Split-Half-Reliabilität
In diesem Beitrag
Was versteht man unter Split-Half-Reliabilität?
Die Split-Half-Reliabilität ist ein Verfahren zur Schätzung der Messgenauigkeit (Reliabilität) eines Tests oder Fragebogens. Die Grundidee: Man teilt alle Items eines Tests in zwei gleich große Hälften auf und berechnet, wie stark die Ergebnisse beider Hälften miteinander korrelieren. Je höher diese Korrelation, desto konsistenter misst der Test das zugrunde liegende Konstrukt.
Da eine einfache Halbierungskorrelation die Reliabilität des gesamten Tests systematisch unterschätzt – schließlich basiert sie nur auf der halben Itemanzahl –, wird das Ergebnis anschließend mit der Spearman-Brown-Formel nach oben korrigiert:
Spearman-Brown-Korrekturformel
Dabei steht für die Korrelation zwischen den beiden Testhälften. Das Ergebnis ist die geschätzte Reliabilität des gesamten Tests.
Warum ist Split-Half-Reliabilität für statistische Analysen wichtig?
Reliabilität ist eine Grundvoraussetzung für valide Messungen: Ein Test, der dasselbe Konstrukt bei derselben Person zu verschiedenen Zeitpunkten unterschiedlich misst, liefert keine verwertbaren Ergebnisse. Die Split-Half-Methode bietet dabei einen praktischen Vorteil gegenüber anderen Reliabilitätsmaßen: Sie kommt mit einer einzigen Testdurchführung aus, was sowohl Zeit als auch Kosten spart.
Typischerweise wird die Split-Half-Reliabilität in der Testkonstruktion und Fragebogenentwicklung eingesetzt, zum Beispiel in der Psychologie, Pädagogik oder Sozialforschung. Dort hilft sie zu beurteilen, ob ein neu entwickeltes Instrument intern konsistent ist.
Im Vergleich zu Cronbachs Alpha – dem heute am häufigsten genutzten Maß für interne Konsistenz – hat die Split-Half-Methode einen entscheidenden Nachteil: Das Ergebnis hängt davon ab, wie man den Test halbiert. Ungerade/gerade Items, erste/zweite Hälfte oder eine zufällige Aufteilung können zu unterschiedlichen Koeffizienten führen.
Praxisbeispiel zu Split-Half-Reliabilität
Eine Psychologiestudentin entwickelt einen Fragebogen zur Messung von Prüfungsangst mit 10 Items. Sie erhebt die Daten an 80 Studierenden und teilt die Items nach dem Gerade-ungerade-Prinzip auf: Items 1, 3, 5, 7, 9 bilden Hälfte A, Items 2, 4, 6, 8, 10 bilden Hälfte B.
Anschließend berechnet sie für jede Person die Summenwerte beider Hälften und korreliert sie miteinander. Sie erhält eine Korrelation von . Da diese Korrelation auf jeweils nur 5 Items basiert, wendet sie die Spearman-Brown-Korrektur an:
Berechnung im Beispiel
| Koeffizient | Interpretation |
|---|---|
| < .60 | Unzureichend |
| .60 – .69 | Schwach |
| .70 – .79 | Akzeptabel |
| .80 – .89 | Gut |
| ≥ .90 | Exzellent |
Mit einem korrigierten Wert von zeigt der Fragebogen eine gute interne Konsistenz. Die Studentin kann davon ausgehen, dass beide Hälften des Fragebogens dasselbe Konstrukt – Prüfungsangst – zuverlässig erfassen. Sie notiert jedoch, dass sie zusätzlich Cronbachs Alpha berechnen wird, um nicht von der gewählten Halbierungsstrategie abhängig zu sein.
