Ab welchem Wert ist Cronbachs Alpha gut?

Als Faustregel gelten Werte ab 0,70 als ausreichend und ab 0,80 als gut. Bei kurzen Skalen sind niedrigere Werte üblich.

Muss ich Alpha für eine etablierte Skala neu berechnen?

Ja. Berichte den Wert für deine Stichprobe. Die Werte der Originalstudie kannst du zum Vergleich nennen.

Darf ich Items löschen, damit Alpha steigt?

Nur mit inhaltlicher Begründung. Nenne im Methodenteil das entfernte Item und beide Alpha-Werte.

Was ist McDonalds Omega?

Ein Reliabilitätsmaß mit weniger strengen Annahmen als Alpha. Es wird zunehmend empfohlen und lässt sich in JASP, jamovi und R leicht berechnen.

Brauche ich Alpha bei einer einzelnen Frage?

Nein. Alpha gibt es nur für Skalen aus mehreren Items.

Cronbachs Alpha berechnen und berichten

Kurz gesagt

Cronbachs Alpha zeigt, wie gut die Items einer Skala zusammenpassen. Werte ab etwa 0,70 gelten als ausreichend, ab 0,80 als gut. Vor der Berechnung musst du negativ formulierte Items umpolen. Alpha sagt nichts darüber, ob die Skala nur ein Merkmal misst oder ob sie das Richtige misst.

Was Cronbachs Alpha misst

Lee Cronbach hat den Koeffizienten 1951 beschrieben. Er misst die interne Konsistenz einer Skala: Antworten Personen auf alle Items einer Skala ähnlich, fällt Alpha hoch aus. Hängen die Items kaum zusammen, fällt es niedrig aus.

Der Wert liegt meist zwischen 0 und 1. Negative Werte sind möglich. Sie deuten fast immer auf einen Fehler hin, zum Beispiel auf vergessene Umpolungen.

Wann du Alpha brauchst

Du berechnest Alpha für jede Skala, die du aus mehreren Items bildest. Einzelne Fragen brauchen keinen Alpha-Wert. Hast du mehrere Skalen im Fragebogen, etwa Prüfungsangst, Selbstwirksamkeit und Lernmotivation, rechnest du Alpha für jede einzeln.

Nutzt du eine etablierte Skala aus der Literatur, berichtest du trotzdem den Wert in deiner Stichprobe. Die Werte aus der Originalstudie gelten nicht automatisch für deine Daten. Du kannst sie zum Vergleich nennen.

Vorher: Items umpolen

Viele Skalen enthalten negativ formulierte Items. Ein Beispiel: „Vor Prüfungen fühle ich mich entspannt“ steht neben „Vor Prüfungen habe ich Angst“. Ohne Umpolung heben sich die Antworten gegenseitig auf. Alpha fällt dann viel zu niedrig aus.

Bei einer Skala von 1 bis 5 wird aus 1 eine 5, aus 2 eine 4, die 3 bleibt. Allgemein rechnest du: höchster Wert plus niedrigster Wert minus Antwort. In SPSS geht das über Transformieren, Umcodieren in andere Variablen. Leg dafür neue Variablen an, damit die Originaldaten erhalten bleiben.

So berechnest du es

SPSS: Analysieren, Skalierung, Reliabilitätsanalyse. Schiebe die Items in das Feld „Items“ und wähle als Modell „Alpha“. Unter „Statistiken“ aktivierst du „Skala, wenn Item gelöscht“. Der Output zeigt Alpha und für jedes Item die korrigierte Item-Skala-Korrelation.

R: Mit dem Paket psych und dem Befehl psych::alpha(daten[, c("item1","item2","item3")]). Mit check.keys = TRUE erkennt R negativ gepolte Items. Prüfe danach, ob die umgedrehten Items inhaltlich wirklich negativ formuliert sind.

Stata: alpha item1 item2 item3, item. Mit der Option reverse(item2) polst du ein Item um. Die Option item zeigt Werte für jedes Item.

JASP und jamovi: Beide Programme haben ein Menü „Reliability“ bzw. „Reliabilitätsanalyse“, in dem du Alpha und auch McDonalds Omega per Klick bekommst.

Wie du den Wert einordnest

Alpha	Übliche Einordnung
unter 0,60	fraglich, Skala prüfen
0,60 bis 0,69	grenzwertig, bei kurzen Skalen oft noch vertretbar
0,70 bis 0,79	ausreichend
0,80 bis 0,89	gut
ab 0,90	sehr gut, ab etwa 0,95 auf doppelte Items prüfen

Die Grenze von 0,70 wird oft auf Nunnally (1978) zurückgeführt. Es ist eine Konvention und keine feste Regel. Tavakol und Dennick (2011) weisen darauf hin, dass ein sehr hohes Alpha auf überflüssige Items hindeuten kann, die fast dasselbe fragen.

Alpha hängt von der Zahl der Items ab. Je mehr Items, desto höher fällt der Wert tendenziell aus. Kurze Skalen mit zwei oder drei Items haben oft niedrigere Werte, ohne schlecht zu sein. Ein hohes Alpha beweist außerdem nicht, dass die Skala nur ein Merkmal misst. Dafür brauchst du eine Faktorenanalyse.

Was tun bei einem niedrigen Wert?

Prüfe, ob alle negativ formulierten Items umgepolt sind. Das ist der häufigste Grund.
Schau in die Spalte „Cronbachs Alpha, wenn Item gelöscht“. Steigt Alpha deutlich, wenn ein Item fehlt, passt es vermutlich nicht gut zur Skala.
Lies das Item inhaltlich. Ist es missverständlich formuliert oder misst es etwas anderes?
Entscheide begründet. Entfernst du ein Item, nenne im Methodenteil beide Werte und den Grund.

Streiche nicht so lange Items, bis die Zahl stimmt. Bei einer etablierten Skala nutzt du sie möglichst vollständig und nennst die Schwäche in der Diskussion.

Alpha oder Omega?

Alpha setzt voraus, dass alle Items gleich stark mit dem gemessenen Merkmal zusammenhängen. Das ist in echten Daten selten der Fall. McNeish (2018) empfiehlt deshalb andere Kennwerte wie McDonalds Omega. Omega trifft weniger strenge Annahmen und wird in JASP, jamovi und R leicht ausgegeben.

In vielen Abschlussarbeiten ist Alpha weiterhin Standard. Wenn du es gründlich machen willst, berichtest du beide Werte. Frag deine Betreuung, was sie erwartet.

So berichtest du es

Im Methodenteil nennst du für jede Skala die Zahl der Items, ein Beispielitem, die Antwortskala und Alpha. So kann das aussehen:

„Die Prüfungsangst wurde mit fünf Items auf einer fünfstufigen Skala von 1 (trifft gar nicht zu) bis 5 (trifft voll zu) erfasst, zum Beispiel ‚Vor Prüfungen fühle ich mich angespannt‘. Die interne Konsistenz war gut (Cronbachs α = .84).“

Die Zahlen sind ausgedacht und zeigen nur die Form.

Nach APA schreibst du Alpha ohne Null vor dem Komma, weil der Wert nicht größer als 1 werden kann. Ob du Punkt oder Komma nutzt, steht in deinem Leitfaden.

Die häufigsten Fehler

Items nicht umgepolt. Der häufigste Grund für Werte unter 0,50.
Alpha für den ganzen Fragebogen. Rechne es nur für Items, die zu einer Skala gehören.
Alpha mit Gültigkeit verwechseln. Alpha sagt, ob die Items zusammenpassen. Ob die Skala das misst, was sie messen soll, ist eine andere Frage.
Nur eine Zahl ohne Kontext. Nenne immer die Zahl der Items und ordne den Wert ein.

Passend dazu

Quellen

Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334.
Nunnally, J. C. (1978). Psychometric theory (2. Aufl.). McGraw-Hill.
Tavakol, M. & Dennick, R. (2011). Making sense of Cronbach’s alpha. International Journal of Medical Education, 2, 53–55.
McNeish, D. (2018). Thanks coefficient alpha, we’ll take it from here. Psychological Methods, 23(3), 412–433.
Field, A. (2024). Discovering statistics using IBM SPSS Statistics (6. Aufl.). Sage.

Julia Spengler
Akademische Autorin aus Köln. Sie hat über 250 Haus-, Bachelor- und Masterarbeiten begleitet. Ihr Schwerpunkt sind empirische Arbeiten: Statistik mit SPSS, R und Stata und qualitative Inhaltsanalyse. Mehr über Julia

Cronbachs Alpha berechnen und richtig berichten