Cronbachs alfa

Mått på hur väl beståndsdelarna i ett index mäter samma bakomliggande koncept.

Cronbachs alfa (engelska: Cronbach’s alpha) är ett statistiskt mått på den interna konsistensen hos ett test eller index, beskrivet som ett tal mellan 0 och 1. Intern konsistens avser hur väl olika delar av ett sammanslaget index mäter samma bakomliggande koncept. Cronbachs alfa betecknas vanligen med den grekiska bokstaven alfa, α.

Hur används Cronbachs alfa?

Cronbachs alfa används inom en mängd olika vetenskapliga discipliner, men framförallt inom samhällsvetenskapen och beteendevetenskapen. Ett vanligt användningsområde är olika typer av psykometriska undersökningar, där Cronbachs alfa används för att beräkna hur väl ett antal testinstrument hör ihop. En enkätundersökning kan tänkas innehålla ett antal olika frågor för att mäta ett personlighetsdrag hos deltagarna. Om de olika frågorna mäter samma personlighetsdrag så bör svaren korrelera med varandra, och värdet på Cronbachs alfa bör vara relativt högt.

Tänk att vi vill konstruera ett frågeformulär som mäter hur utåtriktad en person är. Vi mäter detta genom att låta försöksdeltagare ange hur mycket de instämmer i olika påståenden. Vi skulle då kunna använda följande tre påståenden (även kallat items) för att fånga upp hur utåtriktad en person är:

  1. Jag föredrar att gå på fest framför att sitta hemma ensam.
  2. Jag träffar gärna mina nära och kära för att umgås.
  3. Jag har inga problem med att träffa nya människor.

Vi tänker alltså att dessa tre påståenden ska mäta egenskapen ”utåtriktad”. Därför är det rimligt att en person som skattar högt på påstående 1 även gör det på 2 och 3. På samma sätt gäller att en person som skattar lågt på ett av påståendena, även bör skatta relativt lågt på de andra två. Vi säger att den interna konsistensen bör vara hög – påståendena borde korrelera inbördes med varandra.

Inte enbart samstämmighet påverkar α-värdet

Det är viktigt att påpeka att det inte bara är delarnas samstämmighet som påverkar värdet på Cronbachs alfa, vilket är en vanlig missuppfattning[1]. Värdet på α ökar visserligen med ökad intern konsistens, men ett högt värde på α beror inte nödvändigtvis enbart på hög samstämmighet. Även antalet items har visats ha betydelse. Ett index som består av många items erhåller i regel ett högre α-värde. Ett lågt värde kan givetvis vara ett tecken på bristande intern konsistens, men om indexet bara består av ett fåtal items kan även det vara en förklaring.

Vad är ett bra värde på Cronbachs alfa?

Vad som är att betrakta som ett bra värde på α är flytande och det är svårt att ge generella riktlinjer. Eftersom även andra faktorer kan påverka värdet på Cronbachs alfa så är det svårt att säga att intern konsistens kan påvisas vid ett visst gränsvärde. Till exempel kan alfavärdet dras upp av ett ökat antal items, som nämndes ovan. Så även om många forskare har presenterat generella gränsvärden, är det viktigt att komma ihåg att upplägget av varje enskild studie har betydelse för vad som kan anses vara ett tillfredsställande värde på α.

Med det sagt så brukar de flesta forskare som vill ta fram ett generellt gränsvärde för ett bra α-värde vara överens om att det går att finna i intervallet 0,70–0,95[2]. Observera dock att ett för högt värde kan vara ett tecken på att vissa items är reduntanta och därför bör plockas bort. Vissa forskare har därför lyft fram att Cronbachs alfa inte bör överstiga 0,90[3].

När Robert A. Peterson 1994 analyserade 4 286 alfakoefficienter publicerade i vetenskapliga artiklar mellan 1960 och 1992 kom han fram till bland annat följande[4]:

  • De rapporterade koefficienterna varierade mellan 0,60 och 0,99.
  • Medelvärdet av de rapporterade koefficienterna var 0,77 och medianen 0,79.
  • 75 % av de rapporterade koefficienterna var 0,70 eller högre, 49 % var 0,80 eller högre och 14 % var 0,90 eller högre.
Fördelning av alfakoefficienter analyserade av Peterson 1994
Fördelning av de Cronbachs alfa-koefficienter som analyserades av Peterson 1994.

Beräkning

Värdet på alfa beräknas enligt:

\alpha = \frac{K}{K - 1} \left ( 1 - \frac{\sum \sigma _{}k^2{}}{\sigma _{total}^{2}} \right )

…där K är antalet testföremål,\sum \sigma _{}k^2 är summan av variansen för föremål ”k” och \sigma _{total}^{2} är variansen för den totala mätningen.

Referenser

  1. ^ L Streiner, David. (2003). Starting at the Beginning: An Introduction to Coefficient Alpha and Internal Consistency. Journal of personality assessment. 80. 99-103. 10.1207/S15327752JPA8001_18.
  2. ^ Peterson, R. (1994). A Meta-Analysis of Cronbach’s Coefficient Alpha. Journal of Consumer Research, 21(2), 381-391. Retrieved from http://www.jstor.org.ezproxy.its.uu.se/stable/2489828
  3. ^ Tavakol, M., & Dennick, R. (2011). Making sense of cronbach’s alpha. International Journal of Medical Education, 2, 53-55. doi:10.5116/ijme.4dfb.8dfd
  4. ^ Peterson, R. (1994). A Meta-Analysis of Cronbach’s Coefficient Alpha. Journal of Consumer Research, 21(2), 381-391. Retrieved from http://www.jstor.org.ezproxy.its.uu.se/stable/2489828

Hänvisa hit

Frisk, Emil. 2018. Statistisk ordbok. Hämtat från https://www.statistiskordbok.se/ord/cronbachs-alfa/ den 2020-06-07.

Senast uppdaterad 7 juni, 2020