Cronbachs Alpha berechnen und deuten: Leitfaden für Studium und Forschung
Reihen von Reagenzgläsern mit nahezu identischem Füllstand als Metapher für Konsistenz
Ein Alphawert von 0,81 wirkt in der Softwareausgabe zunächst beruhigend. Für deine Abschlussarbeit oder Publikation ist diese Zahl aber nur dann aussagekräftig, wenn die Items wirklich ein gemeinsames Merkmal erfassen und korrekt aufbereitet wurden. Wer Cronbachs Alpha berechnet, sollte deshalb auch Voraussetzungen, auffällige Items und eine fachlich stimmige Deutung prüfen.
Cronbachs Alpha beschreibt die interne Konsistenz einer Skala. Gemeint ist, wie einheitlich die Antworten auf mehrere Items ausfallen und ob es gerechtfertigt ist, sie zu einem gemeinsamen Skalenwert zusammenzufassen. Das betrifft etwa Fragebögen zu Depressivität oder Therapiezufriedenheit.
Rechnerisch teilt man die Itemzahl k durch k minus eins. Das Ergebnis multipliziert man mit eins minus dem Verhältnis aus der Summe der Itemvarianzen und der Varianz des Gesamtwerts. Von Hand rechnen musst du das kaum, die Logik solltest du aber kennen: Je ähnlicher die Antwortmuster, desto höher fällt Alpha aus.
Wichtig ist eine Grenze: Alpha sagt nichts darüber, ob ein Instrument inhaltlich misst, was es messen soll. Ein niedriger Wert ist umgekehrt kein automatischer Beleg für eine schlechte Skala. Bei sehr wenigen Items fällt Alpha oft geringer aus. Lange Itemlisten können den Wert dagegen künstlich erhöhen, selbst wenn sich Aussagen wiederholen.
Vor der Analyse: Kodierung und Umpolung prüfen
Der häufigste und zugleich vermeidbare Fehler sind Items, die nicht umgepolt wurden. Ist eine Aussage entgegengesetzt zu den übrigen formuliert, musst du sie vor der Berechnung rekodieren. Sonst korreliert sie negativ mit dem Rest der Skala und drückt Alpha deutlich.
Ein Beispiel: Hohe Werte stehen für große Studienzufriedenheit. Die Aussage Ich bereue meine Studienwahl wird bei fünf Antwortstufen gedreht: Aus 1 wird 5, aus 2 wird 4, die 3 bleibt. Erst danach gehört das Item in dieselbe Analyse wie die positiv formulierten Aussagen.
Prüfe außerdem:
- ob alle Items derselben Antwortlogik folgen,
- ob fehlende Werte nachvollziehbar behandelt wurden,
- ob nur Variablen eingehen, die theoretisch zur Skala gehören.
Alpha ist kein Werkzeug, um nachträglich zufällig passende Items aufzuspüren. Die Skalenstruktur sollte vorab theoretisch begründet sein.

Oberansicht von Indexkarten, eine Karte ist umgedreht und markiert als Hinweis auf Umpolung
Umsetzung in SPSS, R und Jamovi
In SPSS findest du die Reliabilitätsanalyse unter Analysieren im Bereich für Skalenanalysen. Übernimm die Items einer Skala, wähle das Modell Alpha und lass dir zusätzlich Statistiken zu Items, zur Skala und zur Skala bei entferntem Item ausgeben. Diese Tabellen brauchst du für die Deutung.
In R gelingt die Berechnung mit gängigen psychometrischen Paketen. Wichtiger als der einzelne Befehl ist eine saubere Datenstruktur: eine Zeile pro Fall, eine Spalte pro Item, umgepolte Items bereits rekodiert. Jamovi und JASP sind ähnlich zugänglich wie SPSS; die methodische Prüfung bleibt überall dieselbe.
Halte außerdem fest, wie fehlende Werte behandelt werden. Ein listenweiser Ausschluss kann die Stichprobe unnötig verkleinern. Bildest du Skalenwerte aus vorhandenen Antworten, brauchst du eine klare Regel, etwa eine Mindestzahl beantworteter Items.
Werte deuten statt Schwellen abhaken
Als grobe Orientierung gelten Werte ab 0,70 oft als akzeptabel, ab 0,80 als gut und ab etwa 0,90 als sehr hoch. Mechanisch anwenden solltest du diese Schwellen nicht. Ein Alpha von 0,68 kann bei einer kurzen, heterogenen, explorativen Skala vertretbar sein, wenn die theoretische Begründung stimmt. Ein Wert von 0,95 kann dagegen darauf hindeuten, dass mehrere Items fast dasselbe fragen und die Skala unnötig lang ist. Bei sehr kleinen Stichproben sind Kennwerte zudem unsicherer.
Aufschlussreich ist die korrigierte Trennschärfe, also die Korrelation eines Items mit der Summe der übrigen Items. Sehr niedrige oder negative Werte sind Warnsignale. Prüfe dann zuerst die Kodierung, danach die inhaltliche Passung und erst zuletzt einen Ausschluss. Auch die Spalte Cronbachs Alpha, wenn Item gelöscht hilft weiter. Entferne Items aber nicht nur für einen schöneren Kennwert: Ein Item kann theoretisch zentral sein oder für Vergleiche mit früheren Studien gebraucht werden.
Sonderfälle: Subskalen und Likertitems
Erfasst ein Fragebogen mehrere Facetten, etwa körperliches, psychisches und soziales Wohlbefinden bei der Lebensqualität, wäre ein einziges Alpha für alle Items irreführend. Berechne die Reliabilität dann getrennt für jede theoretisch definierte Subskala.
Für mehrstufige Likertitems, also Aussagen mit abgestuften Zustimmungsoptionen, wird Alpha in der Praxis sehr häufig genutzt. Bei klar ordinalen Daten, wenigen Antwortkategorien, stark schiefen Verteilungen oder kleinen Stichproben kann jedoch ein ordinales Alpha geeigneter sein. Es beruht auf polychorischen Korrelationen, die den Zusammenhang aus geordneten Antwortkategorien schätzen. Auch McDonalds Omega ist oft eine sinnvolle Ergänzung, weil Alpha recht strenge Annahmen über die Gleichwertigkeit der Items trifft.

Nahaufnahme vieler identischer Haftnotizen, an einer Stelle überlappend als Hinweis auf Redundanz
Alpha sauber berichten
Ein vollständiger Bericht nennt mindestens Skala, Itemzahl, Alphawert und Stichprobe oder Messzeitpunkt, zum Beispiel: Die Skala zur wahrgenommenen Studienbelastung zeigte in der vorliegenden Stichprobe eine gute interne Konsistenz (k = 8, Cronbachs α = ,84). Subskalen berichtest du getrennt, einen dokumentierten Itemausschluss erwähnst du transparent im Methodenteil oder Ergebnisteil. Mehr zum Aufbau eines Ergebniskapitels bietet dieser Ratgeber zu Statistik und Datenanalyse.
Wichtig bleibt: Ein hohes Alpha macht eine Skala nicht valide. Reliabilität beschreibt die Zuverlässigkeit der Messung, Validität die Gültigkeit der inhaltlichen Interpretation.
Fazit
Cronbachs Alpha ist ein nützlicher, aber begrenzter Kennwert. Aussagekräftig wird er erst durch korrekt kodierte Daten, eine theoretisch begründete Skalenstruktur und eine umsichtige Deutung. Wer diese Punkte beachtet und transparent berichtet, schafft eine belastbare Grundlage für die eigenen Ergebnisse.