Cronbach α 信度：阈值、删题与论文里怎么写
量表信度是问卷实证的基础步骤。解释 α 系数含义、0.7/0.8 常见门槛、删题注意事项，以及 Stata alpha 与 SchoolStore 信度工具对照。
α 系数在说什么
Cronbach α 衡量「同一构念下多道题是否测量同一潜在维度」，本质是题项间内部一致性，不是「测量真实值的无偏性」。α 高只说明题项之间协变程度高，仍可能存在共同方法偏差或概念混淆。
SchoolStore 使用 α = (k/(k−1))·(1 − Σσᵢ²/σ_total²)，题项与总分方差均为样本方差（ddof=1），与 Stata alpha 及常见参考实现一致。Stata：alpha item1-item5, item std。
常见阈值怎么用（别机械套用）
Nunnally (1978) 建议探索性研究 α≥0.7，较严格场景（如临床决策）可要求 0.8–0.9。中文核心期刊与学位论文常见写法：α≥0.7 可接受，0.8 以上较好。
α 不是越高越好：题项过多、内容同质过高时 α 会虚高；构念本应多维却被压成单维时，高 α 反而提示题项设计有问题。若 α 极低（<0.6），优先检查反向题是否未翻转、有无错列、样本是否异质混合。
删题（item deletion）的原则
「删题提高 α」只能基于理论与技术双重理由：题项语义与构念不符、加载过低、或明显双重加载。不应为了凑 α>0.9 而删掉区分度合理的题项。
正式论文应报告最终量表的题项数与 α；若探索阶段删题，方法部分说明删题标准（如 CITC 过低、删题后 Δα>0.02 等），并在附录保留原始题项列表。
论文表述示例
「本研究组织支持量表含 5 个题项，Cronbach α 为 0.87，表明内部一致性良好。」若分维度报告，每个维度单独给 α，并说明维度划分依据（文献或 EFA）。
α 与结构效度不同：验证性因子分析（CFA）的 CFI/TLI/RMSEA 以及 AVE、CR 不在 SchoolStore 当前工具范围内，定稿请用 AMOS、Mplus、lavaan 等完成。
与后续分析如何衔接
信度通过后，用「量表得分」工具将题项合成为构念均分（或总分），勾选反向题后写入数据集，供相关、回归、中介、调节使用。合成方式（均分 vs 总分）全文统一，表注写清。
推荐路径：描述统计 → 相关 → 信度（α）→ 量表得分 → VIF → OLS/中介/调节。跳过信度直接回归，容易被审稿人追问测量质量。
相关工具
- Cronbach α在线 Cronbach α 信度、反向题与删题后 α，对照 Stata alpha。适合问卷实证分析与研究生量表检验。
- 量表得分在线量表均分/总分（含反向题），写入共享数据后直接回归。打通信度→得分→中介调节，服务问卷实证分析。
- KMO / Bartlett在线 KMO 与 Bartlett 球形检验，判断是否适合因子分析。服务问卷效度探索与实证分析前检验。