信頼性分析と Cronbach's α：研究者向け実践ガイド

複数の Likert 尺度項目を構成概念ごとに束ねたアンケートを設計したとします。回帰分析や群間比較に進む前に、まず答えるべき問いがあります。「その尺度は、本当に測定したいものを測れているのか」。

これに答える定量サーベイ研究の標準的な第一歩が、信頼性分析、特に Cronbach's α です。

Cronbach's α が測るもの

Cronbach's α（α 係数）は、内部一貫性の指標です。一連の項目がどの程度まとまった集合として関連しているかを示します。「職務満足」を 5 項目で測る構成概念があるとして、それらが同じ潜在概念を一貫して捉えているかを α が示します。

数式は項目数、各項目の分散、尺度全体の分散に依存しますが、実務上は手計算で求めることはまずありません。統計ソフトや自動化ツールで算出します。

値の解釈

社会科学研究で広く使われる目安は次の通りです。

• α ≥ 0.9：内部一貫性は優秀
• 0.8 ≤ α < 0.9：良好
• 0.7 ≤ α < 0.8：許容範囲
• 0.6 ≤ α < 0.7：要注意
• α < 0.6：不十分。構成概念の見直しが必要

修論審査委員会や査読者は、最低でも α ≥ 0.7 を期待することがほとんどです。ただし、探索的な研究や項目数の少ない尺度については、根拠を添えてやや低い値が許容されることもあります。

使う場面

次の条件を満たす場合に使います。

• 単一の構成概念を測定するために設計された複数項目尺度（例：「知覚有用性」を測る 5 項目）
• Likert タイプの順序・間隔データ
• 1 構成概念あたり最低 3 項目（2 項目の尺度には別のアプローチが必要）

次の場合は使いません。

• 単一項目の測定
• カテゴリカルまたは名義尺度の変数
• 形成的構成概念（項目間に相関を期待しない設計、たとえば収入・学歴・職業を組み合わせた SES 指標）

SPSS での典型的な手順

手作業で SPSS を使う場合、次の流れになります。

1. データセットを開く
2. Analyze → Scale → Reliability Analysis に進む
3. 該当項目を Items ボックスへ移動
4. モデルとして「Alpha」を選択
5. Statistics をクリックし「Scale if item deleted」をオン
6. 実行して出力を解釈する

「項目削除時の α」列は特に有用です。ある項目を取り除いたときに全体の信頼性が改善するかを示します。削除で α が大きく上がる項目は問題項目の可能性があります。

この手順を構成概念ごとに繰り返します。構成概念が 6 つあれば、6 回の実行、6 個の表整形、6 つの解釈段落の執筆が必要です。

よくあるつまずき

項目数が多いと α が水増しされる。 α は項目数に敏感で、20 項目尺度は 4 項目尺度より、ほぼ自動的に高い α を示します。項目間相関も合わせて確認するのが基本です。

逆転項目が α を押し下げる。 「私は仕事に不満を感じている」のような満足度尺度内の負方向項目は、α 計算前に逆転処理を行わないと、誤って低い値が出ます。よくある見落としです。

α は一次元性を保証しない。 α が高いことは項目同士の相関を示しますが、それが単一次元を測っているとは限りません。構造の検証には因子分析が別途必要です。

信頼性結果の書き方

結果セクションでは典型的に次のように記述します。

構成概念名、項目数、α 値をまとめたサマリー表を添えます。信頼性向上のために削除した項目があれば、その判断根拠も記述します。

Data2Paper での信頼性分析

Data2Paper は、信頼性分析のワークフロー全体を自動化します。Likert 尺度項目を含むアンケートデータをアップロードすると、システムが次を自動で行います。

• 列名のパターンと意味解析から、どの項目がどの構成概念に属するかを特定
• 逆転項目の検出と処理
• 構成概念ごとの Cronbach's α の算出
• 「項目削除時の α」分析の実行
• 整形済みの表と、論文用の解釈テキストの生成

構成概念ごとに SPSS を別々に走らせて手作業で結果を整形する代わりに、信頼性セクションが解析パイプラインの一部として一括で生成されます。

検証すべき構成概念が複数あるほど、節約できる時間は加速度的に増えていきます。