Tính Cronbach's alpha online

Cách dùng

1. Trong Excel, SPSS Data View hoặc file Google Forms, bôi đen các cột câu hỏi kèm dòng tên biến rồi sao chép. Có thể chọn cả bảng: cột STT, thời gian, cột chữ được bỏ ra và nêu tên; biến chỉ có một mã như giới tính, tuổi được để riêng, không tính.
2. Dán vào ô dữ liệu và bấm Tính độ tin cậy. Các biến cùng mã (HL1, HL_2, HL03, HL4R…) thành một thang đo. Tên biến không theo mã (Câu 1, Câu 2…) thì khai báo nhóm trong Tuỳ chọn, mỗi dòng một thang đo, ví dụ Hài lòng: Câu 1-Câu 5.
3. Biến có tương quan biến–tổng âm thường là câu đảo chiều chưa mã hoá lại: bấm Đảo điểm ở dòng đó (điểm mới = thấp nhất + cao nhất − điểm cũ, tức 6 − điểm với thang 1–5). Biến yếu thì bấmLoại; kết quả ghi cả lần 1 và lần 2, giống cách trình bày trong luận văn.
4. Bấm Tải file Word để lấy bảng tổng hợp, bảng chi tiết từng thang đo và đoạn văn có trích dẫn, hoặc sao chép đoạn văn.

Định dạng dán được: cột cách nhau bằng tab, chấm phẩy, dấu phẩy (CSV có dấu ngoặc kép) hoặc khoảng trắng; số thập phân 3,5 hoặc 3.5; ô trống hay dấu “.” của SPSS là giá trị thiếu; mã thiếu như 99 khai trong Tuỳ chọn; nhãn chữ của Google Forms (Hoàn toàn không đồng ý … Hoàn toàn đồng ý) đổi sang 1–5, có chữ “Hơi đồng ý” thì đổi sang 1–7. Phiếu thiếu câu trả lời bị loại riêng trong thang đo có ô trống (listwise theo từng thang đo, như lệnh RELIABILITY của SPSS). Dữ liệu chỉ xử lý trong trình duyệt, không gửi lên máy chủ.

Công thức và cách tính

Hệ số alpha (Cronbach, 1951):

α = k / (k − 1) × (1 − Σσᵢ² / σₜ²)

• k: số biến quan sát trong thang đo.
• Σσᵢ²: tổng phương sai của từng biến.
• σₜ²: phương sai của điểm tổng.

Phương sai tính theo mẫu (chia cho n − 1), như SPSS. Tương quan biến–tổng hiệu chỉnh là tương quan Pearson giữa một biến và tổng các biến còn lại.Bình phương tương quan bội là R² khi hồi quy biến đó theo các biến còn lại (1 − 1/r^jj từ nghịch đảo ma trận tương quan).Alpha chuẩn hoá = k·r̄ / (1 + (k − 1)·r̄), với r̄ là tương quan trung bình giữa các biến.

Khoảng tin cậy 95% của alpha theo Feldt, Woodruff và Salih (1987): (1 − α) / (1 − α̂) có phân phối F với n − 1 và (n − 1)(k − 1) bậc tự do, nên cận dưới = 1 − (1 − α̂)·F_0,975, cận trên = 1 − (1 − α̂)·F_0,025. Đây cũng là khoảng tin cậy SPSS in ở bảng Intraclass Correlation Coefficient (two-way mixed, consistency, average measures), vì hệ số ở dòng đó bằng alpha.

McDonald's omega (ω tổng):ω = (Σλᵢ)² / ((Σλᵢ)² + Σθᵢ), với λ là hệ số tải và θ là phương sai sai số của mô hình một nhân tố (McDonald, 1999; Hayes & Coutts, 2020). Công cụ ước lượng mô hình bằng hợp lý cực đại (ML) trên ma trận tương quan, rồi đổi về thang điểm thô bằng độ lệch chuẩn của từng biến, nên ω nói về độ tin cậy của điểm tổng giống như alpha. Kết quả được đối chiếu với hai cách ước lượng ML độc lập (tối ưu hoá trực tiếp hàm ML bằng SciPy và FactorAnalysis của scikit-learn), khớp đến 5 chữ số thập phân. Omega cần ít nhất 3 biến; với thang đo 2 biến, công cụ báo hệ số Spearman-Brown như Eisinga và cộng sự (2013) khuyến nghị. Khi một biến có hệ số tải gần 1 (trường hợp Heywood), công cụ ghi chú để đọc omega thận trọng.

Đọc kết quả

• Alpha tổng. Mốc được trích nhiều nhất là 0,7 (Nunnally, 1978). Từ 0,6 đến dưới 0,7 thường được chấp nhận trong nghiên cứu khám phá (Hair và cộng sự, 2010). Từ 0,90 trở lên nên xem có câu nào lặp ý không (Tavakol & Dennick, 2011). Các mốc này là quy ước, không phải ngưỡng thống kê, và các tác giả dùng nhãn khác nhau cho cùng một giá trị (Taber, 2018), nên ghi rõ mốc và nguồn trong luận văn.
• Khoảng tin cậy. Với mẫu nhỏ, alpha 0,75 có thể đi kèm cận dưới dưới 0,7: công cụ ghi chú khi đó để bạn không kết luận quá mạnh.
• Omega không đòi hỏi các biến có hệ số tải bằng nhau như alpha. Khi hệ số tải chênh nhau nhiều, omega thường cao hơn alpha. Hayes và Coutts (2020) khuyến nghị dùng omega thay cho alpha; vì hội đồng thường vẫn hỏi alpha, công cụ báo cả hai.
• Tương quan biến–tổng hiệu chỉnh dưới 0,3 được tô màu (Nunnally & Bernstein, 1994); alpha nếu loại biến lớn hơn alpha tổng cũng được đánh dấu.
• Tương quan biến–tổng âm gần như luôn là câu đảo chiều chưa đảo điểm: mã hoá lại trước khi quyết định loại.

Loại từng biến một, bắt đầu từ biến yếu nhất, rồi xem lại; các con số thay đổi sau mỗi lần loại. Xem nội dung câu hỏi trước khi loại: câu dịch sai nghĩa hoặc câu hai ý có thể sửa được. Giữ ít nhất 3 biến cho mỗi khái niệm. Cách đọc từng bảng có trong bàiCronbach's alpha là gì.

Câu hỏi thường gặp

Kết quả có khớp với SPSS không?

Có, với cùng dữ liệu và cùng cách xử lý giá trị thiếu. Các số tương ứng cộtCronbach's Alpha vàCronbach's Alpha Based on Standardized Items của bảng Reliability Statistics, cột Mean và Std. Deviation của Item Statistics, và các cột Scale Mean if Item Deleted,Scale Variance if Item Deleted,Corrected Item-Total Correlation,Squared Multiple Correlation,Cronbach's Alpha if Item Deleted của Item-Total Statistics. Bảng Reliability Statistics của SPSS không in khoảng tin cậy của alpha; công cụ tính sẵn khoảng tin cậy và omega cho mọi thang đo trong một lần.

Vì sao alpha âm?

Alpha âm khi hiệp phương sai trung bình giữa các biến âm, gần như luôn do còn câu đảo chiều chưa mã hoá lại. Tìm biến có tương quan biến–tổng âm và bấm Đảo điểm.

Có nên tính alpha cho cả bảng hỏi gộp lại?

Không. Alpha chỉ có nghĩa với các câu cùng đo một khái niệm; công cụ tính riêng cho từng thang đo và cảnh báo khi một nhóm có hơn 12 biến. Alpha cao cũng chưa chứng minh thang đo đơn hướng; việc đó cần EFA, có trongcông cụ phân tích dữ liệu khảo sát.

Cần bao nhiêu phiếu?

Công cụ chạy được từ 3 phiếu, nhưng với 20–30 phiếu chạy thử khoảng tin cậy của alpha rất rộng. Dùng kết quả đó để phát hiện câu có vấn đề; kết luận chính thức dựa trên mẫu đầy đủ, tính bằngmáy tính cỡ mẫu.

Tài liệu tham khảo

• Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555
• Eisinga, R., Grotenhuis, M. te, & Pelzer, B. (2013). The reliability of a two-item scale: Pearson, Cronbach, or Spearman-Brown?International Journal of Public Health, 58(4), 637–642. https://doi.org/10.1007/s00038-012-0416-3
• Feldt, L. S., Woodruff, D. J., & Salih, F. A. (1987). Statistical inference for coefficient alpha. Applied Psychological Measurement, 11(1), 93–103. https://doi.org/10.1177/014662168701100107
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010).Multivariate data analysis (7th ed.). Pearson Prentice Hall.
• Hayes, A. F., & Coutts, J. J. (2020). Use omega rather than Cronbach’s alpha for estimating reliability. But…. Communication Methods and Measures, 14(1), 1–24. https://doi.org/10.1080/19312458.2020.1718629
• McDonald, R. P. (1999). Test theory: A unified treatment. Lawrence Erlbaum Associates.
• Nunnally, J. C. (1978). Psychometric theory (2nd ed.). McGraw-Hill.
• Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory(3rd ed.). McGraw-Hill.
• Taber, K. S. (2018). The use of Cronbach’s alpha when developing and reporting research instruments in science education. Research in Science Education, 48(6), 1273–1296. https://doi.org/10.1007/s11165-016-9602-2
• Tavakol, M., & Dennick, R. (2011). Making sense of Cronbach's alpha.International Journal of Medical Education, 2, 53–55. https://doi.org/10.5116/ijme.4dfb.8dfd