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 = 0.50–0.70: fragwürdig.
- α = 0.70–0.80: akzeptabel.
- α = 0.80–0.90: 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.