如何衡量调查问卷一致性

本文学习克隆巴赫系数(Cronbach’s alpha)衡量调查问卷一致性，并通过示例展示计算过程。

克隆巴赫系数(Cronbach’s alpha)是一种衡量问卷或调查内部一致性的方法，范围在0~1之间，值越高表明问卷或调查越可靠。

最简单的计算方法是使用ltm包中的cronbach.alpha()函数。

示例

假设饭店管理者希望衡量顾客的整体满意度，发放调查问卷给10位顾客，他们能够用三个等级评价饭店。
下面代码计算反馈调查的克隆巴赫系数：

library(ltm)

# 示例调查数据
data <- data.frame(Q1=c(1, 2, 2, 3, 2, 2, 3, 3, 2, 3),
                   Q2=c(1, 1, 1, 2, 3, 3, 2, 3, 3, 3),
                   Q3=c(1, 1, 2, 1, 2, 3, 3, 3, 2, 3))

#计算克隆巴赫系数
cronbach.alpha(data)

# Items: 3
# Sample units: 10
# alpha: 0.773

结果显示克隆巴赫系数为0.773 .

另外可以增加CI=TRUE参数，返回95%的克隆巴赫系数置信区间：

cronbach.alpha(data, CI=TRUE)

# Cronbach's alpha for the 'data' data-set
# 
# Items: 3
# Sample units: 10
# alpha: 0.773
# 
# Bootstrap 95% CI based on 1000 samples
#  2.5% 97.5% 
# 0.078 0.926 

结果显示95%置信区间为 [0.078, 0.926], 这个范围很宽，主要是因为样本太小。实际建议样本不小于20，这里使用10个样本主要是为了简化示例。

下表描述常用克隆巴赫系数描述：

克隆巴赫系数	内部一致性
0.9 ≤ α	优秀(Excellent)
0.8 ≤ α < 0.9	好(Good)
0.7 ≤ α < 0.8	可接受(Acceptable)
0.6 ≤ α < 0.7	可疑(Questionable)
0.5 ≤ α < 0.6	不好(Poor)
α < 0.5	不可接受(Unacceptable)

上面示例结果为0.773，对照上面信息，可以解释为可接受。