📚 深度解析：量表信度分析（Cronbach α）
💡 常見使用場景
- 預調查階段判斷自編量表的條目能否穩定測量同一概念，決定是否需要刪題或補充條目。
- 正式施測前把現有量表跑一遍，確認其在本次樣本上仍具備可接受的內部一致性。
- 對問卷的各維度分別計算，逐個維度檢查是否都達到可接受的 α 水平。
五條目量表試測
6 名被試、5 個條目，條目方差合計 3.50，總分方差 13.56。α = 5 ÷ 4 × (1 − 3.50 ÷ 13.56) = 1.25 × 0.7418 = 0.927，判為「信度優秀」。
α 偏低的修題思路
若算得 α = 0.58，常見原因是某個條目與其他條目方向相反或未反向計分。先把反向題目統一方向再重算；仍偏低則需要刪去與其他條目相關很弱的題目，或補充同義條目以提高條目間的共變。
條目數對 α 的影響
α 隨條目數增加而升高，8 個條目的量表往往比 3 個條目的更容易達到 0.80。因此在短量表中 α 略低（如 0.65）並不必然不可用，報告時應同時寫明條目數，便於讀者判斷。
❓ 常見問題（FAQ）
- α 達到多少可以接受？
- 學界常用門檻是 0.70 以上可接受，0.80 以上良好，0.90 以上優秀；探索性研究或條目很少時 0.60 也可勉強使用。α 過高（如超過 0.95）反而提示條目冗餘，可能存在幾乎重複表述的題目。
- α 高就說明量表有效嗎？
- 不能。α 只反映條目之間的一致性，屬於信度，不證明量表測到了構念。效度需要另外的內容效度、結構效度（如因子分析）與效標關聯效度證據來支撐。
- 資料錄進去報錯怎麼辦？
- 要求每行一名被試、每行列數相同且至少 2 列。若某行列數與首行不一致，工具會提示並拒絕計算；缺測建議先按量表手冊處理（如序列均值替換或整份剔除），不要留空。