Skalenreliabilität
In diesem Beitrag
Was versteht man unter Skalenreliabilität?
Skalenreliabilität bezeichnet das Ausmaß, in dem eine Skala – also eine Zusammenstellung mehrerer Items oder Fragen – ein Merkmal konsistent und zuverlässig misst. Eine Skala ist dann reliabel, wenn sie bei wiederholter Messung unter gleichen Bedingungen zu ähnlichen Ergebnissen führt und wenn ihre Items dasselbe zugrundeliegende Konstrukt erfassen.
In der klassischen Testtheorie lässt sich der gemessene Wert zerlegen in einen wahren Wert und einen Messfehler :
Grundformel der klassischen Testtheorie
Reliabilität ist formal definiert als das Verhältnis der Varianz der wahren Werte zur Gesamtvarianz der beobachteten Werte:
Definition Reliabilität
Ein Reliabilitätskoeffizient von 1 bedeutet fehlerfreie Messung, ein Wert von 0 bedeutet, dass das Ergebnis reines Rauschen ist. In der Praxis liegt dieser Wert irgendwo dazwischen.
Das am häufigsten verwendete Maß für Skalenreliabilität ist Cronbachs Alpha (α), das die interne Konsistenz einer Skala schätzt – also misst, wie stark die einzelnen Items miteinander zusammenhängen. Daneben werden auch McDonald’s Omega (ω) und die Split-half-Reliabilität eingesetzt.
Warum ist Skalenreliabilität für statistische Analysen wichtig?
Ohne ausreichende Reliabilität sind die Ergebnisse einer Studie kaum interpretierbar. Eine unzuverlässige Skala misst neben dem interessierenden Konstrukt auch zufällige Messfehler – das verzerrt Zusammenhänge zwischen Variablen systematisch nach unten (sogenannte Attenuierung) und macht Gruppenvergleiche unzuverlässig.
Für die gängigsten Richtwerte gilt in der Forschungspraxis:
| Alpha-Wert | Bewertung | Typische Verwendung |
|---|---|---|
| ≥ .90 | Exzellent | Klinische Diagnostik |
| .80 – .89 | Gut | Grundlagenforschung |
| .70 – .79 | Akzeptabel | Explorative Studien |
| .60 – .69 | Fragwürdig | Mit Vorsicht zu interpretieren |
| < .60 | Unzureichend | Skala überarbeiten |
In Bachelor- und Masterarbeiten wird die Skalenreliabilität üblicherweise im Methodenteil berichtet und dient als Qualitätsnachweis für die verwendeten Messinstrumente. Ohne diesen Nachweis lässt sich die Güte der erhobenen Daten kaum einschätzen.
Praxisbeispiel zu Skalenreliabilität
Eine Studierende untersucht in ihrer Masterarbeit, wie stark sich Lehramtsstudierende emotional erschöpft fühlen. Sie verwendet dazu eine Skala mit fünf Items (z. B. „Ich fühle mich nach dem Studientag ausgelaugt“, „Ich bin morgens schon müde, wenn ich an den Tag denke“ usw.), die auf einer fünfstufigen Likert-Skala beantwortet werden.
Nach der Datenerhebung berechnet sie in SPSS oder R die interne Konsistenz der Skala. Das Ergebnis: Cronbachs α = .82. Zusätzlich zeigt die Item-Trennschärfen-Analyse, dass alle fünf Items gut mit dem Skalenmittelwert korrelieren (r > .40). Im Methodenteil ihrer Arbeit berichtet sie:
„Die Skala zur emotionalen Erschöpfung wies eine gute interne Konsistenz auf (α = .82), was auf eine hohe Skalenreliabilität hindeutet.“
Hätte die Analyse hingegen ein Alpha von .54 ergeben und wäre eines der Items negativ mit dem Rest der Skala korreliert, wäre das ein Hinweis darauf, dass dieses Item das Konstrukt nicht sauber erfasst – und aus der Skala entfernt oder neu formuliert werden sollte, bevor Analysen durchgeführt werden.
