Rzetelność — Cronbach's alpha, McDonald's omega, composite reliability i AVE
Uzyskaj Cronbach's α, McDonald's ω, composite reliability (CR) i AVE dla każdego konstruktu, z progami sprawdzonymi za Ciebie.
Ta strona jest tłumaczeniem zrecenzowanego angielskiego oryginału. Zobacz oryginał (EN)
rzetelność cronbach alphaCzym jest
Rzetelność mówi Ci, czy zestaw pozycji mierzy to samo w sposób spójny. Cronbach's alpha to klasyczny wskaźnik zgodności wewnętrznej, ale jest tylko dolnym oszacowaniem, które trzyma się dokładnie przy tau-ekwiwalencji (równych ładunkach pozycji), i rośnie zarówno wraz ze średnią kowariancją między pozycjami, jak i z liczbą pozycji. To ostatnie ma znaczenie: długa skala może wykazać wysoką alpha nawet wtedy, gdy jej pozycje korelują tylko umiarkowanie, więc sama wysoka alpha nie jest dowodem, że skala jest dobra lub jednowymiarowa. McDonald's omega (ω) unika założenia o równych ładunkach, używając rzeczywistych ładunków czynnikowych pozycji, dlatego jest dziś często preferowana. Composite reliability (CR) robi to samo w obrębie modelu CFA. Average variance extracted (AVE) to udział wariancji, który konstrukt wychwytuje ze swoich pozycji, i mówi o trafności konwergencyjnej. Raportowanie omega i/lub CR obok (lub zamiast) alpha, wraz z AVE, to współczesny standard.
Kiedy stosować
- Zbudowałeś lub zaadaptowałeś wielopozycyjną skalę i potrzebujesz dowodu zgodności wewnętrznej.
- Raportujesz model pomiarowy i potrzebujesz omega lub CR oraz AVE obok ładunków CFA.
- Recenzent zapytał, czy Twoje konstrukty są rzetelne i konwergentne.
- Chcesz sprawdzić, czy usunięcie słabej pozycji poprawia skalę.
Kiedy nie stosować
- Twój konstrukt jest formatywny — zgodność wewnętrzna nie stosuje się tak samo; zamiast tego oceń wagi i współliniowość.
- Masz tylko miarę jednopozycyjną — nie ma zgodności wewnętrznej do oszacowania.
Założenia
- Pozycje są dodatnio skorelowane i mierzą jeden leżący u podstaw konstrukt (jednowymiarowość).
- Cronbach's alpha zakłada tau-ekwiwalencję (równe ładunki) i jest tylko dolnym oszacowaniem, gdy to nie zachodzi; McDonald's omega i CR rozluźniają to założenie i są często preferowane, zwłaszcza dla modeli opartych na CFA.
- Alpha jest zawyżana przez liczbę pozycji — długa skala może osiągnąć wysoką alpha przy tylko umiarkowanych korelacjach między pozycjami, więc sama wysoka alpha nie jest dowodem jednowymiarowości ani jakości.
- Pozycje odwrócone są przekodowane przed obliczeniem rzetelności.
- Wystarczająco wiele pozycji i respondentów dla stabilnego oszacowania.
Progi i wartości graniczne
| Criterion | Rule of thumb | Source |
|---|---|---|
| Cronbach's α | ≥ .70 akceptowalne, ≥ .80 dobre (≥ .60 czasem tolerowane dla nowych skal); interpretuj z uwzględnieniem liczby pozycji | Nunnally & Bernstein (1994) |
| McDonald's omega (ω) | ≥ .70 (nie zakłada równych ładunków; często preferowane nad alpha) | McDonald (1999); Hayes & Coutts (2020) |
| Composite reliability (CR) | ≥ .70 (powyżej .95 może sygnalizować redundancję) | Hair et al. (2019) |
| AVE | ≥ .50 | Fornell & Larcker (1981; https://doi.org/10.2307/3151312) |
Jak raportować w APA
Zgodność wewnętrzna była zadowalająca dla wszystkich skal. Ponieważ Cronbach's alpha zakłada równe ładunki pozycji, zaraportowano także McDonald's omega. Omega mieściła się w zakresie od .XX do .XX, a composite reliability od .XX do .XX, obie powyżej .70 (Cronbach's alpha mieściła się od .XX do .XX). Average variance extracted mieściła się od .XX do .XX, przekraczając kryterium .50 i wspierając trafność konwergencyjną (Fornell & Larcker, 1981).
Jak liczy to Explonia
Explonia oblicza Cronbach's alpha, McDonald's omega, composite reliability i AVE dla każdego konstruktu w przeglądarce z danych, które zbierasz lub wgrywasz. Stosuje progi .70 i .50, pokazuje wartości alpha-if-item-deleted, abyś mógł wychwycić słabe pozycje, i wplata liczby w „Article description” w stylu APA do przejrzenia i edycji. Rzetelność występuje obok CFA, HTMT i Fornell-Larcker, więc możesz raportować trafność konwergencyjną i różnicową razem. Eksport do SPSS (.sav) i R jest dostępny w płatnych planach.
Najczęściej zadawane pytania
Jaka Cronbach's alpha jest akceptowalna?
Alpha ≥ .70 to typowe minimum, ≥ .80 jest dobre. Nowe lub eksploracyjne skale bywają akceptowane około .60, ale raportuj wartość uczciwie, zamiast gonić za progiem. Pamiętaj, że alpha rośnie wraz z liczbą pozycji, więc wysoka alpha na długiej skali nie jest sama w sobie dowodem dobrej miary.
Czy raportować Cronbach's alpha czy McDonald's omega?
Omega jest coraz częściej preferowana, bo nie zakłada równych ładunków pozycji (tau-ekwiwalencji) — założenia, którego alpha wymaga, a realne skale rzadko spełniają. Kilku metodologów zaleca dziś raportowanie omega zamiast alpha lub obok niej (McDonald, 1999; Dunn, Baguley & Brunsden, 2014; McNeish, 2018; Hayes & Coutts, 2020). Dla konstruktów opartych na CFA tę samą rolę pełni composite reliability.
Czy wysoka Cronbach's alpha oznacza, że moja skala jest jednowymiarowa?
Nie. Alpha zależy od liczby pozycji, więc długa skala może wykazać wysoką alpha nawet wtedy, gdy jej pozycje korelują tylko umiarkowanie i obejmują więcej niż jeden wymiar. Użyj analizy czynnikowej (EFA lub CFA), aby sprawdzić wymiarowość, i raportuj omega lub CR zamiast polegać na samej alpha.
Czy Cronbach's alpha może być zbyt wysoka?
Tak. Alpha, omega lub CR powyżej około .95 może oznaczać, że pozycje są redundantne — niemal swoimi parafrazami — co dodaje długości bez dodawania informacji.
Czym AVE różni się od rzetelności?
Rzetelność (alpha, omega, CR) dotyczy spójności; AVE dotyczy tego, ile wariancji konstrukt wychwytuje ze swoich pozycji. AVE ≥ .50 wspiera trafność konwergencyjną (Fornell & Larcker, 1981).
Last updated: lipiec 2026
Policz Reliability na własnych danych
Zbierz lub wgraj swoje dane, wykonaj analizę w przeglądarce i uzyskaj gotowy akapit APA, który możesz edytować. Start za darmo. Bez karty.
Zacznij za darmo