Hệ số Omega Phân cấp của McDonald (ωh)
Hệ số omega phân cấp (ωh) của McDonald là một hệ số được suy ra từ mô hình nhân tố xác nhận hai nhân tố (bifactor confirmatory factor model), định lượng tỷ lệ phương sai tổng điểm có thể quy cho một nhân tố chung duy nhất, thay vì các nhân tố đặc trưng nhóm hoặc sai số cấp độ mục. Được giới thiệu bởi Roderick P. McDonald (1999) và được phát triển chi tiết cho các ứng dụng hai nhân tố bởi Reise và cộng sự (2013) cùng Rodriguez và cộng sự (2016), đây là chỉ số chính được sử dụng trong tâm trắc học để đánh giá liệu một tổng điểm tổng hợp có phải là một bản tóm tắt hợp lý của một thang đo đa chiều hay không.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 1). McDonald's Hierarchical Omega (ωh). ScholarGate. https://scholargate.app/vi/psychometrics/mcdonald-omega
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Mô hình hai nhân tố (Các nhân tố chung và riêng biệt)Trắc lượng tâm lý↔ so sánh
- Phân tích nhân tố khẳng định (Confirmatory Factor Analysis - CFA)Trắc lượng tâm lý↔ so sánh
- Phân tích Cronbach's Alpha (Độ tin cậy)Thống kê↔ so sánh
- Phân tích nhân tố khám phá (EFA)Thống kê↔ so sánh
- Mô hình phương trình cấu trúc (SEM)Thống kê↔ so sánh
Được tham chiếu bởi
Similar methods
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →