크론바흐 알파 기준: 신뢰도 몇 이상이면 될까

설문·척도를 쓴 연구라면 거의 항상 Cronbach's 알파(신뢰도 계수)를 보고합니다. 그런데 "몇 이상이어야 하나요?"에서 막히는 분이 많습니다. 이 글에서는 통용되는 알파 기준과 그 의미, 그리고 신뢰도가 낮게 나왔을 때 점검하는 순서를 SPSS 기준으로 정리합니다.

크론바흐 알파란

알파는 한 요인(척도)을 이루는 문항들이 얼마나 일관되게 같은 개념을 재고 있는지(내적 일관성)를 0~1 사이 값으로 나타냅니다. 값이 높을수록 문항들이 서로 잘 맞물려 있다는 뜻입니다.

알파 기준 (통용되는 해석)

학계에서 널리 쓰이는 대략의 기준은 다음과 같습니다. 절대적 규칙이 아니라 해석의 관례임을 유의하세요.

Cronbach's α	해석
.90 이상	매우 높음
.80 ~ .89	양호
.70 ~ .79	수용 가능
.60 ~ .69	탐색적 연구에서 제한적으로 수용
.60 미만	낮음 — 척도 재검토 필요

💡 알파가 높다고 무조건 좋은 것도 아닙니다. 문항 수가 많으면 알파는 자연히 올라갑니다. .95를 넘는다면 비슷한 문항이 중복되었을 가능성(문항 과잉)도 살펴보세요.

신뢰도가 낮게 나왔을 때 점검 순서

1. 역문항 역코딩을 했는지 — 가장 흔한 원인입니다. 방향이 반대인 문항을 그대로 넣으면 알파가 크게 떨어지거나 음수가 됩니다. SPSS 역코딩 방법을 먼저 확인하세요.
2. 수정된 항목-전체 상관(corrected item-total correlation) — SPSS "항목 총계 통계량" 표에서 이 값이 .30 미만인 문항은 척도와 겉도는 문항일 수 있습니다.
3. 항목 제거 시 알파(Cronbach's Alpha if Item Deleted) — 특정 문항을 지웠을 때 알파가 눈에 띄게 올라간다면 그 문항 제거를 검토합니다. 단, 통계 수치만으로 지우지 말고 이론적 타당성을 함께 고려하세요.

🚀 신뢰도 출력, 붙여넣으면 표까지 정리Cronbach's 알파와 항목 통계량을 APA 표와 한국어 기술문으로 자동 작성

SPSS에서 신뢰도 구하는 경로

분석 → 척도 → 신뢰도 분석에서 한 요인의 문항들을 항목으로 옮기고, 모형은 알파를 선택합니다. [통계량]에서 "항목 제거 시 척도"를 체크하면 위 2·3번 점검에 필요한 표가 함께 출력됩니다. 자세한 판단 기준은 신뢰도 분석 Q&A를 참고하세요.

논문에 쓰는 보고 예시

자주 묻는 질문