Aunque todavía hay algunos que carecen de información (No. las personas y los objetos para cada subescala), aquí hay algunos consejos generales acerca de la reducción de escala. También, puesto que usted está trabajando en el cuestionario de nivel, no veo el por qué de su longitud importa tanto (después de todo, usted acaba de dar estadísticas de resumen, al igual que el total o la media de las puntuaciones).
Voy a asumir que (a) usted tiene un conjunto de K elementos de medición algún concepto relacionado con la moral, (b) su "unidimensional" de la escala es un de segundo orden, factor que puede ser subdividida en diferentes facetas, (c) usted desea reducir su escala para k < K elementos, así como resumir con suficiente exactitud de los sujetos se sitúan en la escala de calificaciones, mientras que la preservación de la validez de contenido de la escala.
Sobre el contenido/la validez de constructo de esta validado la escala: El número de elementos que, sin duda, ha sido elegida para reflejar mejor el constructo de interés. Por el acortamiento del cuestionario, se están reduciendo la construcción de la cobertura. Sería bueno comprobar que el factor de estructura sigue siendo la misma cuando se considera sólo la mitad de los artículos (que también podría influir en la manera en que se seleccionan ellos, después de todo). Esto se puede hacer utilizando los tradicionales FA técnicas. Mantenga la responsabilidad de la interpretación de la escala en un espíritu similar al de los autores.
Acerca de las puntuaciones de fiabilidad: Aunque se trata de una muestra dependiente de medida, las puntuaciones de fiabilidad disminuye cuando disminuye el número de elementos (cf. Spearman-Brown fórmula); otra forma de ver esto es que el error estándar de medida (SEM) aumentará, pero ver Un NCME de Instrucción Módulo de Error Estándar de Medición, por Leo M Harvill.
No hace falta decir, se aplica a cada indicador que depende del número de elementos (por ejemplo, alfa de Cronbach, que puede ser utilizada para estimar una forma de fiabilidad, es decir, la consistencia interna). Esperemos que esto no va a afectar las comparaciones entre grupos basados en puntajes brutos.
Así que, mis recomendaciones (la manera más fácil) sería:
- Selecciona tus productos, así como para maximizar construcción de la cobertura; comprobar la dimensionalidad con la FA y la cobertura con univariado de las respuestas de las distribuciones;
- Comparar el promedio de interitem correlaciones detectadas previamente;
- Calcular la consistencia interna para la escala total y sus compuestos; verificar que están de acuerdo con las estadísticas publicadas en la escala original (sin necesidad de probar nada, estos son ejemplos de las mediciones);
- Prueba de la lineal (o polychoric, o rango) las correlaciones entre el original y la reducción de (sub), las puntuaciones, para asegurarse de que sean comparables (es decir, que los individuos lugares en el rasgo latente no varían en gran medida, como objetivados a través de los puntajes brutos);
- Si usted tiene un externo de un tema específico variable (por ejemplo, el género, la edad, o mejor una medida relacionada con la moral), comparar conocido grupo de validez entre las dos formas.
La manera más dura sería la de basarse en la Teoría de Respuesta al Ítem para seleccionar los artículos que llevar el máximo de información en el rasgo latente -- reducción de escala es en realidad uno de su mejor aplicación. Modelos para politómica elementos fueron parcialmente descritos en este hilo, la Validación de los cuestionarios.
Actualización después de la 2ª actualización
- Olvídate de cualquier IRT modelos para politómica elementos con tan pocos temas.
- Factor de Análisis también sufre de un bajo tamaño de la muestra; obtendrá factor incierto de las cargas de las estimaciones.
- 30 elementos dividido por 2 = 15 puntos (es fácil hacerse una idea del incremento en la correspondiente SEM para la puntuación total), pero definitivamente empeorar si usted considerar subescalas (de hecho, esta fue mi 2da pregunta: No. los elementos de cada subescala, en su caso)
