cv.cm

학술·연구

크론바흐 알파 계산법

크론바흐 알파는 설문 척도의 문항들이 같은 것을 측정하는지 보여 줍니다. 점수를 정리하고, 알파의 계산 방식을 보고, 흔한 기준으로 해석하고, 약한 문항을 찾아 결과를 보고합니다.

6분

오늘의 결과 척도의 알파 값, 내적 일관성 판단, 다시 볼 만한 문항 목록.

알파는 문항들이 하나의 개념을 측정하고 같은 방향으로 채점된다고 가정합니다. 알파가 높아도 척도가 의도한 것을 측정한다는 증거(타당도)는 아닙니다.

크론바흐 알파 계산기 열기
이 한 자리
  1. cv.cm의 크론바흐 알파 계산기 열기

    Excel, Google 스프레드시트, SPSS에서 문항 열을 복사해 붙여 넣으세요. 한 행에 응답자 한 명, 한 열에 문항 하나이며, 머리글 행은 있어도 없어도 됩니다.

    크론바흐 알파 계산기 열기
  2. 역문항 먼저 변환하기

    어떤 문항에 동의하는 것이 다른 문항과 반대 의미라면 붙여 넣기 전에 점수를 뒤집습니다. 1–5 척도라면 새 점수는 6에서 원래 점수를 뺀 값입니다.

  3. 알파의 계산 방식 보기

    α = k ÷ (k − 1) × (1 − 문항 분산의 합 ÷ 총점의 분산). k는 문항 수입니다. 문항들이 함께 움직이면 총점의 분산이 문항별 분산보다 훨씬 커져 알파가 올라갑니다.

    행과 열로 정리한 문항 점수: 알파는 문항 분산과 총점 분산을 비교합니다.
    행과 열로 정리한 문항 점수: 알파는 문항 분산과 총점 분산을 비교합니다.
  4. 결과 읽기

    예시 척도(5문항, 응답자 10명)는 α = 0.935입니다. 흔한 기준: 0.9 이상 매우 좋음, 0.8 좋음, 0.7 수용 가능, 0.6 의문, 0.5 낮음. 많은 분야에서 최소 0.7을 요구합니다.

    크론바흐 알파의 흔한 기준과 0.935인 예시 척도.
    크론바흐 알파의 흔한 기준과 0.935인 예시 척도.
  5. 문항 확인하기

    수정된 문항-총점 상관(약 0.3 미만이면 약함)과 문항 제거 시 알파를 봅니다. 제거하면 알파가 오르는 문항(↑ 표시)은 척도에 맞지 않거나 아직 역코딩이 필요할 수 있습니다.

  6. 보고하기

    문항 수와 응답자 수를 함께 적습니다: "척도는 매우 높은 내적 일관성을 보였다, Cronbach's α = .93 (5문항, n = 10)." APA는 소수 둘째 자리까지 쓰며, 0.93499는 내림되어 .93이 됩니다. 하위 척도마다 알파를 따로 보고하세요.

자주 묻는 질문

좋은 크론바흐 알파는 얼마인가요?

보통 0.7 이상이면 수용 가능, 0.8 좋음, 0.9 매우 좋음입니다. 약 0.95를 넘으면 문항들이 서로 중복될 수 있습니다.

크론바흐 알파가 음수일 수 있나요?

네. 대개 역문항을 변환하지 않았거나 문항들이 같은 것을 측정하지 않기 때문입니다.

크론바흐 알파에는 문항이 몇 개 필요한가요?

최소 두 개지만 세 개 이상이면 더 안정적입니다. 문항이 많을수록 알파도 올라가서, 상관이 약해도 긴 척도는 신뢰도가 높아 보일 수 있습니다.

표준화 알파란?

분산 대신 문항 간 평균 상관으로 계산한 알파입니다. 문항마다 척도가 다를 때 유용합니다.

SPSS에서 크론바흐 알파는 어떻게 계산하나요?

분석 → 척도분석 → 신뢰도 분석에서 문항을 옮기고 모형으로 알파를 고른 뒤, 통계량에서 "항목 삭제 시 척도"를 체크합니다.