كيفية حساب ألفا كرونباخ في بايثون

ألفا كرونباخ هي طريقة لقياس الاتساق الداخلي للاستبيان أو المسح.

تتراوح قيمة ألفا كرونباخ من 0 إلى 1، وتشير القيم الأعلى إلى أن الاستطلاع أو الاستبيان أكثر موثوقية.

يوضح المثال التالي كيفية حساب ألفا كرونباخ في بايثون.

مثال: حساب ألفا كرونباخ في بايثون

لنفترض أن مدير مطعم يريد قياس رضا العملاء بشكل عام، لذلك يرسل استطلاعًا إلى 10 عملاء يمكنهم تقييم المطعم على مقياس من 1 إلى 3 لفئات مختلفة.

تعرض الباندا التالية DataFrame نتائج الاستطلاع:

 import pandas as pd

#enter survey responses as a DataFrame
df = pd. DataFrame ({' Q1 ': [1, 2, 2, 3, 2, 2, 3, 3, 2, 3],
                   ' Q2 ': [1, 1, 1, 2, 3, 3, 2, 3, 3, 3],
                   ' Q3 ': [1, 1, 2, 1, 2, 3, 3, 3, 2, 3]})

#view DataFrame
df

Q1 Q2 Q3
0 1 1 1
1 2 1 1
2 2 1 2
3 3 2 1
4 2 3 2
5 2 3 3
6 3 2 3
7 3 3 3
8 2 3 2
9 3 3 3

لحساب ألفا كرونباخ لاستجابات الاستطلاع، يمكننا استخدام وظيفة cronbach_alpha() من مكتبة penguin .

أولاً سنقوم بتثبيت مكتبة البطريق:

 pip install penguin

بعد ذلك، سوف نستخدم الدالة cronbach_alpha() لحساب ألفا كرونباخ:

 import penguin as pg

pg. cronbach_alpha (data=df)

(0.7734375, array([0.336, 0.939]))

وتبين أن ألفا كرونباخ يساوي 0.773 .

تم أيضًا إعطاء فترة الثقة 95% لألفا كرونباخ: [.336, .939] .

ملحوظة: فترة الثقة هذه واسعة للغاية نظرًا لصغر حجم العينة لدينا. ومن الناحية العملية، يوصى باستخدام حجم عينة لا يقل عن 20 شخصًا. وقد استخدمنا حجم عينة يبلغ 10 هنا للتبسيط.

فاصل الثقة الافتراضي هو 95%، ولكن يمكننا تحديد مستوى ثقة مختلف باستخدام الوسيطة التالية :

 import penguin as pg

#calculate Cronbach's Alpha and corresponding 99% confidence interval
pg. cronbach_alpha (data=df, ci= .99 )

(0.7734375, array([0.062, 0.962]))

تظل قيمة ألفا كرونباخ كما هي، ولكن فترة الثقة أوسع بكثير لأننا استخدمنا مستوى ثقة أعلى.

يصف الجدول التالي كيفية تفسير القيم المختلفة لألفا كرونباخ بشكل عام:

وبما أننا حسبنا ألفا كرونباخ لتكون 0.773 ، فإننا نقول أن الاتساق الداخلي لهذا المسح “مقبول”.

المكافأة: لا تتردد في استخدام حاسبة Cronbach Alpha للعثور على Cronbach Alpha لمجموعة بيانات معينة.