آن چه در تحلیل عوامل اکتشافی و استخراج عامل های مطرح شد، غالباَ با مقوله ی روایی سازه (Validity Construct) سرو کار دارد. منظور از روایی این است که یک مقیاس که برای یک منظور ویژه و سنجش یک صفت معین طراحی شده است ، تا چه اندازه در سنجش آن صفت معین کارا و موفق است.
روایی سازه با تحلیل عاملی
تصور بر این است که عامل هایی که در تحلیل عوامل اکتشافی استخراج می شوند و ارزش ویژه ی آنها از یک بزرگتر است به یکی از مهم ترین ملاک های روایی سازه دست یافته اند.
اما آیا برای اثبات روایی یک مقیاس یا یک عامل ، ارزش ویژه ی بالاتر از یک کافی است؟ اخیرا کاربرد گسترده ی تحلیب عوامل تاییدی در حوزه ی پژوهش های روان شناختی ، به بهترین روش امکان آزمودن روایی سازه ی مقیاس ها را فراهم آورده است.
بنابر این، بدون آزمودن سازه های اکتشافی با روش تحلیل عوامل تاییدی نمیتوان نسبت به روایی سازه های اکتشافی اظهار نظر من متقنی به عمل آورد، هر چند انتظار می رود سازه های حاصل از تحلیل عوامل اکتشافی در بوته ی تحلیل عوامل تاییدی سربلند بیرون بیایند.
با این حال، ممکن است در صورت وجود همبستگی بالا میان داده های یک عامل ، اشکال در تحلیل عوامل اکتشافی تولید نکند ولی از لحاظ تحلیل عوامل تاییدی، ساختار عاملی با مشکل مواجه می شود.
به هر حال، یک مقیاس به میزانی روایی دارد که در سنجش ضفت مکنون زیربنایی خود موفق باشد .
فرض کنید آزمودنی برای سنجش مهارت خلبانی تهیه شده است و قرار است جهت استخدام خلبانان از این آزمون استفاده شود.
اگر این آزمون از روایی مطلوبی برخوردار باشد، باید در دراز مدت میزان سوانح و لغزش های خلبانی که به واسطه ی این آزمون استخدام نشده اند.
هرچند میزان روایی آزمون مذکور بالاتر باشد، میزان حوادث و خطاهای خلبانان کمتر خواهد بود.
بنابر این، وقتی از روایی سخن گفته می شود ، منظور درجه ی اهمیت کاربردی و تشخصیش آن آزمون است .
اما منظور از اعتبار (Reliabity) یک آزمون ، به دقت ابزار اندازه گیری و ثبات آن مربوط می شود.
به بیان دیگر ، اعتبار آزمون به درجه ی هماهنگی تک تک ماده های آن آزمون در سنجش صفت مکنون آن مقیاس اشاره دارد.
از لحاظ فنی ، پایایی یا اعتبار یک آزمون را میتوان نسبت واریانس نمره ی حقیقی بر واریانس نمره ی مشاهده شده دانست.
اگر یک آزمون اعتبار نداشته باشد، هیچ چیزی را ارزیابی نمی کند، اما اگر آزمونی از روایی (Validity) مطلوبی برخوردار باشد.
الزاماَ از حداقل اعتبار نیز برخوردار خواهد بود. اگر همبستگی میان ماده های یک آزمون خیلی بالا باشد، اعتبار آزمون خیلی بالا باشد، اعتبار آزمون افزایش چشمگیری پیدا می کند.
ولی در حین حال باعث روایی آن آزمون می شود؛ به عبارت دیگر، هم خطی بودن چندگانه میان ماده های آزمون ، منجر به افزایش اعتبار آزمون می شود، اما انچه که مسلم است، همبستگی زیاد میان ماده ها نشان دهنده ی آن است که ماهیت این ماده ها چندان تفاوتی با یکدیگر نمی کنند.
لذا ممکن است این آزمون به یک جنبه ی بسیار اختصاصی یک سازه ی مکنون مرتبط باشد.
بنا بر این ، همبستگی متوسط میان ماده های یک ماده ی یک پرسش نامه، همزمان هم به موضوع اعتبار و هم به موضوع روایی آن آزمون کمک شایانی می کند. همان گونه که پیشتر گفته شد، تحلیل عوامل اکتشافی وتاییدی نوعاَ با بحث روایی مقیاس ها در ارتباط هستند.
اما برای سنجش اعتبار آزمون هایی که از مراحل تحلیل عوامل اکتشافی و تاییدی عبور کرده اند.
برخی از آزمون ها به قرار زیر وجود دارند :
آلفای کرونباخ دو نیمه کردن گاتمن همبستگی پیرسون دقت در اندازه گیری و ثبات نمره های آزمون ها در طی زمان به موضوع اعتبار آزمون ها مربوط است .
اجرای یک آزمون مربوط است. اجرای یک آزمون در دو نوبت با فاصله ی زمانی معین و همبستگی میان نمره ی دو بار اجرا، میزان اعتبار یا پایانی آزمون را نشان می دهد.
استفاده از همبستگی پیرسون برای ارزیابی درجه اعتبار آزمونی که دو بار اجرا می شود، مناسب است .
اما هماهنگی که گرد آوری داده ها در یک بار اجرای آزمون انجام می شود.
باید از آزمون های آلفای کرونباخ، دو نیکه کردن و گاتمن سود جست.
ضریب آلفای کرونباخ (Cronbach's alpha) با موضوع هماهنگی درونی پرسش های ارتباط تنگاتنگی دارد و مقدار آن از لحاظ نظری بین صفر تا1+ است.
از آن جا که میان ماده های یک پرسش نامه منطقاَ باید همبستگی مثبت وجود داشته باشد، (با توجه به هم جهت بودن مفهوم ماده ها) ضریب آلفای کرونباخ از لحاظ نظری منفی نمی شود.
البته اگر آزمودنی ها به طور تصادفی به پرسش نامه پاسخ بدهند، این احتمال وجود دارد که ضریب آلفای کرونباخ منفی شود .
دو نیمه کردن1 :
در روش دو نیمه کردن ، اعتبار همبستگی میان دو نیمه ی آزمون (نیمه ی ماده های زوج و نیمه ی ماده های فرد) محاسبه می شود و سپس به کمک فرمول (اسپیرمن-براون) ضریب اعتبار برای کل آزمون محاسبه می شود.
این روش ، همانند ضریب آلفای کرونباخ نسبت به همبستگی درونی پرسش ها و همسانی پاسخگویی آزمودنی ها به ماده های آزمون ارتباط دارد.
اگر دونیمه کردن آزمون بر اساس بارهای عاملی ماده های آزمون صورت پذیرد، اعتبار آزمون به روش دو نیمه کردن به بیشترین مقدار خود افزایش پیدا میکند.
به طور مثال ، اگر بار عاملی 69/0=x1 ، 97/0= x_2 ، 63/0 =x_3 ،61/0 = x_4 باشد ، قرار دادن x_2 و x_4در نیمه ی دیگر منجر به بیشترین ضریب دو نیمه کردن می شود.
روش گاتمن یکی دیگر از شیوه های ارزیابی درجه ی همسانی ماده های یک آزمون است.
در این روش ، 6 ضریب اعتبار محاسبه می شود که سومین ضریب برابر با ضریب آلفای کرونباخ و چهارمین ضریب برابر با ضریب حاصل از دو نیمه کردن است.
اینک با بررسی ضریب اعتبار دو عامل حواس پرتی و فراموش کاری و کل مقیاس که با روش تحلیل عوامل اکتشافی و تاییدی تجزیه و تحلیل شدند، پرداخته می شود.
جهت محاسبه ی ضریب اعتبار (آلفای کرونباخ) مقیاس از سربرگ Analyze گزینه ی Scale و از انشعاب آن گزینه ی Reliability Analyze را انتخاب کنید.
برای محاسبه ضریب اعتبار کل مقیاس، لازم است تمام ماده های پرسش نامه (به جزء آن دسته از ماده هایی که در هیچ عاملی جذب نشده اند) را از جعبه ی سمت چپ به جعبه ی Items منتقل کنید و سپس از جعبه ی کنار Model ، نوع ضریب اعتبار را انتخاب کنید .
به طور مثال ، ابتدا گزینه ی Alpha را انتخاب کنید.
گزینه ی Statistics که در کادر ارتباطی Reliabity Analyze قرار دارد، در پردازنده ی گزینه های گوناگونی جهت بررسی شاخص های آمار توصیفی و استنباطی ماده های پرسش نامه است.
شرح مختصر برخی از گزینه های Statistics در زیر بیان می شود.
Items :
علامت دار کردن این گزینه منجر به محاسبه ی میانگین ، انحراف معیار و تعداد نمونه برای هر ماده ی پرسش نامه و ارایه این اطلاعات در یک جدول مجزا می شود.
Scale:
این گزینه میانگین ، واریانس و انحراف استاندارد کل پرسش نامه را محاسبه و ارائه می دهد.
Scale If Item Deleted :
این گزینه که شاید مهم ترین و کاربردی ترین بخش این کادر ارتباطی تلقی می شود.
وزن هر ماده را در ضریب اعتبار ، همبستگی هر ماده را با نمره ی کل مقیاس منهای یک ماده ی معین ( به طور مثال ، همبستگی میان ماده ی اول پرسش نامه با نمره ی کلی که نمره ی ماده ی اول در آن لحاظ نشده باشد) ، همچنین این گزینه ، واریانس و میانگین مقیاس را با توجه به حذف هر کدام از ماده ها ارائه می دهد.
Means :
میانگین کل ماده ها ، کمترین و بیشترین میانگین ماده، دامنه ی تغییرات ، نسبت بیشترین میانگین ماده به کمترین میانگین ماده را محاسبه میکند.
Variance : میانگین واریانس ماده ها، کمترین و بیشترین واریانس ماده ، دامنه ی واریانس ماده ها و نسبت به بیشترین واریانس ماده به کمترین واریانس ماده را محاسبه می کند.
Correlation و Covariance :
این دو گزینه به ترتیب کوواریانس و همبستگی میان هر دو زوج ماده را محاسبه می کنند و میانگین همبستگی ها و کوورایانس و همچنین ، کمترین و بیشترین همبستگی و کوورایانس دامنه ی تغییرات را محاسبه و ارائه می دهند.
Intraclass Correlation Coefficient :
ضریب همبستگی درون موردی ، بر آوردی از هماهنگی و توافق آزمودنی ها را در پاسخ دادن به ماده ها نشان می دهد؛ به عبارت دیگر، ضریب آلفای کرونباخ از همبستگی میان ماده ها اثر می پذیرد به طور مثال، همبستگی میان پاسخ دهی دو آزمودنی را به یک پرسش نامه در نظر بگیرد تا مفهوم همبستگی درون موردی روشن شود.
در این حالت ، باید پاسخ های یک آزمودنی را به عنوان متغییر x و پاسخ های آزمودنی دیگر را به عنوان متغییر y طوری در کنار هم قرار دهید که امکان محاسبه همبستگی فراهم شود.
این همبستگی هم ارز ضریب توافق کاندال است.
فعال شدن دو گزینه ی Covariance و Correlation در ستون Inter Item به SPSS دستور می دهد تا ماتریس همبستگی و ماتریس کوورایانس میان تمام ماده های پرسش نامه محاسبه و ارائه شوند.
در ستون Anova table این آزمون به بررسی تفاوت میانگین ماده های پرسش نامه می پردازد و هنگامی که داده ها در حد مقیاس فاصله ای هستند، کاربرد این آزمون مناسب است .
توجه داشته باشید که این آزمون به مقایسه های درون آزمودنی می پردازد.
Friedman Chi- Squre :
این آزمون برای مقایسه ی K رتبه ی وابسته مناسب است .
در این گزینه علاوه بر آماره فردمن، ضریب توافق کندال نیز ارائه می شود.
Cochran Chi- Square :
آزمون کوکران برای مقایسه k متغییر دو ارزشی وابسته مناسب است.
Tukey's Test Of Additivity :
این آزمون این مفروضه را می افزاید که میان ماده ها تعامل ضریبی وجود ندارد.
معنی داری این آزمون تعامل میان ماده ها با آزمودنی ها را نشان میدهد.
معنی داری تعامل ماده ها برای روایی و اعتبار آزمون تولید دشواری می کند؛ به عبارت دیگر، اگر الگوی روابط میان ماده ها از این خطی بودن فاصله بگیرد، علاوه بر این که ضریب اعتبار و روایی کاهش می یاید، تفسیر داده ها نیز مشکل می شود.
در شکل 9 کادر ارتباطی ضرایب همسانی درونی نمایش داده شده است.
پس از بیان توضیحاتی نسبت به گزینه های موجود در کادر ارتباطی تحلیل اعتبار ، اینک به بررسی بخش مهمی از خروجی تحلیل اعتبار پرداخته می شود.
همان گونه که در نخستین جدول خروجی 15 مشاهده می شود، ضریب آلفای کرونباخ مقیاس 25 ماده ای حواس پرتی برابر با 913/0 است.
مقدار ضریب اعتبار 913/0 نشان دهنده ی درجه بالایی از اعتبار است.
معمولاَ ضریب اعتبار بالاتر از 70/0 را رضایت بخش تلقی می کنند.
در دومین جدول از خروجی 15 ، ستون دوم از چپ میانگین کل مقیاس را باتوجه به حذف ماده ی مجاور آن محاسبه می کند.
به طور مثال، در مقابل ماده ی b1 عدد 29/43 وجود دارد.
میانگین کل مقیاس صرف نظر از ماده b1 برابر با 29/43 است.
سومین ستون با همین تفسیر مربوط به واریانس آزمون است.
در چهارمین ستون همبستگی میان هر ماده با جمع دیگر ماده ها آمده است.
به طور مثال، همبستگی میان b1 با جمع 24 ماده ی دیگر برابر با 398/0 است .
در نخستین ستون از سمت راست وزن هر ماده از پرسش نامه را در ضریب اعتبار نشان می دهد.
برای نمونه ، اگر ماده ی b1 از مقیاس حذف شود، ضریب آلفای کرونباخ مابقی ماده ها برابر با 911/0 می شود.
همچنین ، اگر ماده ی b14 حذف شود، ضریب اعتبار به عدد 908/0 تنزل پیدا میکند.
در خروجی 16 ، ضرایب اعتبار مقیاس حواس پرتی با روش های گوناگون ارائه شده است.
همان گونه که در نخستین جدول این خروجی مشاهده می شود، ضریب آلفای کرونباخ برای نیمه ی ماده های فرد برابر با 83/0 و برای ماده های زوج 844/0 است. همبستگی میان دو نیمه 855/0 است.
ضریب دو نیمه کردن آزمون وجود دارد که متداول ترین آن تقسیم آزمون به دو نیمه ی ماده های فرد و زوج است.
در صورتی که قصد ارزیابی آزمون را با روش دو نیمه کردن زوج و فرد دارید.
باید ابتدا ماده های فرد و سپس ماده های زوج را در جعبه ی Item از کادر ارتباطی تحلیل اعتبار قرار دهید و سپس از جعبه ی Model گزینه ی مربوط را انتخاب کنید.
در دومین جدول از خروجی 16 ، پنج ضریب اعتبار با نام های لمبدای 1 تا لبمدای 5 محاسبه شده است که سومین ضریب لمبدا با ضریب آلفای کرونباخ و چهارمین ضریب لمبدا برابر با ضریب اعتبار با روش دو نیکه کردن است.
عدم محاسبه ی لمبدا برابر با ضریب اعتبار با روش دو نیمه کردن است.
عدم محاسبه لمبدا ی 6 به این دلیل است که دترمینال ماتریس کوواریانس ماده های پرسش نامه صفر یا تقریباَ برابر با صفر است.
صفر بودن دترمینال ماتریس کوورایانس نشان دهنده ی وجود همبستگی بالا میان ماده های پرسش نامه است.
جهت محاسبه ی ضرایب لمبدای پرسش نامه باید از جعبه ی مدل در کادر ارتباطی تحلیل اعتبار، گزینه ی Guttman انتخاب شود.
در سومین جدول از خروجی 16 ، دو ضریب در ستون Intraclass Correlation مشاهده می شود که ضریب 295/0 به همبستگی درون موردی مربوط است و ضریب 913/0 همان ضریب آلفای کرونباخ است.
آزمون معنی داری این ضرایب نیز در این جدول ارائه شده است.
معنی داری ضریب آلفای کرونباخ به دو دلیل که بیشتر مقادیر اندک و نامطلوب این ضریب نیز معنی دار می شوند، گزارش نمی شود.
بنابر این حد ضریب آلفای کرونباخ 7/0 و بالاتر ، علاوه بر معنی داری ، اهمیت نظری خود را نیز نشان می دهد، به عبارت دیگر اهمیت نظری ضریب اعتبار و روایی مقیاس ها از معنی داری آماری آنها برتر است.
بدین لحاظ، توجهی به معنی داری میزان اعتبار و روایی که حداقل ناچیزی از اعتبار و روایی است ، نمی شود.
