Boylamsal McDonald's Omega

Özünde evet, ancak en iyi uygulama, dalga özgü hesaplamaları bağımsız kesitsel modelleri uyumlamak yerine tam bir boylamsal CFA içine yerleştirir. Boylamsal bir model parametreleri uygun şekilde kısıtlar, değişmezlik testine izin verir ve ölçülen faktörün her dalgada aynı olmasını sağlar, bu da omega serisini gerçekten karşılaştırılabilir hale getirir.

Boylamsal omega, içsel tutarlılığı — birden çok maddenin tek bir ölçüm anında tek bir faktörü ölçmede ne kadar iyi uyum sağladığını — ölçer. Test-tekrar test güvenilirliği, zamansal kararlılığı — bir daldaki toplam puanların başka bir daldaki toplam puanlarla ne kadar korele olduğunu — ölçer. Her ikisi de boylamsal çalışmalarda faydalıdır ancak farklı soruları yanıtlar ve mümkün olduğunda birlikte raporlanmalıdır.

Omega formülünün dalgalar arasında karşılaştırılabilir olması için en az metrik değişmezliğe (eşit yükler) ihtiyacınız vardır, çünkü pay yüklerin bir fonksiyonudur. Gizli ortalamaları karşılaştırmak istiyorsanız skaler değişmezlik (eşit kesişimler) ayrıca gereklidir, ancak omega değerlerinin kendisi metrik değişmezlik altında tanımlanır. Başardığınız herhangi bir düzeyi belgeleyin ve kısmi değişmezlik hakkındaki herhangi bir uyarıyı not edin.

Her dalgada faktör yapısını tekrarlayan lavaan (R), Mplus veya benzeri bir SEM paketinde boylamsal bir CFA uyarlayın. En azından metrik değişmezliği onayladıktan sonra, model çıktısından dalga özgü yükleri ve hata varyanslarını çıkarın ve her dalgada omega formülünü uygulayın. R'deki semTools paketi, lavaan model nesnelerinden omega hesaplamak için yardımcı fonksiyonlar içerir.

Her dalgada bir CFA uyarladığı için, genel CFA kılavuzları geçerlidir: kabaca 100–200 katılımcı minimum, faktör başına en az üç ila dört gösterge ve karmaşık çapraz yüklemeler olmayan basit yükleme yapısı. Çok temiz veriler ve az sayıda madde ile daha küçük örneklemler (50–100) mümkün olabilir ancak yakınsama olmaması ve kararsız tahminler riski artar.