3.2. Аналіз надійності в SPSS
Пакет статистичних програм SPSS надає можливість обчислити такі основні показники надійності вимірювальної методики, як коефіцієнт альфа Кронбаха (Cronbach), надійність половинного розщеплення (Split-half reliability) та ретестову надійність (Re-test reliability).
Для здійснення аналізу надійності шкал опитувальника за критерієм альфа Кронбаха в меню Analyze (Аналізувати) обирається команда Scale (Шкалування) і далі – Reliability Analysis (Аналіз надійності) (рис. 24).

У діалогововму вікні, що відкрилося (рис. 25), переносимо з поля всіх змінних (ліворуч) у праве поле Items (Пункти) ті змінні, котрі утворюють шкалу, що аналізується.

Натисніть кнопку Statistics (Статистичні показники). У поданому нижче вікні (рис. 26) вставлюються прапорці, що вказують на необхідність обчислення дискриптивних показників для шкал і пунктів окремо, а також показника Scale if item deleted (Надійність у випадку видалення пункту).

Натисніть кнопку Continue аби повернутися в діалогове вікно Reliability Analysis, а потім – кнопку OK, щоб відкрити вікно виводу (рис. 27).

Подані в таблиці на рис. 27 показники Corrected Item-Total Correlation (Скорегована кореляція елементу та суми) вказують на вельми низький кореляційний зв’язок між пунктами 1 і 47 та його негативне значення для пунктів 13 і 43. Тому з метою підвищення коефіцієнта альфа Кронбаха (вказаного в останньому ствопчику Cronbach’s Alfa if Item Deleted) слід видалити вказані змінні з аналізу.
Аналіз надійності половинного розщеплення передбачає таку послідовність операцій: Analyze → Scale → Reliability Analysis. Після відкриття діалогового вікна Reliability Analysis перенесіть усі змінні до списку Items, після чого розкрийте список Model (Модель) та оберіть пункт Split-half (Половинне розщепленя) (рис. 28).

Натисніть на кнопку Statistics (Статистики) для відкриття діалогового вікна Reliability Analysis: Statistics (Аналіз надійно-сті: Статистики) (рис. 29).

У групі Descriptives for (Описові статистики для) встановіть прапорці Scale (Шкала) та Scale if Item Deleted (Шкала, якщо елемен видалений), у групі Summaries (Підсумки) – прапорці Means (Середні), Variances (Дисперсії) та Correlations (Корреляції), а в групі Inter-Item (Між пунктами) – прапорець Correlations (Корреляції).
Натисніть кнопку Continue (Продовжити) аби повернутися в діалогове вікно Reliability Analysis: Statistics, а потім – кнопку OK аби відкрити вікно виводу (рис. 30).

Окрім коефіцієнтів альфа Кронбаха, обчислених для кожної половини методики, у вікні виводу Reliability Analysis подано також значення кореляції між формами (Correlation Between Forms), коефіцієнт еквівалентних та неквівалентних форм Спірмена-Брауна (Equal/Unequal Lenth Spearman-Brown), критерій надійності половинного розщеплення Гуттмана (Guttman Split-Half Coefficient).
Іншим показником відповідності пункту шкалі є коефіцієнт кореляції цього пункту зі шкалою (дискримінативність). Для його обчислення, як правило, застосовується коефіцієнт кореляції Пірсона.
У SPSS виявлення кореляційного зв’язку між двома або більше змінними за критерієм Пірсона здійснюється за допомогою опцій Correlate (Корелювати) та Bivariate (Двовимірні кореляції) у меню програми Analyze (Аналізувати) (рис. 31).

У діалоговому вікні Bivariate Correlations до групи Variables (Змінні) переносяться змінні, що утворюють відповідну шкалу (в даному випадку “Пункт_1”, “Пункт_10”, “Пункт_16”, “Пункт_38”), та загальний бал, отриманий по цих пунктах у вибірці (“Шкала_1”). Надалі в групі Correlate Coefficients встановлюються прапорець Pearson (Коефіцієнт кореляції Пірсона), а в групі Test of Significance – перемикач Twotailed (Двосторонній). Також прапорцем відмічається команда Flag significant correlation (Показувати значущі кореляції) (рис. 32).

Після натискання кнопки ОК з’являється вікно виводу (рис. 33).

Як видно з наведеної нижче таблиці, значуща позитивна кореляція існує між змінними “Пункт_10” та “Шкала_1” (r = 0,350; p = 0,001), “Пункт_16” та “Шкала_1” (r = 0,329; p = 0.002), “Пункт_38” та “Шкала_1” (r = 0,307; p = 0,003). Це означає, що вказані пункти максимально працюють на шкалу. Між змінними “Пункт_1” та “Шкала_1” спостерігається статистично незначущий негативний кореляційний зв’язок (r = –0,056; p = 0,599), що свідчить про дуже низьку дискримінативність пункту та вимагає його видалення з остаточного версії опитувальника.
За результатами кореляційного аналізу сукупності працюючих на шкалу пунктів важливим, на думку О.В. Мітіної, є виключення зі шкали тих груп змінних, коефіцієнт попарних кореляцій усередині яких є більшим за 0,8 (мультиколлінеарність), а також видалення тих пар змінних, коефіцієнт кореляції яких за абсолютною величиною статистично значущо не відрізняється від 1 (сингулярність).
Для перевірки ретестової надійності опитувальника поряд із критерієм Пірсона також може бути використаний коефіцієнт рангової кореляції Спірмена. Алгоритм обчислення останнього в SPSS загалом є тотожнім наведеному вище алгоритму обчислення лінійної кореляції. Єдина відмінність полягає в тому, що у групі Correlate Coefficients ставиться прапорець Spearman (Коефіцієнт кореляції Спірмена).