Meetschalen en betrouwbaarheidsanalyse
Veel begrippen in bedrijfskundig onderzoek, zoals klanttevredenheid of motivatie, kun je niet rechtstreeks meten. Dit zijn latente constructen. Je meet ze met een meetschaal: een set items (stellingen) die samen het construct weergeven. Met een betrouwbaarheidsanalyse controleer je of die items consistent hetzelfde meten.
Waarom meerdere items?
Voordelen van het gebruik van meer items (stimuli) in plaats van één vraag:
- Grotere contentvaliditeit: meerdere items dekken meer aspecten van het construct af.
- Grotere betrouwbaarheid: toevallige meetfouten in één item worden uitgemiddeld.
- Nauwkeuriger meting: een schaalscore uit meerdere items maakt fijnere onderscheidingen tussen respondenten mogelijk.
Stappen bij het maken van een meetschaal
- Operationalisering: een latent construct meetbaar maken. Je formuleert de items en kiest het vraagtype, bijvoorbeeld een 5-puntsschaal.
- Gegevensverzameling.
- Variabelen hercoderen: alle items moeten dezelfde richting hebben. Dat is essentieel. Loopt de schaal van 1 (slecht) tot 5 (goed), dan moet 5 bij elk item "goed" betekenen. Hoge scores moeten wijzen op een hogere mate van het latente construct. Negatief geformuleerde items draai je om (1 wordt 5, 2 wordt 4, enzovoort), in SPSS via Transform > Recode into Different Variables.
- Analyse uitvoeren en Cronbach's alpha bepalen.
- Schaalscores berekenen: je combineert de items tot één score per respondent. Als de items de antwoordalternatieven 1 tot 5 hebben, moet een score van 5 op alle items ook een hoge score op het onderliggende construct opleveren.
Belangrijk: je voert de betrouwbaarheidsanalyse altijd na de factoranalyse uit. Eerst bepaal je met factoranalyse welke items bij welke factor horen; daarna controleer je per factor of de items samen een betrouwbare schaal vormen.
Cronbach's alpha
Een maat voor de betrouwbaarheid van een schaal die uit meerdere items bestaat, namelijk de interne consistentie: de mate waarin de items samenhangen en dus hetzelfde construct meten, uitgaande van een ongewogen schaalscore. Alpha loopt van 0 tot 1; 1 staat voor perfecte samenhang.
| Waarde Cronbach's alpha | Beoordeling |
|---|---|
| Rond .80 of hoger | Goed (streefwaarde) |
| .60 tot .80 | Toegestaan |
| Lager dan .60 | Slecht; de schaal is niet betrouwbaar genoeg |
Items verwijderen: de iteratieve aanpak
Soms verhoogt het weglaten van een item de alpha. In SPSS zie je dat in de kolom Cronbach's Alpha if Item Deleted. Het laagst correlerende item (laagste Corrected Item-Total Correlation) is meestal de kandidaat. Je vergelijkt de nieuwe alpha met de oorspronkelijke alpha:
| Verandering van alpha na verwijderen | Beslissing |
|---|---|
| Stijging van meer dan .05 | Item verwijderen, analyse opnieuw uitvoeren en indien nodig herhalen |
| Tussen .001 en .05 | Kijk naar de contentvaliditeit: draagt het item inhoudelijk iets unieks bij? Te veel items verwijderen is slecht voor de contentvaliditeit |
| Minder dan .001 | Niet verwijderen |
Voorbeeld: alpha is .72. Als item 4 wordt verwijderd, wordt alpha .79. De stijging is .07, meer dan .05, dus je verwijdert item 4 en draait de analyse opnieuw. Zou alpha stijgen naar .74 (verschil .02), dan beslis je op basis van de inhoud of het item belangrijk is voor het construct.
Houd er rekening mee dat Cronbach's alpha ook afhangt van het aantal items: bij meer items wordt alpha bij dezelfde onderlinge samenhang hoger. Een schaal van twee of drie items heeft daardoor sneller een lage alpha, en elk verwijderd item verlaagt die basis.
Je verwijdert steeds één item tegelijk, omdat de waarden in "Alpha if Item Deleted" na elke verwijdering opnieuw berekend worden.
SPSS
- Analyze > Scale > Reliability Analysis, model Alpha. Zet de items van één factor erin.
- Onder Statistics zet je Scale if item deleted aan.
- Output: Reliability Statistics geeft Cronbach's alpha en het aantal items; Item-Total Statistics geeft per item de Corrected Item-Total Correlation en de Cronbach's Alpha if Item Deleted.
- Is de schaal betrouwbaar, dan maak je de schaalscore met Transform > Compute Variable en de functie Mean over de (gehercodeerde) items. Deze schaalscore is metrisch en kun je daarna als afhankelijke variabele gebruiken, bijvoorbeeld in een ANOVA.