Verwenden Sie das Matrixplot und die Korrelationsmatrix, um die Stärke und Richtung der Beziehung zwischen zwei Items oder Variablen zu untersuchen. Hohe positive Korrelationswerte weisen darauf hin, dass die Items dieselbe Fähigkeit oder dasselbe Merkmal messen. Wenn die Items nicht stark korrelieren, messen sie möglicherweise verschiedene Merkmale oder sind nicht klar definiert.
Variablen mit Korrelationswerten über 0,7 werden häufig als stark korrelierend bezeichnet. Welcher Richtwert am besten geeignet ist, hängt jedoch auch von den Standards in Ihrem Fachgebiet und der Anzahl der Items in der Analyse ab.
Item 1 | Item 2 | |
---|---|---|
Item 2 | 0,903 | |
Item 3 | 0,867 | 0,864 |
In diesen Ergebnissen sind alle Items stark miteinander korreliert. Item 1 und Item 2 weisen eine positive lineare Korrelation von 0,903 auf. Item 1 und Item 3 weisen eine positive lineare Korrelation von 0,867 auf. Item 2 und Item 3 weisen eine positive lineare Korrelation von 0,864 auf. Diese paarweisen linearen Beziehungen werden im Matrixdiagramm veranschaulicht.
Verwenden Sie das Cronbach-Alpha, um zu beurteilen, wie konsistent mehrere Items in einer Umfrage oder einem Test dieselbe Fähigkeit oder dasselbe Merkmal messen. Höhere Werte des Cronbach-Alpha deuten auf eine höhere innere Konsistenz hin. Ein häufig verwendeter Richtwert ist 0,7. Wenn das Cronbach-Alpha mehr als 0,7 beträgt, ist dies in der Regel ein Anzeichen dafür, dass die Umfrage- oder Test-Items dieselbe Fähigkeit oder dasselbe Merkmal messen. Wenn das Cronbach-Alpha weniger als 0,7 beträgt, messen die Items möglicherweise nicht konsistent dieselbe Fähigkeit oder dasselbe Merkmal. Welcher Richtwert am besten geeignet ist, hängt jedoch auch von den Standards in Ihrem Fachgebiet und der Anzahl der Items in der Analyse ab.
Weitere Informationen zur inneren Konsistenz finden Sie unter Was ist die innere Konsistenz?.
Alpha |
---|
0,9550 |
In diesen Ergebnissen beträgt der allgemeine Wert für das Cronbach-Alpha 0,955. Der Wert ist größer als der gängige Richtwert von 0,7 und weist darauf hin, dass mit den Items dasselbe Merkmal gemessen wird.
Verwenden Sie die berechneten Werte in der Tabelle „Statistik der ausgelassenen Items“, um zu ermitteln, ob das Ausschließen eines Items die innere Konsistenz des Tests oder der Umfrage wesentlich verbessert. Wenn ein ausgelassenes Item einen niedrigen Wert für die quadrierte multiple Korrelation, einen niedrigen Wert für die für das Item korrigierte Gesamtkorrelation sowie einen wesentlich höheren Wert des Cronbach-Alpha aufweist, sollten Sie erwägen, dieses Item aus der Umfrage oder dem Test zu entfernen, um die innere Konsistenz zu verbessern.
Ausgelassene Variable | Kor. Gesamtmittelwert | Kor. Gesamt-StdAbw | Für Item kor. Gesamtkorr. | Quadrierte multiple Korr. | Cronbach-Alpha |
---|---|---|---|---|---|
Item 1 | 5,780 | 2,613 | 0,9166 | 0,8447 | 0,9268 |
Item 2 | 6,100 | 2,525 | 0,9134 | 0,8413 | 0,9277 |
Item 3 | 6,000 | 2,563 | 0,8870 | 0,7869 | 0,9476 |
In diesen Ergebnissen sind die für das Item korrigierte Gesamtkorrelation und die quadrierte multiple Korrelation für alle Items gleichermaßen hoch. Das Cronbach-Alpha ist für alle ausgelassenen Items ebenfalls einheitlich. Dies deutet darauf hin, dass alle Items dasselbe Merkmal messen. Das Entfernen eines Items würde die innere Konsistenz nicht wesentlich verbessern.