R CRONBACH ALFA

Tez savunmasının klasik sahnesi: öğrenci anket bulgularını sunar, jüri üyesi tek soru sorar — "Ölçeğinizin güvenirlik katsayısı kaç?" Cevap hazır değilse sunumun geri kalanı gölgede kalır, çünkü güvenilmez bir ölçekle üretilen her bulgu tartışmalıdır. Likert tipi ölçek kullanan her tezin yöntem bölümü bir Cronbach alfa değeri raporlamak zorundadır ve bu değer R'da üç satırda hesaplanır.

Asıl ustalık katsayının kendisinde değil, madde analizindedir: ölçeği aşağı çeken maddeyi bulmak, çıkarma kararını gerekçelendirmek. Örneğimiz 150 kişiye uygulanmış 10 maddelik bir akademik motivasyon ölçeği — ve içinde kasıtlı olarak bir "bozuk madde" var. Bütün sayılar gerçek çalıştırmadan.

1. Cronbach Alfa Neyi Ölçer

Alfa, iç tutarlılık katsayısıdır: ölçeğin maddeleri aynı yapıyı ölçüyorsa katılımcıların madde cevapları birlikte hareket eder — motivasyonu yüksek kişi çoğu maddeye yüksek, düşük kişi çoğuna düşük puan verir. Alfa bu birlikte hareketin 0-1 arası özetidir. Yaygın eşikler:

• ≥ .90 mükemmel
• .80 – .89 iyi
• .70 – .79 kabul edilebilir
• .60 – .69 sınırda — gerekçe ister
• < .60 zayıf — bulgular sorgulanır

Sınırı bilmek kadar sınırın ne olmadığını bilmek de önemli: alfa geçerlik değildir. Yüksek alfa, maddelerin tutarlı olduğunu söyler; doğru şeyi ölçtüklerini söylemez. On maddesi de aynı yanlış kavramı ölçen bir ölçek pekâlâ .95 alfa verebilir. Geçerlik sorusu faktör analizinin alanıdır; iki analiz tez yönteminde birbirini tamamlar.

2. psych ile Hesaplama

library(psych)
maddeler <- veri[, paste0("m", 1:10)]
sonuc <- alpha(maddeler)
sonuc$total
# raw_alpha = 0.910

10 maddelik formun alfası 0.910 — mükemmel bant. Dikkat edilecek pratik nokta: alpha() fonksiyonuna yalnızca madde sütunları verilir; katılımcı numarası, yaş gibi sütunlar karışırsa katsayı anlamsızlaşır. Ölçekte tersine puanlanmış maddeler varsa (olumsuz ifadeli sorular) fonksiyona keys parametresiyle bildirilmelidir — aksi hâlde R "bazı maddeler negatif korelasyonlu" uyarısı verir ve alfa yapay olarak düşer; bu, dikkatli okunmadığında saatler kaybettiren bir tuzaktır.

3. Madde Analizi: Bozuk Maddeyi Bulmak

Genel alfa yüksek diye madde analizi atlanmaz; sorunlu madde yüksek alfanın içinde saklanabilir. İki gösterge birlikte okunur:

sonuc$item.stats[, "r.drop"]      # madde-toplam korelasyonu
# m1-m7, m9, m10:  0.64 - 0.77 arasi
# m8:              0.219   ← sorun isareti

sonuc$alpha.drop[, "raw_alpha"]   # madde silinirse alfa
# m1-m7, m9, m10 silinse: 0.895 - 0.903 (dusuyor)
# m8 silinse:             0.922 (YUKSELIYOR)

İki gösterge aynı maddeyi işaret ediyor. r.drop (düzeltilmiş madde-toplam korelasyonu), maddenin ölçeğin geri kalanıyla ilişkisidir; 0.30 altı sorun işareti sayılır ve m8'in 0.219'u açıkça altında. alpha.drop ise "bu madde silinirse alfa ne olur" sorusuna cevaptır: diğer dokuz maddenin silinmesi alfayı düşürürken, m8'in silinmesi 0.910'dan 0.922'ye yükseltiyor — madde ölçeğe katkı yapmıyor, köstek oluyor. Bu desen sahada en çok ters kodlanması unutulan, çift anlamlı yazılan ya da farklı bir yapıyı ölçen maddelerde görülür.

4. Maddeyi Çıkarmak ya da Çıkarmamak

maddeler_duzeltilmis <- maddeler[, -8]
alpha(maddeler_duzeltilmis)$total
# raw_alpha = 0.922

Sayı çıkarma yönünü destekliyor; ama karar salt sayısal değildir. Çıkarmadan önce üç soru sorulur: Madde ters kodlanmalıydı da unutuldu mu (öyleyse çıkarma değil düzeltme gerekir)? Madde kuramsal olarak vazgeçilmez bir içeriği tek başına mı taşıyor (öyleyse çıkarmak kapsam geçerliğini zedeler)? Ölçek başkasının geliştirdiği hazır bir ölçek mi (öyleyse madde çıkarmak yerine durumu raporlayıp orijinal formu korumak yaygın tercihtir)? Kendi geliştirdiğiniz ölçekte, pilot aşamasında yakalanan böyle bir madde rahatlıkla elenir — pilot çalışmanın varlık sebebi tam da budur.

5. Raporlama ve Dosyalar

Tez kalıbı: "Ölçeğin iç tutarlılığı Cronbach alfa katsayısı ile incelenmiştir. On maddelik formda alfa=.91 olarak hesaplanmış; madde-toplam korelasyonu düşük bulunan (r=.22) 8. maddenin çıkarılmasıyla katsayı .92'ye yükselmiştir. Analizler 9 maddelik form üzerinden yürütülmüştür."

Grafik, m8'in düşüşünü tek bakışta anlatıyor — madde analizi tablosunun görsel özeti olarak tez ekine de uygundur.

Script ile veriyi aynı klasörde çalıştırıp genel alfadan madde analizine tüm çıktıyı üretebilirsiniz; alıştırma olarak m8 yerine başka bir maddeyi çıkarıp alfanın nasıl düştüğünü gözlemleyin. Ölçek geliştirmenin bütün hattını — madde yazımından faktör yapısına, güvenirlikten rapora — kendi verinizle çalışmak için R veri analizi eğitimi uygulamalı bir çerçeve sunuyor; ölçek verisini toplulaştırıp panolaştırmak isteyenler Power BI eğitimine bakabilir.