一般化可能性理論を使用して、測定誤差の複数のソースの相関係数を破壊する

長年にわたり、社会科学の研究は、測定エラーの重要なソースを考慮していない信頼性係数の報告によって支配されてきました。これらの係数を使用して、測定エラーを修正することは、調査対象の構成要素間の真の関係を誤って伝えて科学的進歩を妨げる可能性があります。ここで報告されている研究では、測定誤差の3つの重要なソース（ランダム応答、特異的ファクター、およびトランジェント）を説明するための従来の新しい方法と新しい方法で、一般化可能性理論（G理論）を使用してこれらの問題に対処しました。客観的に採点されたメジャー。人格、自己概念、社会的に望ましい応答の20の広く使用されている測定値の結果は、測定誤差の重要なソースと相関した過渡エラーを時には考慮しないことにより、従来の指標が心理的構成要素間の信頼性と関係を一貫して誤って伝えたことを示しました。結果はさらに、G理論がこれらの問題を改善するための効果的なフレームワークとして役立ったことを明らかにしました。将来の研究で考えられる拡張機能について説明し、オンラインサプリメントでコンピューターパッケージRからコードを提供して、読者が自分の研究に示す手順を適用できるようにします。

Over the years, research in the social sciences has been dominated by reporting of reliability coefficients that fail to account for key sources of measurement error. Use of these coefficients, in turn, to correct for measurement error can hinder scientific progress by misrepresenting true relationships among the underlying constructs being investigated. In the research reported here, we addressed these issues using generalizability theory (G-theory) in both traditional and new ways to account for the three key sources of measurement error (random-response, specific-factor, and transient) that affect scores from objectively scored measures. Results from 20 widely used measures of personality, self-concept, and socially desirable responding showed that conventional indices consistently misrepresented reliability and relationships among psychological constructs by failing to account for key sources of measurement error and correlated transient errors within occasions. The results further revealed that G-theory served as an effective framework for remedying these problems. We discuss possible extensions in future research and provide code from the computer package R in an online supplement to enable readers to apply the procedures we demonstrate to their own research.