研究背景
某企业 HR 部门开发了一份包含 5 个题目的工作满意度量表（1-5 分李克特量表），对 10 名员工进行了预测试。在正式使用前，需要检验量表的内部一致性信度。
研究问题
该工作满意度量表是否具有足够的内部一致性信度？是否需要删除某些题目？
数据说明
10 名员工在 5 个满意度题目上的得分（1-5 分）。题目涵盖薪酬、同事关系、工作内容、晋升机会、工作环境。
分析步骤
步骤 1：为什么需要信度分析
信度反映量表测量结果的一致性和稳定性。如果题目之间高度相关（被试在各题上的得分模式一致），说明量表内部一致性好，测量结果可靠。
提示：信度是效度的前提——一个不可靠的量表不可能有效。
步骤 2：解读 Cronbach's α
α = 0.987，属于极佳水平（>0.9）。这说明 5 个题目之间高度一致，测量的是同一个潜在特质（工作满意度）。
步骤 3：检查项总计统计
每个题目的"校正项总计相关"都 > 0.3，说明每个题目与量表整体一致。"删除后 α"都低于整体 α，说明没有需要删除的题目。
结果解读
结论
Cronbach's α = 0.987，表明该工作满意度量表具有极佳的内部一致性信度。所有题目的校正项总计相关均 > 0.3，删除任何题目后 α 均降低。
为什么这样解读？
高 α 说明题目之间高度相关，但也要注意：α 过高（>0.95）可能意味着题目过于相似（冗余），量表可能只测了一个很窄的维度。同时，α 受题目数量影响——题目越多 α 越高。
如何在论文中报告
对工作满意度量表进行了信度分析。Cronbach's α = 0.987，标准化 α = 0.985，分半信度 = 0.978（Spearman-Brown 校正后 = 0.989）。所有题目的校正项总计相关均 > 0.3，表明量表具有极佳的内部一致性信度。
常见错误
α < 0.7 就直接说量表不可用
α 受题目数量影响。5 题量表 α=0.65 可能是可接受的。应同时看项总计统计，判断是否有个别题目拉低了信度。
把信度高当作效度高的证据
信度高只说明测量一致，不说明测量了正确的东西。一个量表可以高度一致地测量错误的构念。
对分类数据计算 α
Cronbach's α 要求数据是连续的（至少是等距的李克特量表）。对真正的分类数据（如性别、职业）不适用。