📚 深度解析：量表信度分析（Cronbach α）
💡 常见使用场景
- 预调查阶段判断自编量表的条目能否稳定测量同一概念，决定是否需要删题或补充条目。
- 正式施测前把现有量表跑一遍，确认其在本次样本上仍具备可接受的内部一致性。
- 对问卷的各维度分别计算，逐个维度检查是否都达到可接受的 α 水平。
五条目量表试测
6 名被试、5 个条目，条目方差合计 3.50，总分方差 13.56。α = 5 ÷ 4 × (1 − 3.50 ÷ 13.56) = 1.25 × 0.7418 = 0.927，判为「信度优秀」。
α 偏低的修题思路
若算得 α = 0.58，常见原因是某个条目与其他条目方向相反或未反向计分。先把反向题目统一方向再重算；仍偏低则需要删去与其他条目相关很弱的题目，或补充同义条目以提高条目间的共变。
条目数对 α 的影响
α 随条目数增加而升高，8 个条目的量表往往比 3 个条目的更容易达到 0.80。因此在短量表中 α 略低（如 0.65）并不必然不可用，报告时应同时写明条目数，便于读者判断。
❓ 常见问题（FAQ）
- α 达到多少可以接受？
- 学界常用门槛是 0.70 以上可接受，0.80 以上良好，0.90 以上优秀；探索性研究或条目很少时 0.60 也可勉强使用。α 过高（如超过 0.95）反而提示条目冗余，可能存在几乎重复表述的题目。
- α 高就说明量表有效吗？
- 不能。α 只反映条目之间的一致性，属于信度，不证明量表测到了构念。效度需要另外的内容效度、结构效度（如因子分析）与效标关联效度证据来支撑。
- 数据录进去报错怎么办？
- 要求每行一名被试、每行列数相同且至少 2 列。若某行列数与首行不一致，工具会提示并拒绝计算；缺测建议先按量表手册处理（如序列均值替换或整份剔除），不要留空。