Wie berechnet man Cronbachs Alpha für einen Fragebogen?

Was ist Cronbachs Alpha und wofür wird es berechnet?

Cronbachs Alpha ist das am häufigsten verwendete Maß zur Bestimmung der internen Konsistenz eines Fragebogens. Es gibt an, wie stark die Items einer Skala miteinander zusammenhängen – also ob sie tatsächlich dasselbe Konstrukt messen. Je höher Alpha, desto konsistenter misst die Skala.

Der Koeffizient wurde 1951 von Lee J. Cronbach eingeführt. Alpha ist dabei aus der internen Struktur eines Tests abgeleitet und betrachtet, ob verschiedene Items eines Instruments gemeinsam ein einheitliches Konstrukt erfassen. Historisch entstammt er der Überlegung, ob verschiedene Testhälften (Split-Half-Reliabilitäten) dasselbe messen – Alpha verallgemeinert diesen Gedanken auf beliebig viele Items.

In der psychologischen Forschung begegnet Ihnen Cronbachs Alpha praktisch bei jeder Fragebogenstudie: Ob Persönlichkeitsinventar, Depressionsskala oder Arbeitszufriedenheitsmessung – die Reliabilität einer Skala wird nahezu standardmäßig über Alpha berichtet. Wie die Berechnung im Zusammenhang mit der vollständigen Auswertung eines Fragebogens in der Psychologie eingebettet ist, erklärt ein eigener Beitrag.

Die Formel hinter Cronbachs Alpha

Cronbachs Alpha berechnet sich aus dem Verhältnis der Varianz der Einzelitems zur Gesamtvarianz der Skala. Die klassische Formel lautet:

Die Bestandteile im Überblick:

• k = Anzahl der Items in der Skala
• = Varianz des einzelnen Items i
• = Varianz des Gesamtscores (Summe aller Items)

Intuitiv lässt sich die Formel so verstehen: Wenn die Einzelitem-Varianzen zusammen einen großen Teil der Gesamtvarianz ausmachen, hängen die Items kaum miteinander zusammen – Alpha ist niedrig. Wenn die Items hingegen stark kovariieren, ist die Gesamtvarianz deutlich größer als die Summe der Einzelvarianzen – Alpha steigt.

Voraussetzungen vor der Berechnung

Bevor Sie Cronbachs Alpha berechnen, müssen einige inhaltliche und technische Voraussetzungen erfüllt sein. Diese werden im Hochschulkontext oft vernachlässigt – mit Konsequenzen für die Validität Ihrer Analysen.

Einheitliche Polung aller Items

Enthält Ihre Skala negativ gepolte Items (z. B. „Ich fühle mich selten glücklich“ auf einer Skala, die Wohlbefinden misst), müssen diese vor der Berechnung umgepolt werden. In SPSS nennt sich das Rekodieren. Ein nicht umgepoltes Item senkt Alpha künstlich und verfälscht das Ergebnis erheblich.

Inhaltliche Zugehörigkeit der Items

Alpha ist nur sinnvoll, wenn die Items tatsächlich ein gemeinsames Konstrukt messen. Das bedeutet: Sie sollten vor der Berechnung auf Basis theoretischer Überlegungen oder einer Faktorenanalyse festlegen, welche Items zu welcher Skala gehören. Alpha blind über alle Items Ihres Fragebogens zu berechnen, wäre methodisch falsch.

Ausreichende Itemzahl

Für eine sinnvolle Alpha-Schätzung werden in der Regel mindestens 3–4 Items pro Skala empfohlen. Bei nur 2 Items ist Alpha mathematisch stark eingeschränkt und kaum interpretierbar.

Skalenniveau

Cronbachs Alpha setzt konzeptionell metrisch skalierte Items voraus. In der Praxis wird es jedoch häufig auch bei Likert-Skalen (z. B. 5- oder 7-stufig) eingesetzt – das ist weitgehend akzeptiert, sollte aber transparent berichtet werden.

Cronbachs Alpha in SPSS berechnen

SPSS ist im Psychologiestudium die am häufigsten eingesetzte Software für Reliabilitätsanalysen. Die Berechnung erfolgt über die Reliabilitätsanalyse im Menü.

Schritt-für-Schritt-Anleitung

1. Öffnen Sie Ihren Datensatz in SPSS.
2. Navigieren Sie zu Analysieren → Skalierung → Reliabilitätsanalyse.
3. Verschieben Sie alle Items Ihrer Skala in das Feld Items.
4. Stellen Sie sicher, dass unter Modell die Option Alpha ausgewählt ist (Standardeinstellung).
5. Klicken Sie auf Statistiken und aktivieren Sie:
   • Item (Itemstatistiken)
   • Skalierung bei gelöschtem Item – das ist besonders wichtig für die Item-Total-Korrelation
   • Skala
6. Bestätigen Sie mit Weiter und dann OK.

Im Output erscheint zunächst der Cronbachs-Alpha-Wert und die Anzahl der einbezogenen Items. In der Tabelle „Item-Skala-Statistiken“ finden Sie für jedes Item die korrigierte Item-Total-Korrelation sowie das Alpha, das entstünde, wenn man das jeweilige Item weglassen würde (Cronbachs Alpha, wenn Item weggelassen).

Welche Statistiksoftware sich für welche Fragestellungen im Psychologiestudium eignet, hängt vom Kontext und den Anforderungen Ihrer Hochschule ab.

SPSS-Syntax

Alternativ können Sie die Analyse direkt über die Syntax ausführen:

RELIABILITY
  /VARIABLES=item1 item2 item3 item4 item5
  /SCALE('Skala') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

Ersetzen Sie item1 bis item5 durch die tatsächlichen Variablennamen Ihrer Items im Datensatz.

Cronbachs Alpha in R berechnen

In R bietet das Paket psych eine komfortable Funktion zur Berechnung von Cronbachs Alpha, die deutlich mehr diagnostische Informationen liefert als viele andere Implementierungen.

# Paket laden (einmalig installieren: install.packages("psych"))
library(psych)

# Annahme: Ihre Items heißen item1 bis item5 im Dataframe df
skala_items <- df[, c("item1", "item2", "item3", "item4", "item5")]

# Cronbachs Alpha berechnen
alpha_ergebnis <- alpha(skala_items)

# Ergebnisse ausgeben
summary(alpha_ergebnis)
print(alpha_ergebnis)

Die Ausgabe enthält neben dem Alpha-Koeffizienten auch die korrigierten Item-Total-Korrelationen, das durchschnittliche Inter-Item-Korrelation sowie Alpha bei Item-Ausschluss. Das Paket psych berechnet außerdem direkt McDonald's Omega – ein alternativer Reliabilitätskoeffizient, auf den wir im letzten Abschnitt eingehen.

Tipp: Mit dem Argument check.keys = TRUE erkennt R negativ gepolte Items automatisch und schlägt eine Umpolung vor.

Ergebnisse interpretieren und berichten

Ein berechnetes Alpha-Ergebnis will sorgfältig interpretiert werden. Die Daumenregeln dazu sind in der Literatur etabliert, sollten aber nicht mechanisch angewendet werden.

Was zusätzlich berichtet werden sollte

Ein isolierter Alpha-Wert reicht für eine vollständige Reliabilitätsdiagnostik nicht aus. Alpha sollte gemeinsam mit der Itemzahl, den Item-Total-Korrelationen und der theoretischen Skalenlogik berichtet werden, um die Reliabilitätsschätzung richtig einordnen zu können.

Achten Sie insbesondere auf die korrigierten Item-Total-Korrelationen: Items mit Werten unter .30 tragen kaum zur Skalenkonsistenz bei und können ein Kandidat für den Ausschluss sein. Items, deren Entfernung Alpha deutlich erhöhen würde, sollten inhaltlich auf ihre Zugehörigkeit zur Skala überprüft werden.

APA-konforme Berichterstattung

Im Ergebnisteil Ihrer Arbeit berichten Sie Alpha so:

Die interne Konsistenz der Skala erwies sich als gut (α = .83, k = 6 Items). Die korrigierten Item-Total-Korrelationen lagen zwischen r_it = .41 und r_it = .67.

Wie statistische Ergebnisse generell APA-konform in der Psychologie berichtet werden, erläutert ein eigener Beitrag ausführlich.

Grenzen und Alternativen zu Cronbachs Alpha

Cronbachs Alpha ist trotz seiner Verbreitung kein universelles Gütekriterium. Die Kenntnis seiner Grenzen gehört zu einer methodisch sauberen Arbeit.

Annahmen, die häufig verletzt werden

Alpha setzt Tau-Äquivalenz, Unidimensionalität, nicht kovariierende Fehler sowie kontinuierlich und normalverteilte Items voraus – Bedingungen, die in psychologischen Fragebogendaten häufig verletzt sind. Besonders bei Likert-Items und Skalen mit unterschiedlich starken Itemladungen liefert Alpha oft einen zu niedrigen Reliabilitätswert.

Ein bekanntes Beispiel: Während alternative Koeffizienten für eine Subskala Werte über .70 ausweisen, kann Alpha unter denselben Bedingungen nur .61 betragen – schlicht weil die Tau-Äquivalenz nicht erfüllt ist. Alpha unterschätzt die wahre Reliabilität in solchen Fällen systematisch.

Was bedeutet das für Ihre Abschlussarbeit?

Für die meisten Bachelorarbeiten und Masterarbeiten ist Cronbachs Alpha nach wie vor der erwartete Standard – und mit einem Wert von ≥ .70 in der Regel gut begründbar. In methodisch anspruchsvolleren Kontexten, insbesondere in Dissertationen oder Studien mit heterogenen Skalen, lohnt ein Blick auf Alternativen.

Die wichtigsten Alternativen im Überblick:

• McDonald's Omega (ω): Gilt als robusterer Schätzer, da es keine Tau-Äquivalenz voraussetzt. Wird in R (Paket psych) direkt mitberechnet.
• Greatest Lower Bound (GLB): Mathematisch exaktere Untergrenze der Reliabilität, jedoch stichprobenabhängig.
• Konfirmatorische Faktorenanalyse (CFA): Erlaubt eine modellbasierte Reliabilitätsschätzung und ist bei komplexen Skalenstrukturen empfehlenswert.

Wer sich für den Zusammenhang zwischen Reliabilitätsanalyse und Skalenqualität interessiert, findet eine vertiefte Diskussion im Beitrag zur Skalenanalyse für psychologische Tests.

Wann sollten Sie professionelle Unterstützung in Betracht ziehen?

Die Berechnung von Cronbachs Alpha ist technisch gut zu erlernen. Komplizierter wird es, wenn die Ergebnisse unerwartet ausfallen, die Skalenstruktur unklar ist oder Sie unsicher sind, ob Ihre Items überhaupt ein gemeinsames Konstrukt abbilden. Gerade dann zahlt sich methodische Begleitung aus. Informationen dazu, wie eine solche Unterstützung konkret aussehen kann, finden Sie auf der Seite zur statistischen Hilfe und Beratung für Psychologie.