信度系数α的取值范围真是【0，1】吗？_数据分析_大数据

Cronbach信度系数α的取值范围到底是多大？真如好多专业书上所说是【0，1】吗？对于α的取值范围很多数书上的表达都比较模糊，普遍认为α信度系数的值一般在0和1之间。更有学者给出了经验判定值，他们认为在基础研究中α系数至少应达到0.8才能接受，在探索研究中α系数至少应达到0.7才能接受，而在实务研究中α系数只需达到0.6即可。那么，到底α的理论取值范围是多大呢？
我们先看α信度系数的计算公式：a=[K/(K-1)]×[1-(∑S2i)/(S2x)]。其中，K为量表中题项的总数，S2i为第i题得分的题内方差，S2x为全部题项总得分的方差。需要强调的是S2x是总得分的方差，而不是总离差平方和。此前笔者因为没有看清楚公式，误把总得分的方差理解为总离差平方和，在此自汗一个！在方差分析中，总离差一定大于组内离差差；但是总得分方差却有可能小于题内方差。经过我"数据分析师"的计算，α值的理论区间应该是(-∞，1]。比如这两组数据：1、2、3、4、5与5，4，3，2，2。经计算两列数据的α信度系数为-40。如若不信，您大可打开spss自己算一算，消除一下疑虑，所谓实践出真知。
       难道专家教授们错了？几百万的莘莘学子又被忽悠了？其实，倒也是不。实际中α系数检测的是数据间的内部一致性。也就是说，在潜在的前提假设中，数据内部应该是基本一致的，行话就是正相关，所以范围通常在[0，1]之间。α值用来表示这些数据间一致程度。如果出现负值，则说明多列数据不一致。但是，-α值又不能简单地理解成内部不一致系数，因为α是专门为测量一致性而设置的，α只在表示一致性上有意义，或者可以说成是只在α值大于0时才有意义。当多列数据的之间不是正相关时，总得分方差S2x可能小于题内方差∑S2i，所以负值就会出现。只是相关系数用于测量两变量之间的关系，而α系数可用于测量多个变量。
       信度检验测量的是可靠性。实际的问卷调查中，一般用a系数检验数据内部的一致性！但是，检验的前提是数据内部应该是一致的，或者理论上是一致的。比如：做一项教室卫生程度的调查，地板、桌子、玻璃，理论上洁净程度应该一致，要么都脏，要么都干净。所以可以用α系数测度内部的一致性。但是如果内部本来就不一致，检验将没有意义。比如清洁员只打扫了地板、抹桌子，却忘记了擦玻璃。那么地板和桌子可能一尘不染，但是玻璃却会满脸污脏。面对这样的事实，计算出来的a信度系数，就可能是负值了。所以，当a系数为负时，也不必大惊小怪。这可能反映了数据内部本身的不一致，但更可能的是你忘记把调查中的反向问题正向化了。 数据分析师