سنجه‌های تک‌آیتمی
سنجه‌های تک‌آیتمی (Single-item measures) زمانی استفاده می‌شود که یک سازه تک‌بعدی، روشن و به صورت مستقیم قابل اندازه‌گیری باشد. برای نمونه سازه‌هایی مانند رضایت مشتریان، فروش یا سودآوری با یک سنجه قابل برآورد هستند [کتاب حداقل مربعات جزئی حبیبی و جلال نیا، ۱۴۰۱].
در ادامه این بحث به‌صورت کامل از کتاب کمترین مربعات جزئی نوشته جوزف هیر و همکاران ترجمه آذر و غلام‌زاده ارائه می‌گردد:
نسبت به استفاده از آیتم‌های چندگانه برای سنجش یک سازه برخی مواقع پژوهشگران استفاده از یک آیتم را انتخاب می‌کنند. آیتم‌های منفرد مزایای عملی مانند سادگی کاربردی، اختصار و هزینه پایین‌تر مرتبط با استفاده از آن را دارد. برخاف مقیاس‌های طولانی و پیچیده که بیشتر منجر به درک پایین و خستگی ذهنی پاسخگویان می‌شوند، سازه‌های تک‌آیتمی نرخ پاسخگویی بالاتری دارند. زیرا پرسش‌ها به سادگی و سرعت پاسخ داده می‌شوند.
به هر حال سنجه‌های تک‌آیتمی به ندرت پیشنهاد می‌شوند. برای نمونه آیتم‌های منفرد، پژوهشگران را با درجه آزادی کمتر هنگام افراز داده به زیرگروه‌ها تنها می‌گذارند. زیرا برای تخصیص مشاهدات به گروه‌ها، مقادیر فقط از یک متغیر در دسترس هستند. به‌شیوه‌ای مشابه هنگام استفاده از روش‌های جانهی برای برخورد با مقادیر گمشده اطلاعات اندکی وجود دارد. در پایان از دیدگاه روان‌سنجی، سازه‌های تک‌آیتمی امکان تنظیم خطای اندازه‌گیری را نمی‌دهند. این درحالی است که برای سنجه‌های تک‌آیتمی این امکان وجود دارد. به همین دلیل پایایی آنها کاش پیدا می‌کند.
مفهوم‌سازی سنجه‌های تک‌آیتمی
براساس دستورالعمل دیامنتوپولوس و همکاران (۲۰۱۲) سنجه‌های تک‌آیتمی تنها زمانی باید موردملاحظه قرار گیرند که
- حجم نمونه کوچک و کمتر از ۵۰ نفر باشد.
- اننظار ضرایب مسیری (ضرایب پیوند سازه‌ها در مدل ساختاری) ۰.۳ یا کمتر وجود داشته باشد.
- آیتم‌های مقیاس چندآیتمی اساساً بسیار همگن باشد (آلفای کرونباخ بیش از ۰.۹ باشد).
- آیتم‌ها دارای افزونگی معنایی زیادی هستند.
با این حال زمانی که مدل‌های اندازه‌گیری راه‌اندازی می‌شوند این دیدگاه صرفا تجربی با ملاحظات عملی تکمیل شود. برخی شرایط پژوهش استفاده از گویه‌های منفرد را ایجاب یا حتی اجتناب‌ناپذیر می‌کند. به‌طوریکه پاسخگویان بیشتر احساس می‌کنند در پژوهش‌های زیادی مورد سوال قرار می‌گیرند. بنابراین نرخ پاسخگویی آنها کاهش می‌یابد.
اگر جمله‌بندی‌ها خیلی قابل درک نیست دلیلش آن است که فقط خواستم عین متن ترجمه شده کتاب حداقل مربعات جزئی توسط آذر و غلام‌زاده از صفحه ۷۱ تا ۷۴ را در اختیار پژوهشگران قرار دهم. برای همین اصلا در متن دست نبردم؛ فقط به یاد داشته باشید معرف، آیتم، سنجه و گویه در این کتاب مترادف هم بکار گرفته شده‌اند. آرش حبیبی
دشواری فراهم نمودن حجم نمونه بالا در یک پژوهش پیمایشی بیشتر به دلیل عدم تمایل به صرف وقت برای کامل کردن پرسشنامه‌ها، منجر به لزوم کاهش سنجه‌های سازه تا جاییکه ممکن است می‌باشد. بنابراین اگر جامعه مورد پیمایش کوچک یا فقط حجم نمونه اندکی در دسترس باشد (بخاطر محدودیت بودجه، سختی جذب پاسخگو یا داده‌های دورسته‌ای) استفاده از سنجه‌های تک‌آیتمی راهکاری واقع‌بینانه است. بنابراین اگر از سنجه‌های تک‌آیتمی استفاده شود، پژوهشگران باید پیمامدهای روایی پیش‌بین پایین‌تر را بپذیرند.
پایایی سنجه‌های تک‌آیتمی
توجه داشته باشید که برخلاف باورهای عموم، پایایی تک آیتمی قابل برآورد است (وانوس و همکاران، ۱۹۹۷؛ لو، ۲۰۰۲). امید بستن به سنجه تک‌آیتمی در بیشتر زمینه‌های تجربی وقتی درصدد روایی پیش‌بین هستیم تصمیم خطرناکی است. به‌ویژه مجموعه‌ای از شرایط که به نفع استفاده از سنجه تک‌آیتمی نسبت به آیتم‌های چندگانه است، بسیار بعید است که در عمل رخ دهند. این نتیجه‌گیری حتی بیشتر برای حداقل مربعات جزئی وارد است. زیرا به‌کارگیری تعداد اندکی از گویه‌ها برای اندازه‌گیری سازه (در نهایت استفاده از یک آیتم) با خواست کاهش گرایش حداقل مربعات جزئی به گسترش برآوردهای اریبی‌دار (بیش‌برآورد روابط مدل اندازه‌گیری و کم‌برآورد روابط مدل ساختاری؛ اریبی حداقل مربعات جزئی) ناسازگار است.
دستورالعمل استفاده از سازه تک‌آیتمی
به یاد داشته باشید که با حداقل مربعات جزئی وقتی تعداد گویه‌ها یا مشاهدات افزایش می‌یابد این اریبی کاهش می‌یابد (سازگاری در اریبی).
خلاصه و جمع‌بندی
در پایان به یاد داشته باشید که مباحث مطروحه بالا، باید برای سنجش پدیده‌های غیرقابل مشاهده مدنظر قرار گیرد. برای نمونه ادراک و یا نگرش از جمله این موارد هستند. سنجه‌های تک‌آیتمی برای استفاده در سنجش ویژگی‌های قابل مشاهده مانند فروش، سهمیه، سود و … مناسب است. در این مرحله باید برای ایجاد یک مدل مسیری آماده باشید. در شکل بالا برخی دستورالعمل‌های کلیدی آماده کردن یک مدل مسیری را که باید موردتوجه قرار دهید خلاصه کرده است.
منبع: هیر، جوزف؛ هالت، توماس؛ رینگل، کریستین؛ سارستد، مارکو. (۱۴۰۰). کمترین مربعات جزئی. ترجمه عادل آذر و رسول غلام‌زاده، تهران: نگاه دانش.
تهیه و تنظیم: پشتیبانی پارسمدیر
آمار کاربردی مدیریت | ۲۵ خرداد ۰۲
