Cronbach's α 多少才算合格？

一般认为 α ≥ 0.7 为可接受，≥ 0.8 为良好，≥ 0.9 为优秀；探索性研究中 0.6 以上也可勉强接受。但 α 过高（>0.95）可能提示题项冗余。

Cronbach's α 和信度是一回事吗？

α 只是内部一致性信度的一种估计，反映题项间的相关程度，并不等同于重测信度或折半信度。它衡量的是同一维度题项测量同一构念的一致性。

α 系数偏低怎么办？

可查看「删除该项后的 α」，剔除与总分相关过低（校正项总相关 < 0.3）的题项；也应检查是否存在多维结构或反向计分未转换的问题。

题目数量会影响 Cronbach's α 吗？

会。在其他条件相同时，题项越多 α 往往越高，因此少量题项即使一致性不错 α 也可能偏低，不能仅凭题少就否定量表。

问卷/心理

信度检验：Cronbach's α 怎么做、怎么写进论文

Q: 题目数量会影响 Cronbach's α 吗？

会。在其他条件相同时，题项越多 α 往往越高，因此少量题项即使一致性不错 α 也可能偏低，不能仅凭题少就否定量表。

作者 / 审校：shujufenxi 编辑部·最后审校 2026-04-16

你遇到的问题

你跑完问卷，导师问'信度够不够'，但你不确定 Cronbach's α 要多高才算合格，也不知道结果段落该怎么写。

适用场景

Cronbach's α 用于测量同一构念的多个题项（李克特量表）内部一致性信度，不适用于单题项、公式化计分或正式-非正式混合的量表。

正确做法

一般以 α ≥ .70 为可接受，≥ .80 为良好；探索性研究可放宽到 .60。低于阈值时，先看'删除该题后的 α'能否提升，再决定是否删题，而不是直接删数据。

报告时给出题项数、样本量与 α 值，例如：'本量表共 6 个题项，α = .84，内部一致性良好。'

常见错误

把 α 当成效度指标（它只反映一致性，不代表量表测到了该测的东西）；反向计分题未反向就直接算 α，导致 α 被严重低估。

需要更进一步？

把你的 SPSS 信度输出粘进统计结果解读器，直接得到规范的中文或英文结果段落与三线表；分不清该删哪道题、或需要写进方法学章节时，预约一次一对一辅导。

操作步骤

SPSS

「分析 → 度量 → 可靠性分析」，打开可靠性分析对话框。
将构成同一量表的各题项选入「项目」框，「模型」选择「Alpha」。
点击「统计」，勾选「删除项后的量表」及各描述统计，点击「继续」。
确认所有反向计分题已提前重新编码，再点击「确定」运行。
读取「可靠性统计」表的 Cronbach's Alpha，并在「项总计统计」表查看校正题总相关及「删除项后的 Alpha」。

# Cronbach α 内部一致性信度（psych 包）
library(psych)
items <- df[, c('q1','q2','q3','q4','q5','q6')]  # 选取同一量表题项
alpha(items)  # raw_alpha、各题 r.drop 及删除后 alpha

完整示例（模拟数据）

评估某 6 题工作满意度量表的内部一致性信度（模拟数据样例，N = 250）。

采用 Cronbach's α 系数评估工作满意度量表（6 个题项）的内部一致性信度。结果显示，量表整体 Cronbach's α = 0.87，达到良好水平（> 0.80）。各题项的校正题总相关介于 0.52 至 0.71 之间，均高于 0.40 的标准；删除任一题项后的 α 值均未超过总体 α（介于 0.83 至 0.86），表明所有题项均对量表信度有正向贡献，无需删除题项。

统计量	数值
题项数	6
样本量 N	250
Cronbach's α	0.87
校正题总相关范围	0.52 ~ 0.71
删除项后 α 范围	0.83 ~ 0.86

常见疑问

Cronbach's α 多少才算合格？: 一般认为 α ≥ 0.7 为可接受，≥ 0.8 为良好，≥ 0.9 为优秀；探索性研究中 0.6 以上也可勉强接受。但 α 过高（>0.95）可能提示题项冗余。
Cronbach's α 和信度是一回事吗？: α 只是内部一致性信度的一种估计，反映题项间的相关程度，并不等同于重测信度或折半信度。它衡量的是同一维度题项测量同一构念的一致性。
α 系数偏低怎么办？: 可查看「删除该项后的 α」，剔除与总分相关过低（校正项总相关 < 0.3）的题项；也应检查是否存在多维结构或反向计分未转换的问题。
题目数量会影响 Cronbach's α 吗？: 会。在其他条件相同时，题项越多 α 往往越高，因此少量题项即使一致性不错 α 也可能偏低，不能仅凭题少就否定量表。

参考来源

· Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297-334.
· Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric Theory (3rd ed.). McGraw-Hill.
· Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). Sage.

用统计结果解读器生成结果段落预约辅导

工具输出请自行核对后使用。内容参考见方法论标准。

← 返回知识库