麦当劳 omega:R 中的警告

McDonalds omega: warnings in R

我正在计算几种不同比例的 omega;并在 R 中针对具有不同 omega 函数的不同比例获得不同的警告消息。我的问题是关于如何解释这些警告以及报告检索到的 omega 统计数据是否安全。

当我使用文章 "From alpha to omega: A practical solution to the pervasive problem of internal consistency estimation"

中的以下函数时
 ci.reliability(subscale1, interval.type="bca", B=1000)

我收到这些警告:

 1: In lav_object_post_check(lavobject) :
   lavaan WARNING: some estimated variances are negative
 2: In lav_object_post_check(lavobject) :
   lavaan WARNING: observed variable error term matrix (theta) is not positive definite; use inspect(fit,"theta") to investigate.

而且可以是很多!

它们是什么意思? 我仍然收到 omega 统计数据;它们是否可以被解释?

当我使用函数时:

  psych::omega(subscale1)

我收到此警告:

 Warning message:
 In GPFoblq(L, Tmat = Tmat, normalize = normalize, eps = eps, maxit =      maxit,  :
   convergence not obtained in GPFoblq. 1000 iterations used.

再次, 这是什么意思;我可以使用我得到的欧米茄统计数据吗?

请注意,这些警告出现在不同的分量表上;因此可以使用其中一个函数而不是另一个函数来计算一个分量表,反之亦然。

编辑:如果有帮助:Subscale1 包含 4 个项目;样本包括 N>300。此外,我可以 运行 对 lavaan 中的这 4 个项目进行 CFA 分析(Chi2=11.8,p<.001;CFI=0.98;RMSEA=0.123)。

您所指的那篇特定文章似乎是 Dunn、Baguley 和 Brunsden 的《英国心理学杂志》(2014), 105, 399–412© 2013。他们讨论的 omega 系数实际上就是 Rick Zinbarg 和我所说的 omega_total。 (麦当劳开发了两个欧米茄系数,导致了这种混淆。)

你在我的 psych 包中使用 omega 时遇到了问题。 psych 中的 omega 函数旨在找到 omega_hiearchical 以及 omega_total。因此,它尝试(默认情况下)提取三个较低级别的因素,然后反过来分解这些因素的相关性。但是,您的子量表中只有 4 个变量,无法找到有意义的 3 因素解决方案。您可以指定要查找两个因子:

omega(subscale1,2) 

它会起作用的。但是,omega_h对于4项来说意义不大。

与样本量的建议相反,实际上是由于项目的数量。

我想您可能会发现使用 psych 查找 omega_h 的教程很有帮助:

[http://personality-project.org/r/psych/HowTo/R_for_omega.pdf]