能告诉你什么
Crosstabs 在浏览器中运行与 SPSS RELIABILITY 对应的过程，支持 alpha、折半、Guttman、平行、严格平行和 McDonald's ω 模型，并提供项总计统计、基于方差分析的检验、Hotelling T² 和组内相关系数。
- 量表的内部一致性有多高：Cronbach's α、基于标准化项的 α，或单因子模型下的 ω。
- 哪些题目不合群：校正后的项总计相关偏低，或删除该题后 α 会上升。
- 可能需要反向计分的题目：其校正后的项总计相关为负。
- 各题均值是否存在差异（F、Friedman 或 Cochran 检验），以及借助组内相关系数衡量评分者或多次测量的一致程度。
适用场景
适合使用
- 在把李克特题目加总成量表得分之前，报告该量表的信度。
- 通过找出贡献较小的题目来缩减问卷。
- 用组内相关系数衡量多名评分者对同一批个案评分的一致性。
改用其他方法
- 证明题目测量的是单一构念：α 以此为前提，应先用因子分析检查维度。
- 两名评分者在分类上的一致性：使用 Cohen's κ 或加权 κ。
- 未重新编码的反向表述题：应先重新编码，否则 α 会被低估。
在 Crosstabs 中如何操作
- 01
打开题目数据
载入每道题一列的数据文件，并切换到“统计”模式。
- 02
选择可靠性分析
在“度量”组中选择“可靠性分析”（RELIABILITY），并勾选两个或更多“项目”。
- 03
选择模型
选择 Alpha (Cronbach)、折半（并设置第 1 部分的项目数）、Guttman、平行、严格平行或 Omega (McDonald)。
- 04
勾选统计和 ANOVA 表
默认已勾选“项目描述统计”“标度描述统计”“删除项后的标度”和“摘要”；可再勾选“项间相关性”“项间协方差”“Hotelling T 平方”或“Tukey 可加性检验”，并在“ANOVA 表”中选择 F 检验、Friedman 卡方或 Cochran 卡方。
- 05
按需添加组内相关系数
勾选“组内相关系数”，选择双向混合、双向随机或单向随机，一致性或绝对一致，并设置置信区间和检验值。修改选项后结果即时更新；如有权重需先声明。
计算示例
以下结果由 Crosstabs 引擎在构建本页时根据模拟数据实际计算得出，并非手工填写。
数据
60 名模拟受访者回答一个工作负荷量表的五道 1–5 分题目。题目 q1–q4 在同一潜在特质上载荷较高，q5 几乎不相关。数据由固定随机种子生成并取整到量表分值。
| Cronbach Alpha | 基于标准化项的 Cronbach Alpha | 项数 |
|---|---|---|
| 0.824 | 0.820 | 5 |
| 项目 | 删除项后的标度平均值 | 删除项后的标度方差 | 校正后的项与总计相关性 | 复相关性的平方 | 删除项后的 Cronbach Alpha |
|---|---|---|---|---|---|
| q1 | 11.53 | 10.931 | 0.724 | 0.588 | 0.757 |
| q2 | 11.65 | 11.011 | 0.742 | 0.655 | 0.752 |
| q3 | 11.75 | 11.716 | 0.660 | 0.509 | 0.777 |
| q4 | 11.72 | 10.851 | 0.758 | 0.640 | 0.746 |
| q5 | 11.88 | 14.715 | 0.244 | 0.093 | 0.883 |
| 项目 | 平均值 | 最小值 | 最大值 | 范围 | 项数 |
|---|---|---|---|---|---|
| 项目均值 | 2.927 | 2.750 | 3.100 | 0.350 | 5 |
| 项间相关性 | 0.476 | 0.144 | 0.730 | 0.587 | 5 |
结果解读
五道题的 Cronbach alpha 为 0.824（基于标准化项为 0.820），平均项间相关为 0.476。“项总计统计”揭示了弱题：q5 的校正后项总计相关仅为 0.244，删除后 alpha 将升至 0.883。删题前应先检查题目措辞；alpha 本身并不能证明其余题目测量的是同一构念。
输出表格说明
- 可靠性统计
- alpha 模型给出 Cronbach Alpha、基于标准化项的 Cronbach Alpha 和项数；其他模型分别给出折半系数、Guttman Lambda 1–6、平行模型的各方差成分或 McDonald Omega。
- 项目统计
- 每道题的平均值、标准差和个案数。
- 摘要项目统计
- 项目均值、项目方差、项间协方差和项间相关的平均值、最小值、最大值、范围、最大值/最小值比和方差。
- 项总计统计
- 删除该题后的标度平均值和方差、校正后的项与总计相关性、复相关性的平方，以及删除该题后的 alpha（或 omega）。
- ANOVA
- 人员之间、项目之间和残差的平方和，以及 F、Friedman 卡方或 Cochran Q；勾选时还给出 Tukey 非可加性检验。
- 组内相关系数
- 单个测量与平均测量的组内相关系数，含置信区间以及与所设检验值比较的 F 检验。
前提假设与注意事项
- 个案在所有题目上都完整：采用成列删除，方差为零的题目会被剔除。
- α 假定题目测量同一维度且载荷大致相等（τ 等价）；载荷差异较大时，ω 是更好的估计。
- 使用抽样权重时，报告信度系数，但不提供显著性检验。
结果如何验证
与 pingouin 0.7、NumPy 2.5 以及 R 4.6.1 的 psych 2.6.9 对照验证：α、标准化 α、校正后的项总计相关和删除项后的 α 误差在 1e-12 以内，折半系数与 Guttman Lambda 在 1e-12 以内，方差分析和 Tukey 非可加性 F 在 1e-9 以内，Friedman（SciPy 1.18）与 Cochran Q（statsmodels 0.15、pingouin）在 1e-9 以内，组内相关系数与 R psych::ICC 和 pingouin 相差不超过 1e-12。频数权重与按权重复制个案的结果一致。 验证证据（英文）
常见问题
Cronbach's α 多少算好？
常用经验标准认为 0.70 可接受、0.80 良好、0.90 极好。非常高的值（约 0.95 以上）可能意味着题目冗余，而不是量表更好。
应该删除能提高 α 的题目吗？
只有在内容层面同样站不住脚时才删除。应检查题目措辞及其校正后的项总计相关；为了几个百分点的提升而牺牲内容覆盖面通常并不值得。
α 还是 ω？
ω 允许各题在公共因子上的载荷不等，因此通常是更准确的估计。Omega (McDonald) 模型会报告 ω 及删除项后的 ω；当单因子模型不适用时（常因有反向计分题）不予报告。
应选择哪种组内相关系数模型？
若评分者是从更大群体中抽取的样本且关注评分的绝对值，选双向随机、绝对一致；若只关心这几位特定评分者，选双向混合；若每个个案的评分者各不相同，选单向随机。
我的问卷数据会被上传吗？
不会。可靠性分析在浏览器中计算，数据始终留在你的设备上。
相关过程
- 因子分析FACTOR
- 双变量相关CORRELATIONS
- 加权 KappaWEIGHTED KAPPA
- Fleiss 多评分者 KappaFLEISS MULTIRATER KAPPA
- 分类主成分分析（CATPCA）CATPCA
- 免费的 SPSS 替代工具：支持范围
用你自己的数据运行可靠性分析
打开 .sav、CSV 或 Excel 文件。所有计算都在浏览器中完成，文件不会离开你的设备。
SPSS 是 IBM Corp. 的商标。Crosstabs 与 IBM 无关联，也未获得 IBM 认可。