Trennschärfe .18 für Item 7, streichen oder behalten, so entscheidest du in der SPSS-Itemanalyse
Item 7 kommt in der SPSS-Ausgabe auf eine Trennschärfe von .18, der Rat im Forum lautet „streichen“. Wer seinen Fragebogen in SPSS auswertet, steht früher oder später vor dieser Entscheidung. Sie ist aber keine Rechenaufgabe, denn ein niedriger Wert sagt nur, dass etwas auffällt. Warum das Item auffällt, musst du selbst klären.
Was die Trennschärfe eines Items aussagt
Die Trennschärfe ist die Korrelation eines Items mit der Summe der übrigen Items. Das Item selbst wird dabei herausgerechnet, deshalb heißt die Spalte in SPSS „Korrigierte Item-Skala-Korrelation“. Der Wert liegt zwischen −1 und 1. Ein hoher Wert bedeutet, dass Personen mit hohem Gesamtwert auch dieses Item eher hoch beantworten. Davon zu trennen ist die Schwierigkeit, die beschreibt, wie stark einem Item insgesamt zugestimmt wird.
Die Tabelle 1 zeigt eine Reliabilitätsanalyse mit erfundenen Werten für acht Items und 126 Personen, Cronbachs α beträgt .80:
Item | M | SD | Trennschärfe | α ohne das Item |
1 | 3.13 | 1.01 | .55 | .77 |
2 | 3.20 | 0.93 | .63 | .76 |
3 | 3.21 | 0.85 | .51 | .77 |
4 | 3.03 | 1.00 | .58 | .76 |
5 | 3.09 | 0.93 | .56 | .77 |
6 | 2.98 | 1.12 | .60 | .76 |
7 | 3.07 | 0.92 | .18 | .82 |
8 | 3.10 | 1.06 | .45 | .78 |
Item 7 fällt doppelt auf, denn die Trennschärfe ist niedrig und Cronbachs Alpha würde ohne das Item von .80 auf .82 steigen. Mittelwert und Streuung sind dagegen unauffällig. Wer solche Kennwerte im Anhang als Tabelle zeigt, findet Word-Vorlagen nach APA 7 im Tabellen-Kit.
Ab welchem Wert ist die Trennschärfe zu niedrig?
Eine feste Grenze gibt es nicht, häufig werden Untergrenzen von .30 oder .40 genannt. So steht es etwa bei Hartig und Jude, die zugleich betonen, dass es anders als beim Hypothesentest keine klaren Regeln gibt. Auch in Lehrmaterial wie bei Schwarz (2012) läuft .30 ausdrücklich als Faustregel. Die Tabelle 2 ordnet die Bereiche ein und ist als Orientierung gedacht:
Trennschärfe | Lesart | Nächster Schritt |
negativ | Item läuft gegen die Skala | Umkodierung prüfen |
unter .30 | schwacher Bezug zur Skala | Inhalt und Formulierung ansehen |
.30 bis .40 | oft noch vertretbar | im Zusammenhang mit der Skala beurteilen |
über .40 | in der Regel unauffällig | keine Maßnahme nötig |
Ein negativer Wert hat oft eine banale Ursache, denn ein negativ formuliertes Item wurde nicht umgepolt. Das prüfst du zuerst, bevor du inhaltlich nachdenkst.
Hohe Werte sind nicht automatisch ein Gewinn. Liegen einzelne Trennschärfen sehr hoch, fragen mehrere Items womöglich fast dasselbe ab. Das treibt Alpha nach oben, ohne dass die Skala mehr Inhalt erfasst. Auch die Schwierigkeit spielt hinein, denn ein Item, dem fast alle zustimmen, streut kaum und kann deshalb nur schwach mit dem Rest korrelieren. Schau dir bei einem auffälligen Wert immer auch Mittelwert und Streuung an, bevor du urteilst. Im Beispiel scheidet diese Erklärung aus, weil Item 7 normal streut.
Drei Gründe gegen das automatische Streichen
Der Inhalt zählt. Ein Item kann eine Facette des Konstrukts abdecken, die sonst fehlt. Fällt es weg, misst die Skala etwas Engeres, auch wenn Alpha steigt.
Bewährte Skalen sind kein Baukasten. Eine validierte Skala wurde als Ganzes geprüft. Kürzt du sie, gelten Normwerte und Vergleiche mit anderen Studien nur noch eingeschränkt.
Kennwerte schwanken. Bei 126 Personen ist auch eine Trennschärfe mit Unsicherheit behaftet. Ein Item, das in deiner Stichprobe auffällt, muss in der nächsten nicht auffallen.
Dazu kommt, dass der Gewinn oft klein ist. Im Beispiel steigt Alpha um .02. Ob das den Eingriff rechtfertigt, ist eine inhaltliche Frage. Alpha selbst ist außerdem nicht das einzige Maß, wie der Vergleich mit McDonald’s Omega zeigt. Bei einer selbst entwickelten Skala kannst du freier entscheiden. Dort gehört die Itemauswahl sogar zur Konstruktion, oft ergänzt durch eine explorative Faktorenanalyse. Auch die Frage, wie du Likert-Items zusammenfasst, hängt daran.
Ob Item 7 in deiner Skala bleiben sollte, klären wir gern im Rahmen deiner SPSS-Auswertung.
Was du im Ergebnisteil angibst
Berichte die Reliabilität und die Spannweite der Trennschärfen. Hast du ein Item entfernt, nenne es samt Begründung und gib beide Alpha-Werte an. Das Vorgehen beschreibst du im Methodenteil. Mit den erfundenen Werten könnte der Bericht so aussehen:
Die Skala wies über alle acht Items eine interne Konsistenz von α = .80 auf. Die korrigierten Trennschärfen lagen zwischen .18 und .63.
Lege möglichst vor der Hauptanalyse fest, nach welchen Kriterien du Items entfernst. Wer erst streicht, nachdem er die Ergebnisse der Hypothesentests gesehen hat, bringt sich in Erklärungsnot. Prüfe auch, ob das Streichen deine Skala für die spätere Rechnung verändert, denn nach dem Entfernen ändern sich alle Trennschärfen.
Was Studierende zur Trennschärfe oft fragen
Muss ich ein Item mit negativer Trennschärfe löschen?
Nicht sofort. Prüfe zuerst, ob es umkodiert werden muss. Bleibt der Wert danach negativ, solltest du dir Formulierung und Daten genauer ansehen.
Wann rechne ich die Trennschärfe neu?
Nach jeder Änderung der Skala, denn jeder Wert hängt von allen übrigen Items ab. Entferne deshalb nie mehrere Items in einem Schritt, ohne neu zu rechnen.
Lohnt sich Hilfe bei einer einzelnen Skala?
Das hängt davon ab, wie viel an der Entscheidung hängt. Der Aufwand richtet sich nach Umfang und Datenlage, eine Orientierung gibt die Seite Preise und Ablauf.
Darf ich bei einer validierten Skala überhaupt streichen?
Das ist möglich, muss aber begründet werden. Sprich das mit deiner Betreuung ab und berichte zur Sicherheit auch das Ergebnis mit der vollständigen Skala.
Wenn die Rückfrage zu Item 7 kommt Du kannst uns die Auswertung deines Fragebogens übergeben, wir rechnen sie als SPSS-Auswertung und begründen jede Entscheidung mit dir. Oder du rechnest selbst und wir begleiten dich im Statistik-Coaching. Wie das abläuft, steht unter Preise und Ablauf. Brauchst du Item 7 für deine eigene Hypothese?


