Cronbachs Alpha berechnen und interpretieren
Cronbachs Alpha, Reliabilität messen
Cronbachs Alpha ist das mit Abstand häufigste Maß für die Reliabilität einer Skala. Es sagt: Wie konsistent messen die Items einer Skala dasselbe Konstrukt? Bei einer empirischen Bachelorarbeit gehört Cronbachs Alpha zur Standardberichterstattung im Methodik- oder Ergebnisteil. Wir zeigen dir die Berechnung in SPSS und R sowie die Interpretation.
Was misst Cronbachs Alpha?
Die interne Konsistenz einer Skala, also wie sehr die Items eines Tests miteinander zusammenhängen. Hohe Alpha-Werte bedeuten: Die Items messen alle dasselbe Konstrukt, die Skala ist intern konsistent.
Werte interpretieren
- α < 0.50: nicht akzeptabel, die Items messen nicht dasselbe.
- α = 0.50 bis 0.70: fragwürdig.
- α = 0.70 bis 0.80: akzeptabel.
- α = 0.80 bis 0.90: gut.
- α > 0.90: sehr gut, ggf. zu hoch (Items könnten redundant sein).
SPSS: Cronbachs Alpha berechnen
- Analysieren → Skala → Reliabilitätsanalyse.
- Items der Skala in das Feld ziehen.
- Modell „Alpha" wählen.
- Bei Statistiken: „Skala bei Itemausschluss" ankreuzen, zeigt, wie sich Alpha ändern würde, wenn ein bestimmtes Item entfernt wird.
- OK klicken.
R: Cronbachs Alpha mit psych-Paket
library(psych)
alpha(daten[, c("item1", "item2", "item3", "item4", "item5")])
# Output: raw_alpha (Cronbachs Alpha), std.alpha (standardisiert), alpha if item dropped
Items mit niedrigem Beitrag
SPSS und R zeigen pro Item: Was wäre Alpha, wenn dieses Item entfernt wird? Wenn das Entfernen eines Items Alpha deutlich erhöht, könnte das Item das Konstrukt nicht gut messen. Vorsicht: Items nicht vorschnell entfernen, nur wenn auch theoretisch begründet.
Bericht in der Arbeit
„Die Reliabilität der Hauptskala wurde mit Cronbachs Alpha geprüft und liegt mit α = 0.84 im guten Bereich. Alle Items trugen positiv zur internen Konsistenz bei."
Item-Reverse-Scoring
Wenn deine Skala umgekehrte Items enthält („Lernen macht keinen Spaß"), musst du sie vor der Alpha-Berechnung umpolen (recodieren). Sonst wird Alpha künstlich gedrückt. SPSS und R machen das nicht automatisch.
Häufige Fehler
- Reverse-Items nicht umgepolt, Alpha künstlich niedrig.
- Alpha bei einer Skala mit nur 2 Items berechnet, wenig aussagekräftig.
- Items vorschnell entfernt, nur weil Alpha steigt.
- α > 0.95 als „besonders gut" interpretiert, kann auf Redundanz deuten.
Mehr typische Stolperfallen findest du in unserem Beitrag zu häufigen Fehlern in Bachelorarbeit und Masterarbeit. Im Lektorat wird die formale Berichtsweise von Reliabilitätswerten geprüft.