信頼性分析とは？クロンバッハのαの意味と読み方をやさしく解説
みなさん、こんにちは。スマート・アナリティクスの畠です。 「アンケートでいくつもの質問項目を合計して1つの得点にしているけれど、その合計に本当に意味があるのか不安です」「論文で『信頼性係数』を報告するように言われたが、何を計算すればいいのか分からない」——尺度やアンケートを使う研究の方から、こうしたご相談をよくいただきます。そんなときに頼りになるのが、今回ご紹介する信頼性分析と、その代表的な指標であるクロンバッハのα（Cronbach's alpha）です。クロンバッハのαは、複数の質問項目が「同じものを測れているか」＝尺度のまとまり（内的整合性）を、1つの数値で評価する指標で、心理尺度や調査項目を合計得点として使う場面で広く用いられています。このページでは、そもそも信頼性とは何か、信頼性を確かめる方法（再テスト法・平行法・折半法）、それらを発展させたクロンバッハのαの考え方と読み方、「項目を削除したときのα」の使い方、そしてSPSSでの確認手順までを、研究で使う知識として順番にやさしく解説していきます。
- 信頼性（reliability）とは、同じ項目をもう一度使っても同じような結果が得られるか＝測定の再現性・安定性のこと
- 信頼性を確かめる古典的な方法は再テスト法・平行法・折半法。折半法は「項目をどう2つに分けるか」で結果が変わる弱点がある
- クロンバッハのαは、折半法を「考えうるすべての分け方」に広げて平均したものに相当し、分け方への依存という弱点を補う。各項目が互いに一貫して同じ方向を向くほど高くなる
- αはおよそ0〜1の値。「0.7以上で許容」「0.8以上で十分」は経験則の目安であって絶対的な合格ラインではなく、項目数や分野で変わる
- 「項目を削除したときのα」を見ると、尺度のまとまりを下げている項目を見つけられる。ただし統計だけで機械的に外さず、項目の内容とあわせて判断する
- 信頼性が高い＝妥当性が高い、ではない。信頼性は妥当性の前提（必要条件）だが十分条件ではなく、両者は分けて報告する
信頼性とは何か
信頼性（reliability）とは、同じ質問票や項目をもう一度使っても、同じような結果が得られるか——つまり測定の再現性・安定性のことです。同じような人に、同じ質問を同じ条件で尋ねたら、同じような回答が返ってくるか、と言い換えてもよいでしょう。
測定には必ず誤差が伴います。信頼性が高い尺度ほど、偶然の誤差に振り回されにくく、安定して同じものを測れている、と考えます。
信頼性は「安定して測れているか」であって、「測りたいものを正しく測れているか（妥当性）」とは別の概念です。信頼性は妥当性の前提（必要条件）ですが、信頼性が高いだけで妥当だとは言えません。両方を区別して報告するのが基本です。
信頼性を確かめる方法（再テスト法・平行法・折半法）
信頼性を確認する古典的な方法には、次のようなものがあります。
| 方法 | やり方 | 見るもの |
|---|---|---|
| 再テスト法 | 同じ回答者に、時間をおいて2度回答してもらう | 2回の結果の相関 |
| 平行法（並行検査法） | 同じ回答者に、内容が等価な2つの調査を実施する | 両者の相関 |
| 折半法 | 1つの調査の項目を2つのグループに分ける | 両グループの得点の相関（高いほど信頼性が高い） |
折半法は手軽ですが、「項目をどう2つに分けるか」で結果が変わってしまうという弱点があります。分け方が一通りに決まらないため、たまたま選んだ分け方に依存してしまうのです。
折半法の「分け方しだいで変わる」問題を解決するために登場するのが、次に述べるクロンバッハのαです。
クロンバッハのαの考え方
クロンバッハのαは、折半法を「考えうるすべての分け方」に広げて平均したものにあたる、と考えると分かりやすくなります。1通りの分け方に頼るのではなく、項目の分け方をすべて織り込むことで、尺度全体の内的整合性を安定して評価します。
直感的には、「その尺度の各項目が、どれくらい互いに一貫して同じ方向を向いているか」を表す指標です。項目どうしの関連が強く、皆が同じ構成概念を測れているほど、αは高くなります。
計算は、尺度全体の分散と各項目の分散の合計、そして項目数の関係から求められます。具体的な計算式はソフトウェアが処理してくれるので、研究で使う際は「項目間の一貫性が高いほどαが高くなる」という対応を押さえれば十分です。
αの読み方と目安
クロンバッハのαは、おおよそ0から1の範囲の値をとり、高いほど内的整合性が高いと読みます。
実務では「0.7以上あれば許容できる」「0.8以上で十分」といった目安が広く引用されますが、これはあくまで経験則の目安であり、絶対的な合格ラインではありません。次の点に注意してください。
- αは項目数が多いほど高く出やすい性質があります。項目数を考慮せずに、高さだけで判断しないこと。
- 逆にαが高すぎる場合（例：0.95以上）、よく似た項目が重複している可能性もあり、項目の冗長性を疑う見方もあります。
- 分野・尺度の性質・サンプルによって妥当な水準は変わります。先行研究の慣例とあわせて判断するのが安全です。
αは「尺度が1因子的にまとまっているか」を直接保証するものではありません。因子構造の確認（因子分析）とあわせて使うと、より確かな尺度の検討になります。
「項目を削除したときのα」を活用する
信頼性分析の出力では、ある項目を取り除いたときに尺度全体のαがどう変わるかを確認できます。SPSSでは「項目が削除された場合のα」という列で示されます。
- もしある項目を削除したときにαが上がるなら、その項目は他の項目と方向がそろっておらず、尺度のまとまりを下げている可能性があります。
- 削除候補を見つけたら、統計だけで機械的に外すのではなく、項目の内容（何を尋ねているか）とあわせて残すか外すかを検討します。
この情報は、尺度を磨き込む（項目を絞る）うえでとても役に立ちます。下の表は、出力の読み取りイメージです。
| 項目 | この項目を削除したときの全体α | 読み取り |
|---|---|---|
| 項目1 | 0.78 | 削除すると下がる（＝残したほうがよい） |
| 項目2 | 0.79 | 削除すると下がる（＝残したほうがよい） |
| 項目3 | 0.86 | 削除すると上がる＝まとまりを下げている候補。内容とあわせて検討 |
| 項目4 | 0.80 | 削除すると下がる（＝残したほうがよい） |
「削除するとαが上がる項目」を見つけても、反射的に外さないこと。その項目が尺度にとって内容上どうしても必要なら、αが少し下がっても残す判断もあり得ます。統計と内容の両面で考えます。
SPSSでの操作の流れ
SPSSでは、「分析」→「尺度」→「信頼性分析」で、尺度を構成する項目を投入して実行します。クロンバッハのαと、項目を削除したときのαが出力されます。ここでは全体像をつかんでください。実際の画面操作はSPSSの使い方シリーズで詳しく扱います。
ステップ1：分析→尺度→信頼性分析を開く
信頼性を評価したいデータを開き、信頼性分析のダイアログを呼び出します。
ステップ2：尺度を構成する項目をすべて投入する
対象とする一連の質問項目（たとえば、ある尺度を構成する項目）をすべて「項目」の欄に投入します。逆転項目があれば、あらかじめ得点の向きをそろえて（逆転処理して）おきます。
ステップ3：統計量で「項目を削除したときのスケール」を指定する
「統計量」を開き、「項目」「項目を削除したときのスケール」などにチェックを入れて続行します。これで項目ごとの「削除したときのα」が出力されます。
ステップ4：実行し、αと「項目を削除したときのα」を確認する
実行し、出力でクロンバッハのαの値と、項目を削除したときのαを確認します。SPSSの具体的な画面操作は「SPSSの使い方」シリーズでくわしく解説しています。
関連分析手法・SPSS実装ガイド
信頼性分析と関連の深い分析手法・SPSSでの具体的な実装手順を以下にまとめます。尺度開発や論文執筆の参考にあわせてご活用ください。
- 因子分析とは？ — 尺度が想定した因子（構成概念）を測れているかを確かめる手法。信頼性分析と並んで、尺度開発の中核になります。
- 相関分析とは？ — 項目間の関連を見る基礎。折半法やαの土台にある「項目どうしの関連」を理解する出発点です。
- 仮説検定の基礎 — 研究でデータを扱うときの土台となる考え方。尺度を使った分析の前提として押さえておきましょう。
- t検定とは？ — 尺度得点を群間で比較するときに使う基本の検定。
- 一元配置分散分析（ANOVA）とは？ — 3群以上で尺度得点の平均差を調べたいとき。
- 正規分布とは？ — 尺度得点の分布を考える土台になる、分布の基礎。
- 主成分分析とは？ — 多数の項目を少数の指標へまとめる手法。尺度の次元をまとめる文脈で信頼性分析と接続します。（★No.229で公開直前HTML化済＝PCA公開／同時公開時に最優先で復活し双方向リンク化。PCA HTML側にも reliability-cronbach-alpha のコメント行あり）
- クラスター分析とは？ — 対象をグループに分ける手法。（★No.232で公開直前HTML化済＝公開時にコメント解除。クラスター分析HTML側にも reliability-cronbach-alpha のコメント行あり）
- SPSSとは？研究・実務で使われる統計解析ソフトをやさしく解説 — 製品の全体像・価格・購入方法。信頼性分析は SPSS Statistics 本体で実行できます。
- SPSSの使い方シリーズ（全10回） — 起動・データ準備・分析・出力結果の解釈まで体系的に学べます。
つまずきやすいポイントと注意点
信頼性分析（クロンバッハのα）でつまずきやすいポイントを、ここで整理しておきます。
1. αの高さだけで尺度の良し悪しを判断してしまう。αは項目数が多いほど高く出やすく、0.7／0.8という目安も経験則にすぎません。項目数・分野・先行研究の慣例とあわせて解釈します。
2. 「信頼性が高い＝妥当性が高い」と思い込む。信頼性（安定して測れているか）は妥当性（測りたいものを測れているか）の前提ですが、十分条件ではありません。両者は分けて考え、分けて報告します。
3. αが高すぎる（例：0.95以上）のを無条件で良いと考える。よく似た項目が重複していると高く出ることがあり、項目の冗長性を疑う見方もあります。
4. 「項目を削除したときのα」だけで機械的に項目を外す。統計上はαが上がっても、その項目が尺度にとって内容上必要なこともあります。内容面の検討を必ず併用します。
5. 逆転項目の処理を忘れる。否定的な表現の項目（逆転項目）を得点の向きをそろえずに投入すると、αが不当に低く出ます。投入前に逆転処理を確認します。
6. 1因子的なまとまりをαだけで判断する。αは内的整合性の指標であって、尺度が1つの因子にまとまっているかを直接保証しません。因子分析とあわせて確認すると確かです。