FunnyTools

研究統計 指南

Cronbach’s Alpha 怎麼看？α=.70、刪題、負值與信度完整解讀

α 是內部一致性指標，不是量表『有效率』，更不是單向度證明。用這篇把常見門檻、SPSS 輸出與刪題判斷一次釐清。

更新日期:

如果你正在做問卷研究、碩士論文或量表分析，很可能會看到：

Cronbach’s α = .82

然後立刻問：

「超過 .70，所以信度合格了嗎？」

這個問法很常見，但也容易把 Cronbach’s Alpha 過度簡化成單一及格線。

速答：Cronbach’s Alpha 怎麼看？
Cronbach’s Alpha（α）是常見的內部一致性指標，反映一組題目在目前樣本中共同變動的程度。α 越高通常表示題目之間的一致性越高，但 α 高不代表量表一定單向度、有效或沒有重複題。.70 常被當作粗略參考，但不是所有研究都必須跨過的絕對及格線。正式解讀還要一起看題目內容、題數、item-total correlation、alpha if item deleted、因素結構與量表用途。

一、Cronbach’s Alpha 到底在衡量什麼？

假設你設計 6 題「學習投入量表」。理論上，這 6 題都在反映相近的構念。

如果一個學生在第 1、2、3 題都傾向高分，但第 4、5、6 題的反應完全無規律，整體內部一致性可能不高。Cronbach’s Alpha 就是在摘要：

這組題目作為一個總分時，彼此是否具有足夠一致的共同變動。

FunnyTools 已有 Cronbach’s Alpha 計算器，可以把「每列一位受試者、每欄一個題目」的數值矩陣貼入，直接計算 α。

二、Alpha 的公式在說什麼？

常見公式：

α = k/(k − 1) × [1 − ΣVar(Xᵢ) / Var(T)]

其中：

  • k：題目數；
  • Var(Xᵢ)：各題變異數；
  • Var(T)：總分變異數。

不需要手算也能理解核心：如果題目之間能共同區分受試者，總分變異通常會相對大，α 可能上升；如果題目互相不一致，甚至彼此反向，α 可能下降或出現負值。

三、α = .70 一定算「合格」嗎？

不應把 .70 當成跨領域自然定律。

研究裡常見的粗略口訣，例如：

Alpha 常見非正式描述
< .60 可能偏低，需進一步檢查
.60–.69 有時被稱為可疑或偏低
.70–.79 常被視為可接受範圍
.80–.89 常被視為良好
≥ .90 很高，但也要檢查題目是否過度重複

這種表格只能作為「初步溝通」。真正判斷要問：

  • 量表是探索性研究還是高風險決策？
  • 有幾題？
  • 構念本來是窄還是廣？
  • 受試者族群是否同質？
  • 題目是否高度重複？
  • 是否有可靠度信賴區間？
  • 是否更適合報 omega？

同一個 α=.68，在一個只有 4 題的初步探索量表，和一個用來做重要個別決策的 30 題測驗，意義完全不同。

四、Alpha 高就代表量表是單向度嗎？

不代表。

這是最重要的誤解之一。兩個不同但高度相關的構念混在一起，整體 α 仍可能很高。

例如：

  • 5 題「考試焦慮」；
  • 5 題「學習壓力」。

如果兩者高度相關，把 10 題全部放一起計算 α，可能得到 .91。但 .91 不能證明「這 10 題只有一個因素」。若研究問題涉及量表結構，應進一步進行 EFA、CFA 或其他測量模型分析。

五、Alpha 高也不代表量表「有效」

信度和效度不是同一件事。

一把體重計如果每次都多顯示 5 公斤，重複測量可能非常一致，但測得不準。同理：

高內部一致性 ≠ 測到正確構念。

效度還要考慮內容、內部結構、與其他變項的關係、反應歷程與使用結果的合理性。

所以不要寫：

「Cronbach’s α=.92，因此本量表具有高度效度。」

這是錯誤推論。

六、題目越多，Alpha 可能越高

Alpha 受到題目數影響。假設每題間平均相關程度差不多，增加更多相似題目，α 可能上升。

因此：

α=.95 不一定表示量表特別好，也可能代表題目大量重複。

例如「我喜歡這堂課」「我很喜愛這堂課」「我對這堂課感到喜歡」可能把一致性拉高，卻沒有增加多少內容涵蓋。

七、Alpha 太低先不要急著刪題

如果 α=.58，常見第一反應是：「哪一題刪掉可以變 .70？」這種做法很危險。

先檢查：

  1. 反向題是否正確轉分；
  2. 是否有資料輸入錯誤；
  3. 題目量尺方向是否一致；
  4. 是否混入不同構念；
  5. 樣本是否非常同質；
  6. 題數是否很少；
  7. item-total correlations；
  8. 題目內容是否真的屬於這個分量表。

刪題應有內容理論與統計證據，不應只為了讓 α 變漂亮。

八、反向題沒轉分，Alpha 可能大幅下降

假設量尺是 1～5 分。

正向題：「我有信心完成作業。」
反向題：「我常覺得自己一定做不到。」

若第二題依量表規則需要反向計分，就要轉為：

新分數 = 6 − 原分數

因此 1→5、2→4、3→3、4→2、5→1。

如果忘記反向，該題可能和其他題呈負相關，α 可能大幅降低甚至變成負值。FunnyTools 計算器不會自動猜哪些題目要反向，必須依量表正式計分規則先處理。

九、Cronbach’s Alpha 為什麼會是負值？

Alpha 並不保證大於 0。負值通常是警訊，可能原因包括：

  • 反向題未反向；
  • 資料欄位錯位；
  • 題目彼此負相關；
  • 題目根本不應組成一個總分；
  • 極小樣本造成不穩定；
  • 編碼方向不一致。

若得到 α = −.24，不要只是寫「信度非常低」，更重要的是先查資料或量表結構是否出了問題。

十、Corrected Item-Total Correlation 怎麼看？

SPSS 常見 Corrected Item-Total Correlation，它是在看某一題與「其餘題目總分」的相關程度。

若某題 item-total correlation 很低、接近 0 或為負值，值得進一步檢查。但不要只靠固定 .30 門檻自動刪題，還要看：

  • 題目是否是構念的重要內容；
  • 是否反向題；
  • 是否有翻譯問題；
  • 是否屬不同子構念。

十一、Alpha if Item Deleted 是什麼？

SPSS 會顯示 Cronbach's Alpha if Item Deleted，意思是：如果刪掉這一題，剩下題目的 α 會是多少？

例如整體 α=.78：

題目 Alpha if item deleted
Q1 .74
Q2 .76
Q3 .85
Q4 .75

Q3 刪掉後 α 從 .78 升到 .85，表示 Q3 可能和其餘題目一致性較差。但還不能直接刪除，應再查題意、反向計分、item-total correlation、因素負荷與理論必要性。

十二、Alpha if Item Deleted 變高就一定刪嗎？

不一定。

假設量表要測「教師科技焦慮」三個面向：操作焦慮、評量焦慮、隱私焦慮。某個隱私題和其他題相關較弱，刪掉後 α 變高；但如果刪除後整個「隱私」面向消失，內容效度可能反而變差。

不能為了提高信度係數而犧牲構念內容。

十三、SPSS Reliability Analysis 應該看哪些表？

最基本依序看：

  1. Case Processing Summary：有效樣本與 missing。
  2. Reliability Statistics：Cronbach’s Alpha 與 N of Items。
  3. Item Statistics：各題 Mean、SD。
  4. Item-Total Statistics：Corrected Item-Total Correlation、Alpha if Item Deleted。
  5. 必要時再看 inter-item correlation matrix 與 scale statistics。

十四、Alpha=.95 是不是越高越好？

未必。極高 α 可能代表題目真的高度一致，也可能代表題目冗餘。若 20 題都只是同一句話改字，α 可能非常高，但量表效率和內容廣度很差。

十五、樣本不同，Alpha 也可能不同

Cronbach’s Alpha 是某個量表版本在某個樣本中的可靠度估計，不是量表永久不變的身分證。

同一份量表可能：

  • 大學生 α=.88；
  • 國中生 α=.73；
  • 另一族群 α=.81。

所以如果你有自己的研究資料，通常仍應報告本樣本的 reliability estimate，而不是直接照抄原量表 α。

十六、標準化 Alpha 和一般 Alpha 有什麼差別？

一般 alpha 使用 covariance；standardized alpha 可理解為先標準化題目、以 correlation 結構計算。若題目尺度與變異相近，兩者常差不多；若題目變異差異大，可能出現差距。

FunnyTools 目前計算的是以樣本變異數為基礎的未標準化 α。

十七、Alpha 和 McDonald’s Omega 要選哪個？

Alpha 很常見，但有模型假設。Omega 在許多心理計量情境可提供不同、常更合理的可靠度估計，尤其當題目負荷不相等時。

比較好的原則是：

  • 依測量模型選擇；
  • 不要只因為大家都報 α 就停止思考；
  • 重要研究可同時提供 α、ω 與 CI；
  • 先確認量表結構。

十八、Alpha 可以拿來做二分題嗎？

可以。對 0/1 二分題，在特定條件下 coefficient alpha 與 KR-20 具有等價關係。但若是測驗題目，還要考慮難度、鑑別度、測驗長度與單向度，不能只用 α 完成所有品質判斷。

十九、完整研究例子

研究者編製 8 題「AI 學習焦慮量表」，N=220。

SPSS 結果：

  • α=.84；
  • Q6 corrected item-total r=.12；
  • Q6 alpha if deleted=.87。

正確流程不是直接刪 Q6，而是：

  1. 檢查 Q6 是否為反向題；
  2. 核對轉分；
  3. 看 Q6 是否屬另一因素；
  4. 檢查內容是否為不可缺的重要面向；
  5. 再決定修題、刪題或拆分量表。

二十、論文結果段落可以怎麼寫？

簡潔版

本研究量表共 8 題，在本研究樣本中的 Cronbach’s α 為 .84，顯示題目具有一定程度的內部一致性。

更完整版

本研究以 220 名受試者檢驗 8 題量表之內部一致性，Cronbach’s α=.84。各題 corrected item-total correlations 為 .41–.68，未發現刪除單一題目後 α 有實質提升，因此保留原 8 題進行後續分析。

二十一、常見錯誤

  • α>.70，所以量表有效。 → 信度不等於效度。
  • α=.95，所以量表一定非常優秀。 → 可能有題目冗餘。
  • 刪掉某題 α 會上升，所以一定刪。 → 還要看內容與因素結構。
  • 原量表 α=.90，所以我這批樣本也寫 .90。 → 可靠度與樣本有關。
  • 忘記處理反向題。 → 常造成異常 alpha。

二十二、常見問題 FAQ

Cronbach’s Alpha 多少才算好？

沒有跨所有研究的固定值。.70 常被當粗略參考，但用途、題數、構念與後果都會影響判斷。

Alpha 低於 .70 就不能用嗎？

不能直接這樣下結論。需要看探索階段、題數、內容、CI、因素結構與量表用途。

Alpha 超過 .90 要擔心嗎？

不是一定有問題，但可以檢查題目是否過度重複。

Alpha 是負的怎麼辦？

先查反向題、資料編碼與 inter-item correlations，不要直接把負值當成一般的「低信度」。

Alpha if item deleted 比整體高就刪題嗎？

不一定。它只是診斷資訊，不是自動刪題規則。

Cronbach Alpha 能證明單向度嗎？

不能。單向度應用因素分析或其他測量模型檢查。

FunnyTools 會自動反向計分嗎？

不會。使用者必須先依量表計分鍵完成反向題轉分，再貼入數值矩陣。

二十三、快速檢查流程

  1. 檢查資料輸入。
  2. 檢查反向題。
  3. 確認題目屬同一預定分數。
  4. 計算 α。
  5. 看 item-total correlations。
  6. 看 alpha if item deleted。
  7. 檢查因素結構。
  8. 依理論與統計共同決定是否修題。
  9. 在自己的樣本中報告可靠度。
  10. 不要把 α 當效度。

二十四、延伸閱讀

下一步

已經整理好問卷原始資料？

把「每列一位受試者、每欄一個題目」的純數值資料貼進 FunnyTools Cronbach’s Alpha 計算器。先完成反向題轉分、刪除姓名與識別資訊，再計算 α。

重點速記

重點：Cronbach’s α 高，不代表 3 件事

  1. 不代表量表一定單向度
  2. 不代表量表一定有效
  3. 不代表題目沒有重複

參考資料

  • IBM SPSS Statistics Reliability Analysis 文件。
  • FunnyTools Cronbach’s Alpha 計算器。
  • 心理計量學中 coefficient alpha、omega 與內部一致性之通用方法原則。

本頁為研究與量表分析教學用途。正式量表建立與心理計量驗證應依研究設計、樣本、因素結構與領域規範進行。