Bien qu'il manque encore certaines informations (nombre d'individus et d'éléments par sous-échelle), voici quelques conseils généraux sur la réduction d'échelle. De plus, comme vous travaillez au niveau du questionnaire, je ne vois pas pourquoi sa longueur est si importante (après tout, vous allez simplement donner des statistiques résumées, comme les scores totaux ou moyens).
Je suppose que (a) vous avez un ensemble de K éléments mesurant une construction liée au moral, (b) votre échelle "unidimensionnelle" est un facteur de second ordre qui pourrait être subdivisé en différentes facettes, (c) vous voudriez réduisez votre échelle à k <K éléments afin de résumer avec suffisamment de précision les scores totaux des sujets tout en préservant la validité du contenu de l'échelle.
A propos de la validité du contenu / construction de cette échelle validée: Le nombre d'articles a certainement été choisi de manière à refléter au mieux la construction d'intérêt. En raccourcissant le questionnaire, vous réduisez en fait la couverture de la construction. Il serait bon de vérifier que la structure factorielle reste la même lorsque l'on considère seulement la moitié des éléments (ce qui pourrait également avoir un impact sur la façon dont vous les sélectionnez, après tout). Cela peut être fait en utilisant les techniques traditionnelles de FA. Vous avez la responsabilité d'interpréter l'échelle dans un esprit similaire à celui des auteurs.
À propos de la fiabilité des scores : Bien qu'il s'agisse d'une mesure dépendante de l'échantillon, la fiabilité des scores diminue lorsque l'on diminue le nombre d'articles (cf. formule de Spearman-Brown ); une autre façon de voir cela est que l'erreur standard de mesure (SEM) augmentera, mais voir un module pédagogique NCME sur l'erreur standard de mesure , par Leo M Harvill. Il va sans dire qu'elle s'applique à chaque indicateur qui dépend du nombre d'éléments (par exemple l'alpha de Cronbach qui peut être utilisé pour estimer une forme de fiabilité, à savoir la cohérence interne). Espérons que cela n'impactera aucune comparaison entre les groupes basée sur les scores bruts.
Donc, mes recommandations (la manière la plus simple) seraient:
- Sélectionnez vos articles afin de maximiser la couverture de construction; vérifier la dimensionnalité avec FA et la couverture avec des distributions de réponses univariées;
- Comparer les corrélations inter-éléments moyennes à celles rapportées précédemment;
- Calculez la cohérence interne pour la pleine échelle et vos composites; vérifier qu'ils sont en accord avec les statistiques publiées sur l'échelle d'origine (pas besoin de tester quoi que ce soit, ce sont des mesures dépendant de l'échantillon);
- Tester les corrélations linéaires (ou polychoriques ou de rang) entre les scores originaux et réduits (sous) pour s'assurer qu'ils sont comparables (c.-à-d. Que l'emplacement des individus sur le trait latent ne varie pas dans une large mesure, comme objectivé par les scores bruts );
- Si vous avez une variable spécifique à un sujet externe (par exemple, le sexe, l'âge ou mieux une mesure liée au moral), comparez la validité du groupe connu entre les deux formes.
La manière la plus difficile serait de s'appuyer sur la théorie de la réponse aux éléments pour sélectionner les éléments qui contiennent le maximum d'informations sur le trait latent - la réduction de l'échelle est en fait l'une de ses meilleures applications. Les modèles pour les articles polytomiques ont été partiellement décrits dans ce fil, Valider les questionnaires .
Mettre à jour après votre 2e mise à jour
- Oubliez tous les modèles IRT pour les articles polytomiques avec si peu de sujets.
- L'analyse factorielle souffrira également d'une taille d'échantillon aussi faible; vous obtiendrez des estimations de charges de facteurs peu fiables.
- 30 éléments divisés par 2 = 15 éléments (il est facile de se faire une idée de l'augmentation du SEM correspondant pour le score total), mais cela s'aggravera définitivement si vous envisagez des sous-échelles (c'était en fait ma 2e question - Non. par sous-échelle, le cas échéant)