크론바흐 알파(Cronbach's α) 계산기

1. **한 행에 응답자 한 명, 한 열에 문항 하나**가 되도록 자료를 정리합니다(예: 만족도 척도 5문항). Excel, Google 스프레드시트, SPSS에서 복사해 붙여 넣으면 되며 탭, 쉼표, 공백 모두 구분자로 쓸 수 있습니다. 2. **하나의 척도(하위척도)에 속한 문항만** 넣습니다. 하위척도가 여러 개라면 각각 따로 계산합니다. 3. **역문항은 붙여 넣기 전에 역코딩**합니다. 1~5점 척도라면 역코딩 점수 = 6 − 원점수입니다. 4. 결측이 있는 행은 붙여 넣기 전에 처리하고, 처리 방법을 논문에 밝힙니다. 5. 결과: **α**, **표준화 α**, 문항 간 상관 요약, 각 문항의 **수정된 문항-총점 상관**과 **문항 제거 시 α**.

크론바흐 알파는 Lee Cronbach가 1951년에 제안한, 가장 널리 보고되는 **내적 일관성 신뢰도** 지표입니다. 여러 문항이 같은 구성개념을 얼마나 일관되게 측정하는지를 나타내며, 한 문항에서 점수가 높은 사람이 다른 문항에서도 높은 경향이 강할수록 알파가 높아집니다.

사용하는 경우:

• 다문항 척도(리커트형 문항, 평정, 시험 문항)를 개발하거나 번안해 본 표본에서의 신뢰도를 보고해야 할 때
• 번역 문제나 역코딩을 빠뜨린 역문항처럼 다른 문항과 다르게 작동하는 문항을 찾을 때

알파는 척도가 **단일 차원인지를 검정하지 않습니다**. 관련된 두 요인에 걸친 문항이라도 문항 수가 많으면 알파가 높게 나올 수 있습니다. 차원성은 요인분석으로 확인하십시오.

• **문항이 하나의 구성개념을 측정**하고 채점 방향이 같아야 합니다.
• **타우 동등성**: 알파는 모든 문항이 구성개념과 같은 강도로 관련된다고 가정합니다. 이 가정이 맞지 않으면 알파는 신뢰도를 과소추정하는 경향이 있으며, 요인모형에 기반한 맥도날드 오메가(ω)가 흔히 쓰이는 대안입니다.
• **오차 무상관**: 거의 같은 문구의 문항처럼 구성개념 외의 오차를 공유하지 않아야 합니다.
• **문항 수**: 평균 문항 간 상관이 같아도 문항이 늘면 알파가 올라갑니다.
• **표본 의존성**: 알파는 척도 자체가 아니라 현재 자료의 특성입니다. 원 논문 값을 인용하는 데 그치지 말고 연구마다 본 표본의 알파를 보고하십시오.

문항 수 k, 문항별 분산 s²ᵢ, 총점 분산 s²ₜ일 때:

• `α = (k / (k − 1)) · (1 − Σ s²ᵢ / s²ₜ)`

표준화 알파는 평균 문항 간 상관 r̄를 사용합니다.

• `α_std = k · r̄ / (1 + (k − 1) · r̄)`

문항 단위가 달라 z점수로 바꾼 뒤 합산한다면 표준화 알파를, 같은 단위로 그대로 합산한다면 원점수 알파를 보고합니다.

문항 통계:

• **수정된 문항-총점 상관**: 해당 문항과 나머지 문항 합계 사이의 상관(자기 자신을 총점에서 제외)
• **문항 제거 시 α**: 나머지 k − 1개 문항으로 다시 계산한 알파

응답자 10명이 5문항 척도(1~5점)에 응답했습니다.

| 응답자 | I1 | I2 | I3 | I4 | I5 | |---|---|---|---|---|---| | 1 | 4 | 5 | 4 | 3 | 4 | | 2 | 3 | 3 | 2 | 3 | 3 | | 3 | 5 | 5 | 4 | 5 | 4 | | 4 | 2 | 3 | 2 | 2 | 1 | | 5 | 4 | 4 | 5 | 4 | 4 | | 6 | 3 | 2 | 3 | 3 | 2 | | 7 | 5 | 4 | 5 | 5 | 5 | | 8 | 2 | 2 | 1 | 3 | 2 | | 9 | 4 | 3 | 4 | 4 | 3 | | 10 | 3 | 4 | 3 | 2 | 3 |

• 문항별 분산: 1.17, 1.17, 1.79, 1.16, 1.43, 합계 6.71
• 총점 분산 = 26.40
• `α = (5/4) · (1 − 6.71 / 26.40) = .93`
• 평균 문항 간 상관 r̄ = .74이므로 표준화 α = .93

| 문항 | 수정된 문항-총점 상관 | 제거 시 α | |---|---|---| | I1 | .97 | .89 | | I2 | .67 | .94 | | I3 | .85 | .91 | | I4 | .73 | .93 | | I5 | .91 | .90 |

이 값들은 NumPy로 공식대로 직접 계산했습니다(표본 분산, 분모 n − 1).

널리 쓰이는 경험 기준은 연구용 척도에서 **.70**을 최소 수용 수준, **.80 이상**을 양호로 봅니다. 매우 높은 값(약 .95 이상)은 척도가 훌륭하다기보다 문항이 중복된다는 신호일 수 있습니다. 이는 관례일 뿐 엄격한 기준이 아니며, 개인에 대한 판단(임상 선별 등)에는 집단 비교보다 높은 신뢰도가 필요합니다.

예시의 α = .93은 높은 내적 일관성을 뜻합니다. 문항 2의 문항-총점 상관이 가장 낮고(.67), 제거하면 알파가 .93에서 .94로 조금 오르지만 이 정도 차이는 제거 근거가 되지 않습니다. 문항 제거는 내용상의 근거가 있어야 합니다. 문항-총점 상관이 **음수**라면 대개 역코딩을 하지 않은 것입니다.

이 예시는 설명용 10명 자료여서 알파 추정이 부정확합니다. 실제 신뢰도 분석에는 훨씬 큰 표본이 필요합니다.

측정도구 절에서 각 척도의 본 표본 알파를 보고합니다. 알파는 1을 넘을 수 없으므로 APA 양식에서는 소수점 앞의 0을 생략합니다.

> 본 표본에서 5문항 참여도 척도의 내적 일관성은 높았다(Cronbach's α = .93, 수정된 문항-총점 상관 .67~.97).

설문 자료가 준비되어 있다면 Data2Paper의 [논문 생성(Generate Paper)](/ko/generate-paper)으로 CSV/Excel 파일에서 신뢰도 등 통계 분석, 표, 그림이 포함된 논문 초안을 만들 수 있습니다. 앞부분 절반은 무료로 미리 볼 수 있으며, 보고하는 모든 값은 직접 분석과 대조하십시오.

• **역문항 역코딩 누락**: 알파가 낮아지고 문항-총점 상관이 음수가 됩니다.
• **여러 하위척도를 합쳐 알파 하나만 계산**.
• **높은 알파를 단일 차원성이나 타당도의 증거로 간주**: 신뢰도는 타당도의 필요조건이지 충분조건이 아닙니다.
• **알파를 높이려고만 문항 제거**: 척도의 내용 범위가 좁아질 수 있습니다.
• **본 표본이 아닌 원 논문의 알파 인용**.
• **1문항이나 2문항으로 알파 계산**: 2문항이면 상관계수나 Spearman-Brown 계수를 보고합니다.