1 Ziel von Cronbachs Alpha
Cronbachs Alpha ist ein Indikator für die Reliabilität eines durch Items abgebildeten Konstrukts. Solche Konstrukte kann man in z.B. Regressionen oder Mittelwertvergleichen verwenden. Beispielweise lässt sich persönliches Glück nicht mit dem Lineal oder der Waage messen. Es ist daher zwangsweise über Fragen zu erfassen.
Um dies zu erfragen, werden Probanden Aussagen präsentiert, denen sie zustimmen oder nicht. Solche Fragen können zum Beispiel sein: “Ich fühle mich im Vergleich mit meinen Mitmenschen glücklicher” oder “Ich habe in letzter Zeit nicht das Gefühl, dass ich unzufrieden mit meiner Gesamtsituation bin”. Diese Aussagen werden dann mittels 4, 5 oder 7-stufigen Skalen zwischen “trifft überhaupt nicht zu” und “trifft vollkommen zu” bewertet.
Die Zusammenfassung der verschiedenen Aussagen (=Items) zu einer Skala wird in der Folge vorgenommen. Allerdings muss vorher geprüft werden, ob eine interne Konsistenz zwischen diesen Items besteht. Dazu wird die Inter-Item-Korrelation mit Cronbachs Alpha in SPSS mit Hilfe von Varianz und Kovarianz berechnet – diese Arbeit nimmt einem SPSS allerdings ab. 😉 Cronbachs Alpha kann aber auch recht einfach in Excel berechnet werden.
2 Voraussetzungen von Cronbachs Alpha in SPSS
- Mindestens drei Items / beurteilte Aussagen – bei nur zwei Items Spearman-Brown-Koeffizienten
- Gleiche “Richtung” der Fragen, sodass ein “trifft vollkommen zu” immer die gleiche Bedeutung über die Fragen hat. Eine Umkodierung von Kontrollfragen kann notwendig sein.
- Gleiche Wertebereiche aller Items (z.B. 1-5) – wenn nicht, ist das standardisierte Cronbachs Alpha zu berechnen
- Nicht zu viele Items (Daumenregel maximal 6-8). Im Zweifel weitere Subskalen bilden.
3 Berechnung von Cronbachs Alpha in SPSS
Über das Menü in SPSS 27 oder früher: Analysieren > Skala > Reliabilitätsanalyse
Über das Menü ab SPSS 28: Analysieren > Metrisch > Reliabilitätsanalyse
1. Im folgenden Dialogfeld sind die entsprechenden Items auszuwählen. Im Beispiel habe ich drei Fragen zu Umweltthemen selektiert. Sie sollen das Konstrukt “Einstellung zur Umwelt” abbilden. Mit Cronbachs Alpha wird geprüft, wie gut dies gelingt. Dazu muss entsprechend bei “Modell” die Auswahl auf “Alpha” stehen.
2. Als Nächstes ist die Schaltfläche “Statistiken” aufzurufen. Hier verstecken sich zahlreiche Einstellungen, die wir nahezu alle ignorieren können. Lediglich “Skala wenn Item gelöscht” ist hier mit einem Haken zu versehen. Dies führt dazu, dass wir zusätzlich ein Cronbachs Alpha erhalten, wenn einzelne Items weggelassen werden. Das hilft bei der Entscheidung, ob wirklich alle Items notwendig sind.
Dieses und auch das vorherige Dialogfeld schließe ich mit “OK”.
SPSS berechnet Cronbachs Alpha. Man erhält dazu folgenden Output:
4 Interpretation von Cronbachs Alpha in SPSS
1. Die Zusammenfassung zur Fallverarbeitung braucht man nicht weiter beachten, gibt sie lediglich Aufschluss darüber, wie viele Fälle gültig (hier: 52) und ausgeschlossen (hier: 0) sind.
2. Die Tabelle Reliabilitätsstatistiken zeigt neben dem Wert für Cronbachs Alpha (hier: 0,832) auch die Anzahl an inkludierten Items (hier: 3). Die entscheidende Frage ist, was ist ein guter Wert für Cronbachs Alpha, damit eine hinreichende Reliabilität der Skala existiert. Je nach Disziplin und Fortschritt der Forschung gibt es hier unterschiedliche Richtwerte (vgl. Streiner (2003)) – also bitte vorher informieren!
Grobe Richtwerte sind die folgenden:- Werte <0,6: nicht akzeptabel
- 0,6 bis 0,7: akzeptabel, teilweise auch als fragwürdig klassifiziert
- 0,7 bis 0,8: gut, stellenweise auch nur als akzeptabel klassifiziert
- 0,8 bis 0,9: sehr gut
- >0,9 fragwürdig, da schon fast zu gut – Hinweis auf redundante Items
3. Ein Wert von Alpha=0,832 wie im Beispiel ist also schon ein sehr guter Wert. Die drei Items zeigen eine hinreichend hohe Inter-Item-Korrelation und bilden offensichtlich Umwelt sehr gut ab.
4. Schließlich sind noch abschließend die Item-Skala-Statistiken zu betrachten:
Hier wird geprüft, wie sich Cronbachs Alpha verändert, sollte ein Item gelöscht werden. Wird z.B. Umwelt1 gelöscht, sinkt Cronbachs Alpha (letzte Spalte) auf 0,739. Beim Löschen von Umwelt2 sinkt es auf 0,710. Beim Löschen von Umwelt3 steigt es allerdings auf 0,847. Hier könnte man nun überlegen, das Konstrukt nur aus Umwelt1 und Umwelt2 aufzubauen. Allerdings sollte man beachten, dass Skalen nicht nur aus zwei Items bestehen sollten bzw. generell eine Löschung erst nach inhaltlicher Diskussion erfolgen sollte. Kommt man zum Schluss, dass das Item evtl. nicht ganz passend ist, wird es für die Skalenbildung ausgeschlossen.
5. Trennschärfe: Die korrigierte Item-Skala-Korrelation gibt die Itemtrennschärfe an. Sie ist die Korrelation des jeweiligen Items mit der Skala bzw. dem Skalenmittelwert. Hier kann man gut erkennen, ob Items “schlechter” zur Skala passen. Zumeist ist ein niedrigerer Wert hier gleichbedeutend mit einem höheren Cronbachs Alpha, wenn dieses Item weggelassen wird.
6. Abschließende Hinweise:
- Cronbachs Alpha ist nicht geeignet, Skalen, die aus lediglich zwei Items bestehen, auf Reliabilität zu prüfen
- Ist euer Wert zu hoch (>0,9 bzw. 0,95), solltet ihr prüfen, ob ihr eventuell zwei Items habt, die sich so stark ähneln, dass sie das Gleiche messen
- Etwaige vorhandene Kontrollfragen müssen umgekehrt kodiert sein
- Zu lange Skalen, also Skalen mit vielen Items, blähen Cronbachs Alpha künstlich auf. Daumenregel, maximal 6-8 Items pro Skala.
5 Videotutorial
https://www.youtube.com/watch?v=DDAVZhTSf0w
6 Empfohlene Literatur
- Streiner, D. L. (2003): Starting at the Beginning: An Introduction to Coefficient Alpha and Internal Consistency, Journal of Personality Assessment, 80:1, S. 99-103
-
Hulin, C., Netemeyer, R., & Cudeck, R. (2001). Can a reliability coefficient be too high?. Journal of Consumer Psychology, S. 55-58.
Weitere nützliche Tutorials findest du auf meinem YouTube-Kanal