Logo Logo
  • Ana Sayfa
  • Hakkında
  • Kategoriler
    • Genel
    • İstatistik
    • Makine Öğrenme
    • Model Geliştirme
    • Sağlık
    • Teknoloji
  • Tüm Yazılarım
  • İletişim

İletişim

  • Email buluttevfik@gmail.com

Site Haritası

  • Ana Sayfa
  • Hakkında
  • İletişim

Sosyal Medya Adresleri

Güvenilirlik Analizi (Reliability Analysis) ve İç Tutarlılık (Internal Consistency)

  • ANA SAYFA
  • Blog Details
Eylül 9 2018
  • İstatistik

Literatürde ve uygulamada güvenilirlik analizlerinde karşılaşılan hataların başında güvenirlik analizi ile testlerin güvenilir olup olmayacağının belirlenmesi gelmektedir. Oysa güvenilirlik analizinde testin güvenirliği değil ölçümlerin güvenilir olup olmama durumu söz konudur. Diğer bir deyişle, güvenirlik analizi ile ölçümlerin güvenilir olup olmadığı ölçülmüş olur. Diğer bir konu, literatürde iç tutarlılık ile güvenirliğin aynı anlamlarda yaygın ve nispeten hatalı olarak kullanılması durumu vardır. İç tutarlılığı yüksek olmayan bir test güvenilir olabilir. Diğer bir deyişle, yüksek bir güvenirlik değeri yüksek bir iç tutarlılığı garanti etmez. Her iki kavram birbirine çok benzese de amaç ve kapsam açısından aralarında farklılıklar vardır.

Güvenilirlik analizleri için Kuder ve Richardson tarafından önerilen KR-20, Spearman and Brown tarafından önerilen Spearman-Brown formülü, Split-half ve tekrar testleri (re-test) gibi yöntemler olsa da güvenirliğin göstergelerinden biri olan iç tutarlılığın ölçümünde Cronbach Alpha katsayısının yaygın olarak kullanıldığı görülmektedir.

Cronbach Alpha katsayısı literatürde yaygın olarak anketlerde 2’den fazla cevap seçeneği olan soruların veya cevap seçeneklerinin iç tutarlılığının ölçümünde sadece kullanıldığı belirtilse de 2 cevap seçeneği olan, diğer bir deyişle, doğru ve yanlış, cinsiyet (kadın, erkek), medeni durum (evli, bekar) gibi dikotomik cevap seçenekli ölçeklerde de kullanılabilmektedir.

Alfa katsayısı ile ilgili başka bir yanlış inanış, alfa katsayısının 0,7’ye eşit veya bu değerden yüksek olması gerektiği yönündedir. Oysa bu durumu kanıtlayan ne bir deneysel araştırma sonucu vardır,  ne de mantıklı bir açıklama.

Bir ölçeğe ait sorular arasındaki korelasyonlar yüksek olursa daha yüksek bir alfa katsayısı elde edilmesi kuvvetle muhtemeldir. Ancak, bunun tersi de olabilir. Diğer bir deyişle, yüksek bir alfa katsayısının yüksek bir iç tutarlık göstergesi olarak sunulması daima doğru değildir. Bunun nedeni, alfa katsayısının ölçek uzunluğundan güçlü bir şekilde etkilenmesinden kaynaklanmaktadır. Asgari şartlarda yüksek bir alfa katsayısının elde edilmesi, iç tutarlılık (güvenirlik) için bir ön koşuldur, ancak bunu garanti etmez. Uzun, çok boyutlu ölçekler genellikle alfa katsayısını yükseltir.

Yanlış inanışlardan bir diğeri ise alfa katsayısının 0 ile 1 arasında değer aldığıdır. Güvenirlik, iki varyansın oranı olduğu için ilk bakışta, alfa katsayısının 0 ile 1 arasında olması gerekiği yönünde bir algı oluşur. Ancak, alfa katsayısının negatif olduğu durumlar da vardır. Bu çoğunlukla ölçeklerdeki sorular arasındaki negatif korelasyondan ileri gelmektedir.

Alfa katsayısını ilişkin doğru bilinen yanlışlara değinildikten sonra, alfa katsayısının ideal değerlerinin ne olduğunu kısaca ele alalım.

  • Araştırmanın ilk evrelerinde alfa katsayısının en az 0,5 ile 0,60 arasında olması,
  • Temel araştırma araçları için ise alfa katsayısının 0,80 olması,
  • Klinik araştırmalar için ise alfa katsayısının minimum 0,90 olması

ideal olarak görülmektedir. Ancak en az 20 sorusu olan ölçeklerin alfa katsayısı değerlendirmesinde dikkate alınması gerektiği unutulmamalıdır. Aynı zamanda ölçeklerin çok yönlü olduğundan şüphe duyuluyorsa alfa katsayısının kullanılmaması gerektiği unutulmamalıdır.

Faydalı olması ve farkındalık oluşturması dileğiyle.

Saygılarımla.

Kaynakça

Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests.

Psychometrika, 16, 297–334.

Nunnally, J. C. (1967). Psychometric theory. New York: McGraw-Hill.

Nunnally, J. C. (1978). Psychometric theory (2nd ed.). New York: McGraw-Hill

Nunnaly, J.C., Bernstein, I.H. (1994), Psychometric Theory, 3rd edition, McGraw-Hill Series in Psychology.

Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). New York: McGraw-Hill.

David L. Streiner (2003) Starting at the Beginning: An Introduction to Coefficient Alpha and Internal Consistency, Journal of Personality Assessment, 80:1, 99-103, DOI:10.1207/S15327752JPA8001_18

http://jpbsnet.com/journals/jpbs/Vol_2_No_2_June_2014/13.pdf

Önceki yazı Sonraki Yazı
AraştırmaCronbach Alfa CoefficientDichotomic ScaleGüvenilirlikİç TutarlılıkInternal ConsistencyMulti Response OptionsMulti ScaleÖlçekReliabilitySelf Administered

Yorum Yaz Cevabı iptal et

Son Yazılar

  • Kanada Sağlık Sisteminde Bekleme Süreleri
  • Araştırma Metodolojisi Notları-II
  • Araştırma Metodolojisi Notları-I
  • Microsoft Excel’de Bulut Endeks-Beta [BE-β] Simülasyonu
  • R’da Statik ve Dinamik Haritalama Vaka Çalışmaları: Türkiye Örneği

Son Yorumlar

  1. Küresel İnovasyon Endeksi 2021 Yılı Raporu ve Türkiye - winally.com - Küresel İnovasyon Endeksi’nde Türkiye Ne Durumda?
  2. R’da Birliktelik Kuralları | canözkan - Apriori Algoritması Üzerine Bir Vaka Çalışması: A Case Study on Apriori Algorithm
  3. Tevfik BULUT - Python’da Şans Oyunları Perspektifinden Olasılık : Probability from Perspective of the Chance Games in Python
  4. Ahmet Aksoy - Python’da Şans Oyunları Perspektifinden Olasılık : Probability from Perspective of the Chance Games in Python
  5. Tevfik BULUT - Z Tablosuna Göre Güven Aralığının Hesaplanmasına Yönelik Bir Simülasyon Çalışması: A Simulation Study for Calculating Confidence Interval by Z Table

Arşivler

  • Ocak 2023
  • Ekim 2022
  • Eylül 2022
  • Nisan 2022
  • Mart 2022
  • Ekim 2021
  • Eylül 2021
  • Ağustos 2021
  • Temmuz 2021
  • Haziran 2021
  • Mayıs 2021
  • Nisan 2021
  • Şubat 2021
  • Ocak 2021
  • Aralık 2020
  • Kasım 2020
  • Ekim 2020
  • Eylül 2020
  • Ağustos 2020
  • Temmuz 2020
  • Haziran 2020
  • Mayıs 2020
  • Nisan 2020
  • Mart 2020
  • Şubat 2020
  • Ocak 2020
  • Aralık 2019
  • Kasım 2019
  • Ekim 2019
  • Eylül 2019
  • Ağustos 2019
  • Mayıs 2019
  • Şubat 2019
  • Aralık 2018
  • Eylül 2018
  • Ağustos 2018
  • Temmuz 2018
  • Mayıs 2018
  • Nisan 2018
  • Ekim 2017
  • Temmuz 2017
  • Haziran 2017
  • Mayıs 2017
  • Ocak 2017

Kategoriler

  • Genel
  • İstatistik
  • Makine Öğrenme
  • Model Geliştirme
  • Sağlık
  • Teknoloji

Kategoriler

  • Genel
  • İstatistik
  • Makine Öğrenme
  • Model Geliştirme
  • Sağlık
  • Teknoloji

Etiketler

Accuracy Basit Tesadüfi Örnekleme Bernoulli Olasılık Dağılımı Confusion Matrix Coronavirus Doğruluk Doğruluk Oranı Dünya Sağlık Örgütü EDA Epidemi Epidemiyology Epidemiyoloji Exploratory Data Analysis Exploratory Data Analysis (EDA) F1 Forecast Keşifsel Veri Analizi Kitle Olasılık Fonksiyonu Koronavirüs Koronavirüs Salgını Olasılık Olasılıklı Örneklem OSB Pandemi Point Estimation Point Forecast Prevalance Prevalans Probability Sampling R Recall Salgın Sağlık Bakanlığı Simple Random Sampling Tahmin TBATS TURKEY TÜRKİYE Veri Madenciliği WHO World Health Organization Yapay Zeka ÇKKV Örneklem Örneklem Büyüklüğü
Logo

Burada, gazete ve dergilerde yayınlanan çalışmalarımın tamamı çalışmakta olduğum kurumdan bağımsız olarak özel hayatımda yaptığım çalışmalardır. Dolayısıyla, burada yer alan çalışmalardan emeğe saygı adına kaynak gösterilmesi suretiyle azami ölçüde herkes yararlanabilir.

Site Haritası

  • Ana Sayfa
  • Hakkında
  • Blog
  • İletişim

Linkler

  • winally.com

Bana Ulaşın

Bu sayfa, bazı temel bilgilerin ve bir iletişim formunun yer aldığı bir iletişim sayfasıdır. Suç teşkil edecek, yasadışı, tehditkar, rahatsız edici, hakaret ve küfür içeren, aşağılayıcı, küçük düşürücü, kaba, müstehcen, ahlaka aykırı, kişilik haklarına zarar verici ya da benzeri niteliklerde içeriklerden doğan her türlü mali, hukuki, cezai, idari sorumluluk içeriği gönderen Kişilere aittir.

  • Email: buluttevfik@gmail.com

© Copyright 2022 Tevfik Bulut