在浏览了网络上的交叉验证和其他几个资源之后，我仍然无法掌握麦当劳的欧米茄作为内部一致性的衡量标准。我有一种预感，许多社会科学家对这项措施同样感到不安全，所以我希望就这项措施的几个方面得到一些澄清：

假设/先决条件

虽然经常讨论 Cronbach's Alpha 的假设（例如Cronbach Alpha Assumptions），但我还没有设法全面了解麦当劳 Omega 的先决条件。我的问题是：

• Omega 的一般假设是什么？
• 是否有关于样本量的经验法则，或者应该考虑的变量和观察值之间的比率？
• Cronbach 的 Alpha 在任何情况下都优于 Omega吗？

系数和解释

其次，似乎围绕不同的 Omega 系数仍然存在很多混淆，可能最明显的是 R 中的psych-package 返回的。为了澄清，也许有人可以在以下示例中提供系数的完整解释?psych::omega，

library(psych)
#create 9 variables with a hierarchical structure
v9 <- sim.hierarchical()

#find omega 
v9.omega <- omega(v9,digits=2)

> v9.omega$omega.group
        total   general     group
g   0.7984002 0.6857363 0.1126608
F1* 0.7449332 0.6034008 0.1415325
F2* 0.6303512 0.4034189 0.2269323
F3* 0.5022309 0.2460886 0.2561423

> v9.omega$omega.lim
[1] 0.858888

我关于这个例子的问题：

• omega.tot在这个例子中，和omega_h（一般）之间的解释有何不同？或者：整个测量/问卷的内部一致性的正确全局测量是什么？
• group告诉我们什么？
• 什么时候omega.lim相关？

另外：似乎omega_h（一般）在帖子/报告中得到了最多的关注，但在我见过的几乎每个例子中，这些值总是出奇地低。怎么来的？

谢谢