克隆巴赫α係數主要用於評估內部一致性信度，若對信度還不夠了解，請點擊查看
信度的基本知識→（信度----只有「調查問卷」需要報告信度嗎？）。
量表信度的檢驗→（特殊問卷-量表「信度」的檢驗（SPSS：克隆巴赫α信度係數））
本文重點：↓↓↓↓
建立量表或評價指標體系初期，需要通過篩選指標、優化指標體系，以提高數據的信度，同時還可以使調查或實驗測試更容易實施。SPSS中就提供了根據克隆巴赫α係數篩選指標的方法。
案例：
以量表中某個分量表的建立為例，最初納入了A1-A6共6個
指標（SPSS中為「項」）。3）「描述」裡勾選「擅長項後的標度」；「摘要」裡勾選「相關性」。
圖5 首先給出了克隆巴赫α信度係數，為0.813。還給出了「基於標準化項的克隆巴赫Alpha」，該係數是通過斯皮爾曼-布朗（Spearman-Brown）公式矯正而來的。rk為基於標準化項的克隆巴赫α信度係數，k為指標的個數也就是6，r為所有指標兩兩間相關係數的均值，也就是圖5「摘要項統計」中的0.427。分量表6個題目都是圍繞同一個內容實施的（比如都是在問「你對女朋友的喜歡程度」），因此，彼此間的應當具有較高的相關性。但是「摘要項統計」顯示，指標間相關係數的最小值為0.099，非常低。說明需要刪除部分指標，提高數據的信度。圖6對於篩選指標非常重要，表示的是若刪除了某個指標，刪除後的情況。主要觀察最後的三列。「修正後的項與總計相關性」描述的是刪除的指標與其他指標和的Pearson積差相關係數。比如：A1與A2-A6和的積差相關係數為0.661。也可以稱為「題總相關」。與前面分析的思路一樣，相關係數越高，則說明該指標與要調查的內容一致性越高，該指標越有必要保留。反之，則需要刪除。「平方多重相關性」是該指標與其餘指標的「復相關係數」。也就是以該指標為因變量，以其餘指標為自變量進行線性回歸分析所得的決定係數。同樣，決定係數越大，說明該指標越有必要保留。最重要的結果是「刪除項後的克隆巴赫Alpha」，指刪除該指標後克隆巴赫α係數的變化。刪除後如果係數變大，說明有必要刪除；刪除後如果係數變小，說明不能刪除。結合圖6的最後三行，「修正後的項與總計相關性」與「平方多重相關性」最小的指標都是A6，分別為0.216和0.103；同時「刪除項後的克隆巴赫Alpha」顯示，如果刪除A6，克隆巴赫α係數為0.861，比目前的克隆巴赫α係數（0.813）提高較多，而且是刪除後係數能提高的唯一一個指標（其餘指標對應的係數都小於0.8）。綜上考慮，有必要刪除A6，重新計算指標的信度。
SPSS操作：圖3中把A1-A5選入右側「項」列表，不選A6。其餘操作同第1次。圖7顯示，刪除A6後克隆巴赫α係數為0.861，比第1次的0.913得到明顯提高。而且，指標間的相關性（也就是項間相關性）的平均值、最小值都有明顯提升。總體上說明，刪除A6後，信度得到了明顯提高。圖8顯示，刪除指標後只有A5的克隆巴赫α係數會小幅提高，此時可以結合專業知識考慮是否有必要進一步優化指標體系，如果有必要，可以嘗試刪除A5。
小結：
以上的分析能夠為我們篩選指標、優化指標體系提供統計學支持，但是在科研實踐中還要注意：1）篩選指標的方法有很多種，可以綜合考慮選擇最符合自己分析需求的方法；2）是否需要刪除某個指標，不只要看刪除後信度會不會提高，還要結合專業知識去綜合分析。如果脫離專業知識，只依賴統計學去篩選指標或從事其他科研活動，很容易得出無法解釋的結果。