Cronbach α系数(Cronbach’s alpha coefficient)属于内部一致性信度，是评价量表测量信度的指标，所计算的是测试中所有条目间的平均一致性，是目前最常使用的信度系数。本文将介绍Cronbach α系数在MedCalc软件中的实现过程。
关键词：MedCalc; Cronbach α系数; Cronbach’s alpha coefficient
一、案例介绍
使用一份心理人格量表调查了250名受试者，所用量表包含A1~A5(其中A1为反向条目)、C1~C5(其中C4、C5为反向条目)、E1~E5(其中E1、E2为反向条目)、N1~N5，O1~O5(其中O2、O5为反向条目)5个维度(A、C、E、N和O)共25个条目。现希望对此份量表数据的内部一致性进行分析。部分数据见图1。本案例数据可从“附件下载”处下载。
二、案例分析
内部一致性是指量表测量结果的可靠性，在MedCalc中可通过计算Cronbach α系数反应量表的内部一致性，需要分开评价每个维度的内部一致性。但需要满足2个条件：
条件1：观察变量是连续变量或有序分类变量。本案例中观察变量都是有序分类变量，该条件满足。
条件2：数据是量表类数据，非量表数据不适合进行内部一致性评价。本案例数据是一份初始量表数据，该条件满足。
三、软件操作及结果解读
（一）软件操作
此处以计算维度A的Cronbach α系数进行操作举例。
选择“统计”—“一致性和响应能力”—“Cronbach alpha系数”(图2)
在“Cronbach alpha系数”对话框中，“变量”框中选择维度A下5个条目“A1~A5”，“筛选条件”本例未选择。由于该维度中有一个反向计分条目因此需要勾选“选项”中“校正可能出现的比例倒转”(如果不选择该选项，软件将不会对反向计分条目进行计分倒转，最终计算结果将完全不一样，感兴趣的读者请自行操作)，点击“确定”(图3)。
（二）结果解读
分析概况描述见图4，表示有1个缺失值，实际分析了249个案例。反向计分条目A1在分析之前被倒转。
Cronbach α系数结果见图5，维度A的Cronbach α系数整体为0.7236，95%CI下限为0.6755，表示该维度的内部一致性可以接受。
一般情况下，如果Cronbach's α系数>0.8，则认为该测量数据的信度非常好；>0.7表示可以接受；如果>0.6，则提示量表需要修订，但仍然具有一定价值；如果<0.6，则需要重新设计题项。
降低变量的效应，即删除某个具体条目后，该维度的Cronbach α系数及其变化程度，结果见图6。若删除某条目后会α值明显增加，则可考虑删除该问题。本例删除“A1”后，α=0.7452，其增加量(0.02161)最大，增加并不明显，因此这5个条目均可考虑保留。
上述的 Cronbach α系数是根据量表的原始资料计算所得，当量表中的问题有变异较大时，可能会引起结果的变异也较大。标准化(将资料变换为平均值为0、标准差为1)的资料中，各问题的权重将相等。将本例资料标准化后得到Cronbach α系数为0.7298，与原始资料计算结果较为接近，见图7。
维度C的分析结果见图8，可知维度C的Cronbach α系数整体为0.7587，95%CI下限为0.7168，表示该维度的内部一致性可以接受。也未发现需要删除的条目。
维度E的分析结果见图9，可知维度E的Cronbach α系数整体为0.7802，95%CI下限为0.7420，表示该维度的内部一致性可以接受。也未发现需要删除的条目。
维度N的分析结果见图10，可知维度N的Cronbach α系数整体为0.8108，95%CI下限为0.7778，表示该维度的内部一致性可以接受。也未发现需要删除的条目。
维度O的分析结果见图11，可知维度O的Cronbach α系数整体为0.6026，95%CI下限为0.5335，表示该维度的内部一致性较差，需要修订。“降低变量的效应”分析发现，当O4条目移除后该维度的Cronbach α系数有较大上升，提示该条目需要删除。
四、结论
本研究采用Cronbach's α系数评价量表的内部一致性。A、C、E、N和O维度Cronbach's α系数分别为：0.7236、0.7587、0.7802、0.8108和0.6026，表明A、C、E三个维度的内部一致性可以接受，N维度的内部一致性非常好，O维度的内部一致性较差，需要修订。条目信度统计分析表明，A、C、E、N维度内均不存在需要删除的条目，O维度内O4条目需要删除。因而说明本次数据测试的信度质量水平一般，研究量表需要进一步改进。
五、知识小贴士
(一）计算Cronbach'sα系数的前提有哪些？
计算Cronbach'sα系数的前提一般需要假设残差不相关、条目具有较为相近的载荷和单个维度。
(二）信度系数的界限值一成不变吗？
不同的研究者对信度系数的界限值有不同的看法。有学者认为，在基础研究中Cronbach's α系数至少应达到0.8才能接受，在探索研究中至少应达到0.7才能接受，而在实务研究中，只需达到0.6即可。因此，在不同的研究中使用相同的判断标准可能并不科学。或许直接描述系数的数值更为合适，如“Cronbach'sα系数为0.722，提示量表在此次测量过程中还存在27.8%的误差。
(三）可以将所有维度放在一起计算Cronbach's α系数吗？
将多个维度条目放在一起测量量表的内部一致性会导致Cronbach's α系数的低估，因此需要分开单独测量每一个维度的Cronbach's α系数。
(四）量表中有维度Cronbach's α系数较低怎么办？
如果量表各维度的Cronbach's α系数均较低，则首先需要核查数据是否有异常值或者反向计分条目，并对其进行合理处理；其次对其系数值较低的条目可以进行删除，留下有意义的项；如果采取以上措施后，量表的内部一致性仍然不理想，则需要对条目内容进行重新设计。在量表设计时，一个维度尽量包含4~7个条目为好。因为如果某个维度仅对应2个条目其Cronbach's α系数往往不会太高，如果某个维度仅对应1个条目，则无法进行信度分析。
(五）内部一致性分析可以用于所有数据吗？
内部一致性分析通常只针对量表数据，对于非量表数据进行信度分析一般效果较差。对于非量表数据的信度分析，往往只需要用文字进行描述，证明数据可信即可。如，用文字描述数据收集的过程和质量控制过程，描述样本的有效性，异常值的处理等。