Cronbach’S Alpha Basic Concepts
split-half法の一つの問題は、アイテムのランダムな分割を使用して得られた信頼性推定値が別のものを使用して得られたものと異なる可能性があるということです。 この問題に対する一つの解決策は、可能な分割半分の一つ一つについてSpearman-Brown補正された分割半分信頼性係数を計算し、それらの係数の平均を見つけることである。 これがCronbachのアルファの動機です。,
cronbachのアルファは、連続および非二分データで使用できるため、KuderおよびRichardson Formula_20より優れています。 特に、それは部分的な信用のテストおよびLikertのスケールを使用してアンケートのために使用することができる。
定義1：与えられた変数x1、…、xkとx0=
プロパティ1：Xj=tj+ej tjとすべてのejは互いに独立しています。, また、x0=
ここでは、xjを測定値として、tjを真の値として、ejを測定誤差値として表示します。 プロパティの証明はこちらをクリック1.
観測：Cronbachのアルファは、信頼性に関する有用な下限を提供します（プロパティ1に見られるように）。 Cronbachのアルファは、アイテム間の相関が増加すると一般的に増加します。, このため、係数はテストの内部一貫性を測定します。 その最大値は1であり、通常は最小値は0ですが、負の値にすることができます（下記参照）。
一般的に受け入れられている経験則は、0.7のアルファ（0.6と言うものもあります）は許容可能な信頼性を示し、0.8以上は良好な信頼性 非常に高い信頼性（0.95以上）は必ずしも望ましいとは限りません。 これらは唯一のガイドラインであり、Cronbachのアルファの実際の価値は多くのことに依存します。 例えば, アイテムの数が増えるにつれて、Cronbachのアルファは内部の一貫性を増やさなくても増加する傾向があります。
信頼性の高い楽器を設計する上での目標は、類似した項目のスコアが関連する（内部的に一貫性がある）ことですが、それぞれが
観察：cronbachのアルファが完全に有効なテストであっても低いか負であってもよい理由はいくつかあります。 そのような二つの理由は、逆符号化と複数の要因です。,
リバースコーディング：1から7のLikertスケールを使用し、1つの意味が強く同意し、7つの意味が強く同意するとします。 Q1：”ピザが好き”とQ20：”ピザが嫌い”という二つの質問があるとします。 これらの質問は同じことを尋ねますが、逆の言葉遣いです。 Cronbachのアルファを適切に適用するには、否定的に表現された質問、この例ではQ20の得点を逆にする必要があります。 したがって、Q20に対する応答が2である場合、6の代わりに2（つまり、8から記録されたスコアを引いたもの）として採点する必要があります。,
複数の要因：Cronbachのアルファは、すべての質問が”要因”と呼ばれる多かれ少なかれ同じことをテストしている場合に便利です。 複数の要因がある場合は、どの質問がどの要因をテストしているかを判断する必要があります。 3つの要因（例えば、あなたの仕事との幸福、あなたの結婚との幸福、あなた自身との幸福）があると言うならば、あなたはアンケート/テストを三つのテストに分ける必要があります。, 次に、三つのテストのそれぞれについてCronbachのアルファを計算します。 これらの”隠れた”因子を決定し、因子によって検定を分割するプロセスは、因子分析（因子分析を参照）と呼ばれます。
例1:例1のデータに対するCronbachのアルファを計算しますKuderとRichardson Formula_20(下の図1で繰り返します)。,
図1-Cronbachのアルファ例1
図1のワークシートは、図1のクーダーとリチャードソン式20のワークシートと非常によく似ています。 行17には、各質問の分散が含まれています。 たとえば、質問1（セルB17）の分散は、式=VARP（B4：B15）によって計算されます。 図1のCronbachのアルファを計算するために使用されるその他の主要な数式は、図2に説明されています。,
図2-図1のワークシートのキー式
セルB22からCronbachのアルファがあることがわかります。73082は、KR20の信頼性を例えば1のKuderとRichardson Formula_20で計算したものと同じである。
観測：xjの分散が大きく変化する場合、Cronbachのアルファを計算する前に、xjを標準化して標準偏差1を得ることができます。,
観察：テストの各質問が信頼性にどのように影響するかを判断するために、Cronbachのアルファは、各i≤kのi番目の変数を削除した後に計算することができます。d2fed0159f”>
.
項目が削除された後に信頼性係数が増加する場合は、項目が他の項目と高い相関を持っていないと仮定できます。, 逆に、信頼性係数が小さくなると、その品目と他の品目との相関が高いと仮定できます。
例2：いずれかの質問が削除された例1の調査のためのCronbachのアルファを計算します。
必要な計算を図3に示します。
図3-Cronbachのアルファ例2
列BからLまでの各列は、一つの質問が削除されたテストを表します。, 列Bは質問＃1に対応し、列Cは質問＃2に対応します。 図4は、質問＃1に対応する数式（つまり、列B）を表示しています。 参照のいくつかは、図1に示すセルに対するものです。
図4-図3のワークシートのキー式
図3からわかるように、単一の質問を省略してもCronbachのアルファはあまり変わりません。 Q8の除去は結果に最も影響します。,
Observation:cronbachのアルファを計算する別の方法は、生データに複製データ分析ツールなしで二要素ANOVAを使用し、
例3:ANOVAを使用してCronbachのアルファを計算する例1。
まず、ExcelのAnova:Two Factor without Replicationデータ分析ツールを実行し、図1に示すワークシートの範囲B4:L15のデータを使用します。,
図5-ANOVAを使用したCronbachのアルファの計算
図5からわかるように、Cronbachのアルファはです。73802は、図1で算出したものと同じ値である。
観測：あるいは、実際の統計二要素ANOVAデータ分析ツールを使用して、サンプルあたりの行数を1に設定することもできます。 また、Cronbach’S AlphaのReal Statisticsサポートで説明されているReal Statistics機能を使用しても同じ結果を得ることができます。