¿Cómo calcular el Alfa de Cronbach en R?

En este artículo, aprenderemos a calcular el Alfa de Cronbach en el lenguaje de programación R.

El Alfa de Cronbach nos ayuda a medir la consistencia interna de un grupo de datos. Es un coeficiente de fiabilidad. Nos ayuda a validar la consistencia de un cuestionario o encuesta. El Alfa de Cronbach oscila entre 0 y 1. El valor más alto para el Alfa de Cronbach significa que el grupo de datos es más confiable. La siguiente tabla muestra el significado detrás de los diferentes rangos de valores del Alfa de Cronbach.

Para calcular el alfa de Cronbach en el lenguaje R, usamos la función cronbach.alpha() de la biblioteca de paquetes ltm. Para usar la biblioteca de paquetes ltm, primero debemos instalar la biblioteca usando la siguiente sintaxis:

install.packages("ltm")

Después de instalar la biblioteca del paquete ltm, podemos cargar la biblioteca usando la función library() y usar la función cronbach.alpha() para calcular el coeficiente de confiabilidad. La función cronbach.alpha() toma el marco de datos como argumento y devuelve un objeto de clase cronbachAlpha con los siguientes componentes.

• alfa: determina el valor del alfa de Cronbach.
• n: determina el número de unidades de muestra en el marco de datos.
• p: determina el número total de elementos.
• estandarizado: determina una copia del argumento estandarizado.
• nombre: determina el nombre de los datos del argumento que es una de las variables de columna.

Para usar la función cronbach.alpha() para calcular el alfa de cronbach, usamos la siguiente sintaxis.

Sintaxis:

cronbach.alpha(data, standardized, CI )

dónde,

• datos: determina el marco de datos a utilizar.
• estandarizado: Es un booleano. Si es VERDADERO, se calcula el alfa de Cronbach estandarizado.
• CI: Es un booleano. Si es VERDADERO, se calcula un intervalo de confianza de Bootstrap para el alfa de Cronbach.

Ejemplo:

Este es un ejemplo de un cálculo alfa de Cronbach básico.

# create sample data
sample_data < - data.frame(var1=c(1, 2, 1, 2, 1, 2, 1, 3, 3, 1, 4),
                           var2=c(1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3),
                           var3=c(2, 1, 3, 1, 2, 3, 3, 4, 4, 2, 1))
 
# load library ltm
library(ltm)
 
# calculate cronbach's alpha
cronbach.alpha(sample_data)

Producción:

Cronbach's alpha for the 'sample_data' data-set
Items: 3
Sample units: 11
alpha: 0.231

Aquí, el valor alfa de 0,231 significa que el conjunto de datos sample_data es muy inconsistente.

Ejemplo:

Este es un ejemplo de un cálculo alfa de Cronbach detallado junto con un cálculo estandarizado y confianza de arranque.

# create sample data
sample_data < - data.frame(var1=c(1, 2, 1, 2, 1, 2, 1, 3, 3, 1, 4),
                           var2=c(1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3),
                           var3=c(2, 1, 3, 1, 2, 3, 3, 4, 4, 2, 1))
 
# load library ltm
library(ltm)
 
# calculate cronbach's alpha
cronbach.alpha(sample_data, CI=TRUE, standardized=TRUE)

Producción:

Standardized Cronbach's alpha for the 'sample_data' data-set
Items: 3
Sample units: 11
alpha: 0.238

Bootstrap 95% CI based on 1000 samples
 2.5%  97.5%  
-1.849  0.820  

Aquí, podemos ver un análisis detallado que muestra que el intervalo de confianza del 95% está en el rango de -1.849 a 0.820, lo que implica un marco de datos muy inconsistente.