Cronbachs Alpha berechnen und interpretieren
Wenn du mit Fragebogenskalen arbeitest, erwartet fast jeder Betruer einen Reliabilitätsnachweis. Cronbachs Alpha ist dafür der Standard und zugleich einer der am häufigsten überinterpretierten Kennwerte.
Was Cronbachs Alpha misst
Alpha ist ein Maß für die interne Konsistenz: Wie stark hängen die Items einer Skala untereinander zusammen? Die Idee dahinter ist, dass Items, die dasselbe Konstrukt messen, ähnlich beantwortet werden sollten. Alpha misst nicht, ob deine Skala das misst, was sie messen soll. Das ist Validität und eine ganz andere Frage. Eine Skala kann perfekt konsistent und trotzdem inhaltlich am Ziel vorbei sein.
In SPSS berechnen
Analysieren → Skala → Reliabilitätsanalyse. Alle Items der Skala in das Feld ziehen, Modell „Alpha". Unter Statistiken zusätzlich „Skala, wenn Item gelöscht" aktivieren – dieser Block ist der eigentlich nützliche Teil der Ausgabe.
Wichtig vorher: Invertierte Items müssen umkodiert sein. Ein negatives oder sehr niedriges Alpha ist fast immer darauf zurückzuführen.
Ab wann reicht der Wert?
Die verbreiteten Konventionen lauten in etwa:
Wert | Übliche Einordnung |
ab .90 | sehr hoch, unter Umständen redundant |
.80 bis .89 | gut |
.70 bis .79 | akzeptabel |
.60 bis .69 | fragwürdig, in explorativen Arbeiten teils toleriert |
unter .60 | unzureichend |
Diese Grenzen sind Konventionen, keine Naturgesetze. Zwei Einschränkungen solltest du kennen:
Alpha hängt von der Itemzahl ab. Eine Skala mit 20 Items erreicht fast automatisch ein hohes Alpha, auch wenn die Items nur schwach zusammenhängen. Umgekehrt ist ein Alpha von .65 bei drei Items nicht dasselbe wie bei fünfzehn.
Sehr hohe Werte sind kein reiner Gewinn. Ab etwa .95 fragen die Items häufig dasselbe in leicht anderer Formulierung. Für die Breite des Konstrukts ist das ein Nachteil.
Wenn Alpha zu niedrig ist
Drei Ursachen decken die meisten Fälle ab.
1. Vergessene Umkodierung. Prüf die Item-Skala-Korrelationen im SPSS-Output. Ein negativer Wert bei einem Item ist das eindeutige Signal.
2. Ein Item passt inhaltlich nicht. Die Spalte „Cronbachs Alpha, wenn Item weggelassen" zeigt, wie sich der Wert ohne das jeweilige Item verändern würde. Steigt er dort deutlich, ist das Item ein Kandidat für den Ausschluss.
3. Die Skala ist mehrdimensional. Wenn die Items zwei verschiedene Facetten messen, wird Alpha über alle gemeinsam niedrig, obwohl beide Teilskalen für sich konsistent sind. Eine Faktorenanalyse macht das sichtbar.
Darf ich Items ausschließen?
Ja, aber nicht beliebig. Zulässig ist es, wenn du es inhaltlich begründen kannst und offen berichtest. Nicht zulässig ist es, so lange Items zu entfernen, bis der Wert schön aussieht. Bei einer etablierten, publizierten Skala ist Zurückhaltung angebracht: Wer Items einer validierten Skala entfernt, kann ihre Vergleichbarkeit mit anderen Studien nicht mehr beanspruchen. Manchmal ist die ehrlichere Lösung, das niedrige Alpha zu berichten und in den Limitationen einzuordnen.
So berichtest du es
Kurz, im Methoden- oder Ergebnisteil:
Die interne Konsistenz der Skala zur Arbeitszufriedenheit lag bei α = .84.
Bei mehreren Skalen zusammengefasst:
Die internen Konsistenzen lagen zwischen α = .76 und α = .89.
Nach einem Itemausschluss:
Item 4 wies eine negative Trennschärfe auf und wurde inhaltlich als nicht passend eingestuft. Nach Ausschluss stieg die interne Konsistenz von α = .61 auf α = .78.
Formal: α ist ein griechischer Buchstabe und wird nicht kursiv gesetzt, und es wird ohne führende Null berichtet. Weitere Details unter APA-7-Fehler im Ergebnisteil.
McDonalds Omega als Alternative
Alpha setzt voraus, dass alle Items das Konstrukt gleich gut erfassen, eine Annahme, die selten erfüllt ist. McDonalds Omega kommt ohne sie aus und wird methodisch zunehmend empfohlen. In JASP und in R ist es mit wenig Aufwand verfügbar, in SPSS erst in neueren Versionen. Für eine Bachelorarbeit ist Alpha weiterhin völlig üblich. Für Dissertationen und Veröffentlichungen kann sich auch in Blick auf Omega lohnen.
Häufige Fragen
Wie viele Items braucht eine Skala mindestens? Rechnerisch gehen zwei, sinnvoll sind mindestens drei bis vier. Bei zwei Items ist eine Korrelation aussagekräftiger.
Muss ich Alpha für jede Skala berichten? Für jede, die du zu einem Score zusammenfasst und in Hypothesentests verwendest. Für Einzelitems gibt es keine interne Konsistenz.
Kann ich Alpha für dichotome Items verwenden? Ja, dort entspricht es dem Kuder-Richardson-Koeffizienten KR-20.
Skalen prüfen lassen Reliabilitätsprüfung, Umkodierung und Skalenbildung gehören bei uns zur statistischen Auswertung dazu, nicht als Zusatzposten.
