Cronbach's α 多少合格?信度系数标准对照表
分类：统计百科 · 数值速查 | 更新时间：2026/06/17
直接结论：通常 α ≥ 0.7 为可接受，α ≥ 0.8 为良好，α ≥ 0.9 为极佳。大多数毕业论文和学术期刊以 0.7 为最低合格线。
Cronbach's α 信度系数标准对照表
| α 系数范围 |
信度评级 |
含义说明 |
实际建议 |
| α ≥ 0.9 |
极佳 |
题项高度一致，内部一致性非常强 |
优秀，但需检查是否题目过于相似（冗余风险，见下文） |
| 0.8 ≤ α < 0.9 |
良好 |
量表信度充分，各题项配合良好 |
论文最理想的区间，直接报告即可 |
| 0.7 ≤ α < 0.8 |
可接受 |
量表基本可信，题项一致性尚可 |
符合大多数期刊/答辩要求，可正常使用 |
| 0.6 ≤ α < 0.7 |
勉强 |
信度偏低，量表存在一定问题 |
探索性研究可保留并说明，正式量表建议修订题项 |
| α < 0.6 |
不可接受 |
题项一致性差，量表可信度存疑 |
需重新审视题项设计；论文一般不可用此数据 |
参考来源：Nunnally（1978）提出 α≥0.7 为心理测量可接受标准，此后被社会科学广泛采用。DeVellis（2016）建议正式量表应达 α≥0.8。国内各院校毕业论文细则略有差异，通常以 0.7 为最低合格线。
α 偏低或偏高怎么办
α 偏低（低于 0.7）的处理思路
- 查"删除后 α 值"：信度分析结果中会列出"删除某题后 α 变化"，若删除某题后 α 显著提升，说明该题与维度不匹配，可考虑删除。
- 检查反向题是否已转换：负向措辞题项（反向计分题）若未做逆向编码，会拉低 α。
- 检查题项数量：维度题项少于 3 道时，α 天然偏低，属正常现象（见 FAQ）。
- 检查样本同质性：样本群体差异过大（如混入了不同背景的受访者）会降低题项间相关，从而降低 α。
α 偏高（高于 0.95）——冗余风险
α 过高（>0.95）并非越好越好。这通常意味着多道题几乎在说同一件事，存在"项目冗余"（item redundancy）。建议审查题项措辞，考虑合并高度相似的题目，让每道题真正贡献独立信息。
分维度信度 vs 整体量表信度
包含多个维度的量表（如同时测量"服务态度""响应速度""环境质量"三个子维度），正确做法是对每个维度分别计算 Cronbach α，而不是把所有题项混在一起算一个总 α。
为什么?α 衡量的是"同一维度内部的一致性"。把不同维度的题项放在一起计算，测的是跨维度的一致性，这在概念上没有意义，数值也容易失真（可能虚高或虚低）。
论文报告规范：
- 每个维度单独列出 α 系数（如服务态度 α=0.83，响应速度 α=0.79……）
- 若有整体量表分，也可单独报告整体 α，但须注明是整体量表的一致性
- 三线表中通常按维度逐行列出，维度名、题项数、α 三列
用 chatspss 计算 Cronbach's α
常见问题
Q：α = 0.6 能用吗?
勉强可用，但需要说明。0.6≤α<0.7 属于"勉强可接受"区间，在探索性研究或量表初稿阶段可保留，但须在论文中注明信度偏低，并建议后续研究修订题项。若α<0.6，学术期刊通常不接受，需删除或修改相关题项。
Q：探索性研究标准是否更宽松?
是的。探索性研究阶段通常允许 α≥0.6，而正式量表研究建议 α≥0.7（Nunnally, 1978）甚至 α≥0.8（DeVellis, 2016）。毕业论文若为探索性性质，α≥0.65 并附合理解释通常可通过答辩，但建议事先与导师确认院校或目标期刊的具体要求。
Q：题目数量少，α 偏低正常吗?
正常。Cronbach α 会受题项数量的直接影响——题目越少，α 通常越低（数学上，题目数是 α 公式的一个乘数因子）。3 题以下的维度 α 偏低属于常见现象，不代表量表设计有问题。此时可补充报告"平均题间相关"（mean inter-item correlation，建议范围 0.2～0.4），作为题目数少时信度的辅助指标。
Q：Cronbach α 和 KMO 有什么区别?
两者评估完全不同的概念，不能混淆。Cronbach α 衡量的是"信度"——同一维度的题项是否在测量同一个概念（内部一致性）；KMO 检验的是"效度"前提——数据是否适合做因子分析。信度分析和效度分析（EFA/CFA）是量表研究中两个独立且互补的步骤，通常先用 EFA 确定维度结构（看 KMO），再对每个维度计算 Cronbach α（看信度）。详见：效度分析教程。
相关参考
让 chatspss 帮你算 Cronbach's α
上传问卷 Excel，说一句话，自动输出各维度信度系数及删题建议，符合学术报告规范。
立即免费体验 chatspss