ý chung về giảm quy mô. Ngoài ra, vì bạn đang làm việc ở cấp độ câu hỏi, tôi không hiểu tại sao độ dài của nó lại quan trọng đến vậy (sau tất cả, bạn sẽ chỉ đưa ra số liệu thống kê tóm tắt, như tổng điểm hoặc trung bình).
Tôi sẽ giả sử rằng (a) bạn có một bộ K vật phẩm đo lường một số cấu trúc liên quan đến tinh thần, (b) thang đo "không chiều" của bạn là một yếu tố bậc hai có thể được chia thành các khía cạnh khác nhau, (c) bạn muốn giảm tỷ lệ của bạn xuống k <K mục để tóm tắt với điểm tổng tỷ lệ của các đối tượng có độ chính xác đủ trong khi vẫn giữ được tính hợp lệ nội dung của thang đo.
Về nội dung / giá trị xây dựng của thang đo được xác thực này: Số lượng mặt hàng chắc chắn đã được chọn để phản ánh tốt nhất cấu trúc quan tâm. Bằng cách rút ngắn bảng câu hỏi, bạn thực sự đang giảm phạm vi xây dựng. Sẽ tốt hơn nếu kiểm tra xem cấu trúc nhân tố vẫn giữ nguyên khi chỉ xem xét một nửa số mặt hàng (điều này cũng có thể ảnh hưởng đến cách bạn chọn chúng, sau tất cả). Điều này có thể được thực hiện bằng cách sử dụng các kỹ thuật FA truyền thống. Bạn giữ khả năng đáp ứng quy mô theo tinh thần tương tự như của các tác giả.
Về độ tin cậy của điểm số : Mặc dù là thước đo phụ thuộc vào mẫu, độ tin cậy của điểm sẽ giảm khi giảm số lượng vật phẩm (xem công thức Spearman-Brown ); một cách khác để thấy rằng lỗi tiêu chuẩn của phép đo (SEM) sẽ tăng lên, nhưng hãy xem Mô-đun chỉ dẫn NCME về Lỗi đo lường tiêu chuẩn , bởi Leo M Crawill. Không cần phải nói, nó áp dụng cho mọi chỉ số phụ thuộc vào số lượng vật phẩm (ví dụ: Cronbach's alpha có thể được sử dụng để ước tính một dạng độ tin cậy, cụ thể là tính nhất quán bên trong). Hy vọng rằng, điều này sẽ không ảnh hưởng đến bất kỳ so sánh giữa các nhóm dựa trên điểm số thô.
Vì vậy, các đề xuất của tôi (cách dễ nhất) sẽ là:
- Chọn các mục của bạn để tối đa hóa phạm vi xây dựng; kiểm tra tính chiều với FA và phạm vi bảo hiểm với các phân phối phản hồi đơn biến;
- So sánh tương quan giữa các trung bình với các báo cáo trước đây;
- Tính thống nhất nội bộ cho quy mô đầy đủ và vật liệu tổng hợp của bạn; kiểm tra xem chúng có phù hợp với số liệu thống kê được công bố trên thang đo ban đầu không (không cần kiểm tra bất cứ điều gì, đây là các biện pháp phụ thuộc vào mẫu);
- Kiểm tra mối tương quan tuyến tính (hoặc đa âm hoặc xếp hạng) giữa điểm gốc và điểm giảm (phụ), để đảm bảo rằng chúng có thể so sánh (nghĩa là các vị trí cá nhân trên đặc điểm tiềm ẩn không thay đổi ở mức độ lớn, như được khách quan hóa qua điểm số thô );
- Nếu bạn có một biến số cụ thể theo chủ đề bên ngoài (ví dụ: giới tính, tuổi tác hoặc tốt nhất là thước đo liên quan đến tinh thần), hãy so sánh tính hợp lệ của nhóm đã biết giữa hai hình thức.
Cách khó nhất là dựa vào Lý thuyết đáp ứng vật phẩm để chọn những vật phẩm mang tối đa thông tin về đặc điểm tiềm ẩn - giảm quy mô thực sự là một trong những ứng dụng tốt nhất của nó. Các mô hình cho các mục đa hình được mô tả một phần trong chuỗi này, Xác thực các câu hỏi .
Cập nhật sau lần cập nhật thứ 2 của bạn
- Hãy quên đi bất kỳ mô hình IRT nào cho các mặt hàng đa hình với rất ít đối tượng.
- Phân tích nhân tố cũng sẽ bị ảnh hưởng bởi cỡ mẫu thấp như vậy; bạn sẽ nhận được ước tính hệ số tải không đáng tin cậy.
- 30 mục chia cho 2 = 15 mục (thật dễ dàng để có ý tưởng về việc tăng SEM tương ứng cho tổng số điểm), nhưng chắc chắn nó sẽ trở nên tồi tệ hơn nếu bạn xem xét các phạm vi con (đây thực sự là câu hỏi thứ 2 của tôi - Không. mỗi tiểu cảnh, nếu có)