克朗巴哈 α 系数计算器
直接从电子表格粘贴项目得分——每行一位受访者,每列一个项目——即可得到克朗巴哈 α,以及 Feldt 的 95% 置信区间、标准化 α,以及每个项目的校正项目–总分相关和删除该项目后的 α。对表述相反的项目勾选“反向计分”即可。免费,无需注册,全部在您的浏览器中运行。
可直接从电子表格粘贴,也可用制表符、逗号、分号或空格分隔数值。请去掉编号列。空白单元格和 NA 视为缺失值。
粘贴至少两个项目、两位及以上受访者的得分,即可查看 α。
如何使用克朗巴哈 α 系数计算器
- 1. 粘贴项目得分。 从 Excel、Google 表格、SPSS 或 CSV 文件中复制回答——每行一位受访者,每列一个项目。表头行可选;请核对计算器读回的表格。
- 2. 对表述相反的项目进行反向计分。 对于表述方向相反的项目,例如“我很少觉得自己准备充分”,勾选反向计分。它会按(最低分 + 最高分)− 得分重新计分,因此在 1–5 量表上,2 会变为 4。
- 3. 选择项目。 取消勾选纳入即可将某项目排除在外——例如编号列,或您考虑删除的项目。缺少任一所选项目的受访者将被剔除,计算器会告知剔除的人数。
- 4. 阅读 α 和项目表。 您将得到 α 及其 95% 置信区间、标准化 α,以及每个项目的校正项目–总分相关和删除该项目后的 α。复制 APA 格式的结果句,用于您的方法部分。
克朗巴哈 α 公式
对于 n 位受访者回答的 k 个项目,克朗巴哈 α 比较各个项目的方差与总分的方差:
公式
α = k/(k − 1) × (1 − Σs²ᵢ / s²ₜ)
- k —— 量表中的项目数。
- s²ᵢ —— 第 i 个项目在受访者之间的方差,为样本方差(除以 n − 1)。
- Σs²ᵢ —— 各项目方差之和。
- s²ₜ —— 受访者总分的方差,即全部 k 个项目之和。当各项目同向起伏时,总分的离散程度远大于各项目单独的离散程度,比值 Σs²ᵢ / s²ₜ 会变小,α 趋近于 1。
标准化 α 使用相关系数而非方差:α = k·r̄ / (1 + (k − 1)·r̄),其中 r̄ 为项目两两之间的平均相关系数,即将每个项目都转换为 z 分数之后得到的 α。校正项目–总分相关是指每个项目与其余项目之和的相关,删除该项目后的 α 则是去掉该项目后重新计算的 α。
95% 置信区间采用 Feldt(1965)的方法。在正态理论假设下,(1 − α)/(1 − α̂) 服从自由度为 n − 1 和 (n − 1)(k − 1) 的 F 分布,因此下限为 1 − (1 − α̂) × F0.975,上限为 1 − (1 − α̂) × F0.025。
示例:含反向计分项目的量表
点击载入示例即可跟随操作。12 名学生回答了关于学习信心的五个 1–5 同意度项目,其中 Q4 的表述为负向。按原样粘贴时,计算器报告 α = 0.576。项目表说明了原因:Q4 的校正项目–总分相关为 −0.793,删除 Q4 后 α 跃升至 0.911。与量表其余项目的强负相关,正是未经反向计分的负向表述项目的典型特征。
为 Q4 勾选反向计分。它会按 6 − 得分重新计分,项目表变为:
| 项目 | 均值 | 标准差 | 校正的项目–总分 r | 删除后的 α |
|---|---|---|---|---|
| Q1 | 3.33 | 1.23 | 0.946 | 0.876 |
| Q2 | 3.33 | 1.07 | 0.719 | 0.923 |
| Q3 | 3.33 | 0.98 | 0.779 | 0.911 |
| Q4(反向计分) | 3.08 | 0.90 | 0.793 | 0.911 |
| Q5 | 3.42 | 1.08 | 0.801 | 0.907 |
各项目方差之和为 5.6212,总分的方差为 21.5455,因此 α = 5/4 × (1 − 5.6212 / 21.5455) = 0.924。标准化 α 为 0.925(项目间平均相关 r̄ = 0.711),自由度为 11 和 44 的 Feldt 区间为 [0.825, 0.975]。删除任何项目都不会提高 α——Q2 的 0.923 最接近——因此五个项目全部保留。请注意这个区间有多宽:只有 12 名受访者时,数据与真实 α 介于约 0.82 至 0.98 之间的说法都是相容的。
如何解释和报告克朗巴哈 α
| 克朗巴哈 α | 等级 |
|---|---|
| 0.9 及以上 | 优秀 |
| 0.8 至 0.9 以下 | 良好 |
| 0.7 至 0.8 以下 | 可接受 |
| 0.6 至 0.7 以下 | 可疑 |
| 0.5 至 0.6 以下 | 较差 |
| 0.5 以下 | 不可接受 |
这些等级是惯例,而非检验。即使项目之间只有弱相关,α 也会随项目数增加而升高,因此一个很长的量表看起来可能很优秀,实际上却未必连贯。它也不能证明单维性——两个相关的因子可能共同产生较高的 α——因此请用因子分析检查结构。它还假设每个项目对该构念的反映强度相同(τ 等价);若不相同,α 会低估信度,这也是许多方法学家同时报告 McDonald's omega 的原因。
APA 格式会将 α 报告到两位小数并省略前导零,最好同时给出置信区间和样本量,例如:“内部一致性为优秀,Cronbach's α = .92,95% CI [.82, .98] (5 个项目,n = 12)。”点击复制 APA 格式结果即可得到该格式的统计量。
常见错误
- 忘记反向计分。 未经反向计分的负向表述项目会拉低 α,并表现为负的项目–总分相关。
- 在数据中保留编号列或总分列。 受访者编号或预先算好的总分都不是项目,请在纳入下取消勾选。
- 对多维问卷只算一个 α。 请对每个分量表分别计算 α,而不是对所有项目一起计算一次。
- 为提高 α 而删除项目。 删除后的 α 是诊断工具,而非目标。若因内容原因删除某项目,请如实报告。
常见问题
- 多高的克朗巴哈 α 才算好?
- 按最常被引用的经验标准(George 与 Mallery,2003),0.7 为可接受,0.8 为良好,0.9 为优秀。对于比较群体的研究,约 0.7 通常已足够;而对个人作出决定的情形(例如临床筛查),通常需要 0.9 或更高。超过约 0.95 的值可能表明项目冗余,而并非量表更好。
- 为什么我的克朗巴哈 α 是负数?
- 当各项目平均而言呈负相关时,α 会变为负数,因为各项目方差之和超过了总分的方差。最常见的原因是未经反向计分的负向表述项目,本计算器会以负的校正项目–总分相关将其标出。编码错误和样本过小也是可疑原因。负的 α 不是可用的信度估计——应修正计分,而不是报告它。
- 如何在 SPSS 或 Excel 中计算克朗巴哈 α?
- 在 SPSS 中,选择“分析 > 度量 > 可靠性分析”,将各项目移入,模型保持为 Alpha,并在“统计”中勾选“项已删除后的刻度”。在 Excel 中,用 VAR.S 分别计算每个项目列和行总分的样本方差,再套用 α = k/(k − 1) × (1 − Σs²ᵢ / s²ₜ)。两者默认都不显示置信区间;本计算器则会显示。
- 克朗巴哈 α 与标准化 α 有什么区别?
- 原始 α 基于项目的方差与协方差,因此离散程度较大的项目权重更大;标准化 α 则基于项目间的平均相关,就如同先将每个项目转换为 z 分数一样。当各项目的方差相近时两者一致。对原始得分求和时,通常应报告原始 α。
- 计算克朗巴哈 α 需要多少受访者?
- 没有固定的最低要求,但在小样本中 α 的精度很差,这就是计算器要显示 Feldt 置信区间的原因:在示例中,12 名受访者得到的区间为 0.82 至 0.98。样本越大,区间越窄,因此请根据您能接受的区间宽度来规划样本量。
- 克朗巴哈 α 高,是否说明量表有效或具有单维性?
- 不能。α 衡量的是各项目共同变化的强度,前提是它们反映同一个构念;它并不检验这一假设,而且一致的量表仍可能测量错误的东西。判断结构请使用因子分析,效度则需要其他独立证据。