Cronbach’ s Alpha Grundläggande Begrepp
Ett problem med split-half-metoden är att tillförlitligheten uppskattning som erhålls med hjälp av någon slumpmässig fördelning av de objekt som sannolikt kommer att skilja sig från den som erhålls med hjälp av en annan. En lösning på detta problem är att beräkna Spearman-Brown korrigerade split-half tillförlitlighet koefficient för var och en av de möjliga split-halvor och sedan hitta medelvärdet av dessa koefficienter. Detta är motivationen för Cronbachs alfa.,
Cronbachs alfa är överlägsen Kuder och Richardson formel 20 eftersom den kan användas med kontinuerliga och icke-dikotomösa data. I synnerhet kan den användas för testning med partiell kredit och för frågeformulär med hjälp av en Likert-skala.
Definition 1: Given variabel x1, …, xk och x0 = 
egendom 1: Låt xj = tj + ej där varje ej är oberoende av tj och alla ej är oberoende av varandra., Låt också x0 = 
här ser vi xj som de uppmätta värdena, tj som de sanna värdena och ej som mätfelvärdena. Klicka här för ett bevis på egendom 1.
Observation: Cronbachs alpha ger en användbar lägre bindning till tillförlitlighet (som ses i egenskap 1). Cronbachs alfa kommer i allmänhet att öka när korrelationen mellan objekten ökar., Av denna anledning mäter koefficienten testets interna konsistens. Dess maximala värde är 1, och vanligtvis är dess minimum 0, även om det kan vara negativt (se nedan).
en allmänt accepterad tumregel är att en alfa på 0,7 (vissa säger 0,6) indikerar acceptabel tillförlitlighet och 0,8 eller högre indikerar god tillförlitlighet. Mycket hög tillförlitlighet (0,95 eller högre) är inte nödvändigtvis önskvärt, eftersom detta indikerar att objekten kan vara helt överflödiga. Det här är bara riktlinjer och det faktiska värdet av Cronbachs alfa beror på många saker. Ex., när antalet objekt ökar tenderar Cronbachs alfa att öka för även utan någon ökning av intern konsistens.
målet med att utforma ett pålitligt instrument är att poäng på liknande objekt ska relateras (internt konsekvent), men för varje att bidra med viss unik information också.
Observation: det finns ett antal anledningar till varför Cronbachs alfa kan vara låg eller till och med negativ även för ett helt giltigt test. Två sådana skäl är omvänd kodning och flera faktorer.,
omvänd kodning: Antag att du använder en Likert-skala på 1 till 7 med 1 betydelse som är starkt oense och 7 betyder starkt överens. Anta att två av dina frågor är: Q1: ”jag gillar pizza” och Q20:”jag ogillar pizza”. Dessa frågor ställer samma sak, men med omvänd formulering. För att kunna tillämpa Cronbachs alfa korrekt måste du vända poängsättningen av någon negativt formulerad fråga, Q20 i vårt exempel. Således om ett svar på Q20 är säga 2, måste det göras som 6 istället för 2 (dvs 8 minus den inspelade poängen).,
flera faktorer: Cronbachs alfa är användbar där alla frågor testar mer eller mindre samma sak, kallad en ”faktor”. Om det finns flera faktorer måste du bestämma vilka frågor som testar vilka faktorer. Om säga att det finns 3 faktorer (t. ex. lycka med ditt jobb, lycka med ditt äktenskap och lycka med dig själv), måste du dela frågeformuläret/testet i tre tester, en som innehåller frågorna testa faktor 1, en med frågorna testa faktor 2 och den tredje med frågor Testa faktor 3., Du beräknar sedan Cronbachs alfa för var och en av de tre testerna. Processen att bestämma dessa ”dolda” faktorer och dela testet med faktor kallas faktoranalys (se faktoranalys).
exempel 1: Beräkna Cronbachs alfa för data i Exempel 1 av Kuder och Richardson formel 20 (upprepas i Figur 1 nedan).,
Figur 1 – Cronbachs Alfa till exempel 1
kalkylbladet i Figur 1 liknar kalkylbladet i Figur 1 i Kuder och Richardson formel 20. Rad 17 innehåller variansen för var och en av frågorna. E. g. variansen för fråga 1 (cell B17) beräknas med formeln =VARP(B4:B15). Andra nyckelformler som används för att beräkna Cronbachs alfa i Figur 1 beskrivs i Figur 2.,
Figur 2 – Nyckelformler för kalkylbladet i Figur 1
vi ser från cell B22 att Cronbachs alfa är .73082, samma som KR20 tillförlitlighet beräknas till Exempel 1 i Kuder och Richardson Formel 20.
Observation: om varianterna av xj varierar kraftigt, kan xj standardiseras för att erhålla en standardavvikelse på 1 före beräkning av Cronbachs alfa.,
Observation: för att bestämma hur varje fråga på ett test påverkar tillförlitligheten, kan Cronbachs alfa beräknas efter att ha raderat den ith-variabeln, för varje i ≤ k. således för ett test med K-frågor, var och en med poäng xj, Cronbachs alfa beräknas för 
om tillförlitlighetskoefficienten ökar efter att ett objekt har tagits bort kan du anta att objektet inte är mycket korrelerat med de andra objekten., Omvänt, om tillförlitlighetskoefficienten minskar, kan du anta att objektet är mycket korrelerat med de andra föremålen.
exempel 2: Beräkna Cronbachs alfa för undersökningen i Exempel 1, där en fråga tas bort.
de nödvändiga beräkningarna visas i Figur 3.
Figur 3 – Cronbachs Alfa till exempel 2
var och en av kolumnerna B genom L representerar testet med en fråga borttagen., Kolumn B motsvarar fråga #1, kolumn C motsvarar fråga #2, etc. Figur 4 visar formlerna som motsvarar fråga # 1( dvs. kolumn B); formlerna för de andra frågorna är likartade. Några av referenserna är till celler som visas i Figur 1.
Figur 4 – Nyckelformler för kalkylblad i Figur 3
som framgår av Figur 3 ändrar utelämnandet av en enskild fråga inte Cronbachs alfa mycket. Avlägsnandet av Q8 påverkar resultatet mest.,
Observation: ett annat sätt att beräkna Cronbachs alfa är att använda tvåfaktorn ANOVA utan Replikeringsdataanalysverktyg på rådata och notera att:
exempel 3: Beräkna Cronbachs Alfa till exempel 1 med ANOVA.
vi börjar med att köra Excels Anova: två faktor utan Replikeringsdataanalysverktyg med hjälp av data i intervallet B4:L15 i kalkylbladet som visas i Figur 1.,
Figur 5 – beräkning av Cronbachs Alfa med ANOVA
som du kan se från Figur 5 är Cronbachs alfa .73802, samma värde beräknat i Figur 1.
Observation: Alternativt kan vi använda verktyget real Statistics Two Factor ANOVA data analysis tool och ställa in antalet rader per prov till 1. Vi kan också få samma resultat med hjälp av de verkliga statistikfunktionerna som beskrivs i Real Statistics Support för Cronbachs Alfa.