McDonald's Hiyerarşik Omega (ωh)
McDonald's Hierarchical Omega (ωh) · Ayrıca şöyle bilinir: omega hierarchical, omega-h, bifactor omega, composite score validity coefficient, McDonald's Omega Hiyerarşik (ωh) — Kompozit Puan Geçerliliği
McDonald's hiyerarşik omega (ωh), toplam puan varyansının ne kadarının grup-özel faktörlere veya madde düzeyindeki hataya değil, tek bir genel faktöre atfedilebileceğini ölçen, iki faktörlü (bifactor) doğrulayıcı faktör modelinden türetilmiş bir katsayıdır. Roderick P. McDonald (1999) tarafından tanıtılan ve iki faktörlü uygulamalar için Reise ve arkadaşları (2013) ile Rodriguez ve arkadaşları (2016) tarafından detaylandırılan bu katsayı, psikometride bir bileşik toplam puanın çok boyutlu bir ölçeğin savunulabilir bir özeti olup olmadığını değerlendirmek için kullanılan birincil indekstir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
McDonald's ωh, çok boyutlu bir ölçeğe sahip olduğunuz ancak tek bir toplam puanı raporlamak ve yorumlamak istediğiniz ve bileşiğin baskın bir yapıyı anlamlı bir şekilde yansıttığını gerekçelendirmeniz gerektiğinde uygundur. Yöntem en az 200 katılımcı ve madde yanıtlarını sıralı veya sürekli ölçüm düzeyinde gerektirir. İki faktörlü bir modelin teorik olarak gerekçelendirilmiş olması gerekir — tipik olarak ölçekte en az iki ayırt edilebilir grup faktörü ve her birinde en az üç madde bulunmalıdır — ve ωh yorumlanmadan önce modelin yeterli uyum sağlaması gerekir. ωh'yi kesinlikle tek boyutlu ölçekler için Cronbach'ın alfasına genel bir güvenilirlik ikamesi olarak kullanmayın; bu bağlamda ωt (toplam omega) veya alfa daha uygundur.
Güçlü yönler & sınırlılıklar
- Bileşik puan varyansının ne kadarının genel faktörü yansıttığını doğrudan ölçer, ölçek çok boyutlu olsa bile toplam puanın özsel olarak anlamlı olduğuna dair kanıt sağlar.
- Formülsel bir sezgiden ziyade yapısal bir modele dayanır, bu nedenle çok boyutlu ölçeklerde Cronbach'ın alfasını şişiren grup faktörü varyansını açıkça hesaba katar.
- ECV ve aynı modelden türetilen diğer iki faktörlü indeksler (PUC, ωhs), tek bir sayısal güvenilirlik katsayısından daha zengin bir boyutluluk tanı teşhisi sunar.
- Tam bir iki faktörlü CFA modeli uydurmayı gerektirir, bu da yaklaşık 200 katılımcı minimum gerektirir ve grup faktörlerinin az sayıda maddeye sahip olduğu veya düşük yüklere sahip olduğu durumlarda kötü yakınsama gösterebilir.
- ωh model uyumsuzluğuna duyarlıdır; eğer iki faktörlü modelin kendisi kötü uyum sağlıyorsa, katsayı sayısal değerinden bağımsız olarak yorumlanamaz.
- Yüksek bir ωh, alt ölçek puanlarının da güvenilir olduğunu garanti etmez — alt puanların kullanılabilirliğini değerlendirmek için alt ölçek düzeyinde omega (ωhs) ayrı olarak hesaplanmalıdır.
SSS
ωh, Cronbach'ın alfadan nasıl farklıdır?
Cronbach'ın alfa, toplam puan varyansının hem genel hem de grup faktörleri dahil olmak üzere tüm ortak faktörlere bağlı oranını tahmin eder. Ölçek çok boyutluysa, alfa genel faktörü grup faktörü varyansıyla karıştırır ve toplam puanın tek bir yapıyı ne kadar saf bir şekilde yansıttığını abartır. ωh bunları ayırır: yalnızca genel faktör katkısını izole eder. Bir ölçek yüksek alfa ancak düşük ωh'ye sahip olabilir, bu da görünen güvenilirliğin tek bir baskın özellik yerine dar alt ölçek kümelerinden kaynaklandığını gösterir.
ECV, ωh'nin ötesinde ne ekler?
ECV (Açıklanan Ortak Varyans), hatayı göz ardı ederek genel faktöre atfedilebilen tüm ortak varyansın oranıdır. ωh, genel faktöre bağlı toplam bileşik varyans oranını belirtirken, ECV ortak faktör alanına odaklanır ve madde benzersizliğine daha az duyarlıdır. Birlikte, ωh ve ECV daha tam bir resim çizer: bileşiğin genel bir özelliğin savunulabilir bir özeti olması için her ikisi de yüksek olmalıdır.
ωh'yi tek boyutlu bir ölçekle kullanabilir miyim?
ωh, en az bir genel faktör ve en az iki grup faktörü içeren bir iki faktörlü model gerektirir. Ölçek gerçekten tek boyutluysa, ayrılacak grup faktörleri yoktur ve ωh, ωt'ye indirgenir. Bu durumda, toplam omega (ωt) veya Cronbach'ın alfasını kullanın; ωh ek bilgi sağlamaz ve iki faktörlü model muhtemelen yetersiz tanımlanmış veya kötü uyum sağlayacaktır.
Ne kadar örneklem büyüklüğü gereklidir?
ωh'nin temelini oluşturan iki faktörlü CFA, parametre yoğundur. Yaygın olarak en az 200 katılımcıdan bahsedilir; çok sayıda grup faktörü içeren daha karmaşık modeller 300 veya daha fazlasını gerektirebilir. 200'ün altında, hem iki faktörlü model hem de sonuçta elde edilen ωh tahmini kararsız olma eğilimindedir ve bootstrap güven aralıkları çok genişler. Hassasiyeti değerlendirebilmeleri için her zaman bootstrap GK'ları bildirin.
Kaynaklar
- Reise, S. P., Scheines, R., Widaman, K. F. & Haviland, M. G. (2013). Multidimensionality and structural coefficient bias in structural equation modeling: A bifactor perspective. Educational and Psychological Measurement, 73(1), 5–26. DOI: 10.1177/0013164412449831 ↗
- Rodriguez, A., Reise, S. P. & Haviland, M. G. (2016). Evaluating bifactor models: Calculating and interpreting statistical indices. Psychological Methods, 21(2), 137–150. DOI: 10.1037/met0000045 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). McDonald's Hierarchical Omega (ωh). ScholarGate. https://scholargate.app/tr/psychometrics/mcdonald-omega
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bifaktör Model (Genel ve Özel Faktörler)Psikometri↔ karşılaştır
- Doğrulayıcı faktör analizi (DFA)Psikometri↔ karşılaştır
- Cronbach'ın Alfa Katsayısı (Güvenilirlik Analizi)İstatistik↔ karşılaştır
- Keşfedici Faktör Analizi (KFA)İstatistik↔ karşılaştır
- Yapısal Eşitlik Modellemesi (YEM)İstatistik↔ karşılaştır