Python でクロンバックのアルファを計算する方法

クロンバックのアルファは、アンケートや調査の内部一貫性を測定する方法です。

クロンバックのアルファの範囲は 0 から 1 で、値が大きいほど調査またはアンケートの信頼性が高いことを示します。

次の例は、Python でクロンバックのアルファを計算する方法を示しています。

例: Python でのクロンバックのアルファの計算

レストランのマネージャーが全体的な顧客満足度を測定したいと考え、さまざまなカテゴリーについて 1 から 3 のスケールでレストランを評価できる 10 人の顧客にアンケートを送信したとします。

次のパンダ データフレームは調査結果を示しています。

 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

アンケート回答のクロンバックのアルファを計算するには、ペンギンライブラリのcronbach_alpha()関数を使用できます。

まず、ペンギン ライブラリをインストールします。

 pip install penguin

次に、 cronbach_alpha()関数を使用して、Cronbach のアルファを計算します。

 import penguin as pg

pg. cronbach_alpha (data=df)

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

クロンバックのアルファは0.773であることがわかります。

クロンバックのアルファの 95% 信頼区間も[.336, .939]で与えられます。

注:サンプルサイズが小さいため、この信頼区間は非常に広くなります。実際には、少なくとも 20 のサンプル サイズを使用することが推奨されます。ここでは、簡単にするためにサンプル サイズ 10 を使用しています。

デフォルトの信頼区間は 95% ですが、次の引数を使用して別の信頼レベルを指定できます。

 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]))

クロンバックのアルファ値は同じままですが、より高い信頼水準を使用したため、信頼区間ははるかに広くなります。

次の表は、クロンバックのアルファのさまざまな値が一般的にどのように解釈されるかを示しています。

クロンバックのアルファは0.773と計算されたため、この調査の内部整合性は「許容可能」であると言えます。

ボーナス:この Cronbach Alpha 計算ツールを自由に使用して、特定のデータ セットの Cronbach Alpha を見つけてください。