在問卷研究中，信效度分析總是不可避免的環節之一，那麼如何做一個更規範、有效的信度分析呢？今天我們就來講一講克隆巴赫係數（Cronbch's α）的SPSS分析過程。
信度（Reliability）是指測驗結果的一致性程度或可靠性程度，最早由斯皮爾曼(Spearman)於1904年將其引入心理測量。根據所關心的重點不同，信度可分為內在和外在信度兩類。
內在信度是指調查表中的一組問題是否測量的是同一個概念，也就是這些問題之間的內在一致性如何。最常用的內在信度指標為克朗巴哈係數和折半信度。
外在信度是指對於同一問卷不同時間對同一研究對象進行重複測量，其一致性程度，最常用分析方法是重測信度。
在實際研究中，很多事物或態度是不能直接被測量的，因此研究者們常設計一組題目來間接反映它們的真實情況（稱為維度或構面）。但由於一份問卷在調查研究中受到很多因素的影響，這些題目是否可以實現研究目的，需要我們通過統計手段進行進一步分析。檢驗問卷的信效度的目的就是為了確保測量的結果能夠真實反映預期目標、收集到的數據有分析價值。
克隆巴赫係數（Cronbch's α）指量表所有可能的項目劃分方法的得到的折半信度係數的平均值，它利用一個值介於0與1直接的測量系統來代表問卷的一致性，是目前最常用的信度測量的方法，最先被美國教育學家Lee Cronbach在1951年命名，具體的計算公式這裡不作贅述。
使用Cronbch's α進行信度分析有個前提要求，即變量是連續變量或有序分類變量。一般而言，只要問卷中包含量表題目，就需要對量表題做信度分析，而非量表題不需要做信度分析。
下面我們通過一個案例來給大家展示在SPSS做Cronbch's α信度分析的具體操作和需要報告的內容。
某研究者為測量學生的學習動力、自主性、學習熱情和自我約束，設計了一份問卷，共包含21個題目。每個題目都是根據Likert5級量表進行測量的，將「非常不同意」、「不同意」、「一般」、「同意」、「非常同意」分別賦值1分到5分。其中，題目SR1-SR6測量的是學生的自我約束。
在隨機調查了253位同學之後，該研究者擬使用Cronbch's α分析測量自我約束的6個題目的一致性（即自我約束維度的信度），部分研究數據如下：
3. 設置模型為「Alpha」。一般SPSS的默認設置為Alpha，若不是，應人為設置（需要進行其他信度分析是也可在此處修改）。
注釋：刻度標籤是在結果輸出的時候，給這一組一致性檢驗添加的標籤。如果我們需要同時進行多組檢驗，我們一般需要添加標籤以示區分。但在本研究中我們只檢驗自我約束一組變量的一致性，因此不需要添加標籤。
5.在「描述」中勾上 「項」，「標度」和「刪除項後的標度」；在「項之間」中勾上「相關性」
（三）結果解讀
1.整體結果
SPSS輸出的Cronbach's α檢驗結果包括很多。其中，第一個表格為「個案處理摘要」，如下：
從該表中可以看出，本研究共有253例有效數據（「有效」行），沒有缺失值（「排除」行），總樣本量為253例（「總計」行）。
本研究中測量學生自我約束的SR1-SR6（共6條，「項數」）條目的Cronbach's α係數值為0.937，說明這6個條目具有較高的內在一致性。
一般而言，條目的一致程度與測量內容有關，Cronbach's α係數值越大說明條目的內在一致性越強。既往研究認為，當Cronbach's α係數大於0.7時，就可以認為條目之間的一致性較好，但當Cronbach's α係數大於0.95時，說明條目之間可能存在相關程度過高的風險。
注釋：標準化Cronbach's α係數（「基於標準化項的克隆巴赫Alpha」欄）是指用方差為1標化所有條目後計算的Cronbach's α係數。
在本研究中，我們將每個條目分成Likert 5級，並分別給每個級別賦值。比如我們給「非常不同意」賦值為1，「非常同意」賦值為5。以SR1為例，該條目的平均值為3.78，標準差為0.908，個案數為253。由此可見，SR1的平均回答接近4，即「同意」。
匯總SR1-SR6共6個條目後，均值為21.99，方差為22.262，標準差為4.718，得到「標度統計」表格。當各條目例數一樣時，匯總後的平均值就等於各條目均值的直接加和。本研究就屬於這種情況。
項間相關性矩陣反映的是各條目之間相關性的大小，絕對值越接近1，說明相關性越強。
前兩欄（「刪除後的標度平均值」和「刪除後的標度方差」）分別是每當剔除一個條目後整個維度的均值和方差。仍以SR1舉例，如果剔除該條目，總條目的均值為18.21，剛好等於21.99-3.78，即未剔除該條目前的總均值與該條目均值的差。
「刪除後的克隆巴赫Alpha」 欄反映的是刪除某個條目之後，整體Cronbach's α係數的變化情況。可以看出，當剔除SR1條目後，整體Cronbach's α係數從原來的0.938變為0.932。再如，剔除SR2條目後，Cronbach's α係數從原來的0.938變為0.927。因此，這兩個條目都不應該刪除。一般而言，當某個條目「刪除後的Cronbach's α」大於原來的Cronbach's α時，我們才考慮將該條目刪除。在本研究中，各條目的「刪除後的Cronbach's α」均小於原來的Cronbach's α係數，說明沒有需要剔除的條目。
注釋：「刪除後的Cronbach's α」欄只標註每次剔除一個條目的情況。如果我們需要考慮同時剔除多個條目的情況，只能重複SPSS操作，逐步進行。
「修正後的項總計相關性」 欄中的數據是指每一個特定條目與其他條目匯總的Pearson相關係數。以SR1為例，條目SR1與條目SR1-6匯總結果的Pearson相關係數為0.752。一般來說，如果該指標小於0.3，我們就認為該條目與其他條目的相關性不強，可以剔除。在本研究中，「修正後的項總計相關性」欄的所有數值都大於0.3，即不需要剔除條目。
注釋：如果Pearson相關係數出現負值，可能是由於變量賦值的順序不同導致的。大家需要根據專業要求對變量重新賦值。
「平方多重相關性」（或多重相關性平方）欄顯示的是以某一個特定條目為因變量，其他條目為自變量進行回歸的擬合程度，即R2值。該指標認為，如果這些條目可以共同反映某一個潛在因素，他們之間一定可以互相解釋。
實際上，我們檢驗條目之間的一致性，就是希望條目的變異可以互相解釋。在本研究中，「平方多重相關性」欄中SR1的值為0.604，提示SR1 60.4%的變異能被SR2-6條目解釋。如果某個特定條目的「平方多重相關性」過低（低於0.3）時，我們可以考慮剔除該條目。
當然，是否應該剔除某個條目，應該綜合「刪除後的克隆巴赫Alpha」、 「修正後的項總計相關性」、「平方多重相關性」三個指標來決定。
一般而言，Cronbach's Alpha信度分析需要報告整體的Cronbach’s alpha係數和刪除後的Cronbach’s alpha，並將分析結果整理成如下表格。
參考文獻：
[1] 薛薇.統計分析與SPSS 的應用.[M]
[2] 張文彤. SPSS統計分析高級教程.[M]
人文社科類科研競賽
進入後臺回復「信度分析」獲取範例數據
喜歡就點個「在看」吧~