אלפא של קרונבאך: איך בודקים מהימנות שאלון ומדווחים את התוצאה?

אלפא של קרונבאך היא מדד לעקיבות הפנימית של סולם המורכב ממספר פריטים. היא בוחנת עד כמה הפריטים קשורים זה לזה ומודדים יחד את אותו מבנה תיאורטי. נהוג לראות ערך של 0.70 ומעלה כסימן ראשוני למהימנות מתקבלת, אך אין להסתמך על סף זה באופן אוטומטי. יש להתחשב במטרת המחקר, במספר הפריטים, במבנה השאלון ובאוכלוסייה שנבדקה.

שאלונים משמשים במחקרים כמותיים למדידת עמדות, תפיסות, רגשות, התנהגויות ותכונות שאי אפשר למדוד ישירות. כדי להשתמש בציון הכולל של שאלון או של סולם מסוים, החוקר צריך להראות כי הפריטים המרכיבים אותו פועלים יחד באופן עקבי. אחת הבדיקות הנפוצות ביותר למטרה זו היא אלפא של קרונבאך, המסומנת באות היוונית α.

במדריך זה נסביר מה המדד בודק, כיצד מחשבים אותו בתוכנת SPSS, איך מפרשים את הפלט ואיך מדווחים את התוצאה במסגרת עבודה סמינריונית או מחקר אקדמי אחר.

מהי אלפא של קרונבאך?

אלפא של קרונבאך היא מקדם סטטיסטי המעריך את העקיבות הפנימית של קבוצת פריטים. במילים פשוטות, היא בוחנת אם תשובותיו של נבדק לפריטים שאמורים למדוד את אותו משתנה נוטות להיות קשורות זו לזו.

לדוגמה, שאלון למדידת שביעות רצון מהלימודים עשוי לכלול את הפריטים הבאים:

• אני מרוצה מאיכות ההוראה בקורס.
• הלימודים עונים על הציפיות שלי.
• הייתי ממליץ לאחרים ללמוד בתוכנית.
• אני מרגיש שקיבלתי תמורה להשקעה שלי בלימודים.

אם כל הפריטים אכן משקפים היבטים של שביעות רצון, סביר להניח שמי שייתן ציון גבוה לפריט אחד ייטה לתת ציונים גבוהים גם לפריטים האחרים. במקרה כזה נקבל בדרך כלל אלפא גבוהה יחסית.

לעומת זאת, אם אחד הפריטים עוסק בנושא אחר, מנוסח בצורה מבלבלת או לא קודד נכון, הקשר בינו לבין יתר הפריטים עלול להיות חלש. הדבר עשוי להפחית את ערך האלפא.

תשובה ישירה: אלפא של קרונבאך בודקת עד כמה פריטים שנועדו למדוד אותו מבנה תיאורטי מציגים עקיבות פנימית. היא אינה מוכיחה שהשאלון תקף, חד-ממדי או חף מטעויות.

מתי נכון לחשב אלפא של קרונבאך?

חישוב אלפא מתאים כאשר מספר פריטים אמורים להצטרף לציון משותף המייצג משתנה אחד. השימוש נפוץ במיוחד בשאלוני ליקרט, שבהם המשיבים מדרגים את מידת הסכמתם עם כל היגד, למשל בסולם שבין 1 ל-5.

כדאי לחשב אלפא כאשר:

• השאלון כולל כמה פריטים המודדים את אותו מבנה תיאורטי.
• מתכוונים לחשב ממוצע או סכום של הפריטים וליצור ציון סולם.
• משתמשים בשאלון קיים ורוצים לבדוק את מהימנותו במדגם הנוכחי.
• מפתחים שאלון חדש ומבקשים לאתר פריטים בעייתיים.
• השאלון כולל תתי-סולמות נפרדים, וכל תת-סולם נבדק בפני עצמו.

בדיקת המהימנות היא חלק חשוב מתכנון המתודולוגיה במחקר כמותי. מומלץ להגדיר מראש אילו פריטים משתייכים לכל משתנה ולא לקבץ פריטים רק מפני שהם מפיקים אלפא גבוהה.

מתי לא נכון להשתמש באלפא של קרונבאך?

לא כל אוסף שאלות צריך להפיק ערך אלפא. אין טעם לחשב אלפא לכל השאלון כאשר הוא כולל שאלות דמוגרפיות, שאלות עובדתיות או פריטים המודדים נושאים שונים.

לדוגמה, גיל, מצב משפחתי, מספר שנות לימוד ורמת הכנסה אינם פריטים חלופיים למדידת אותו מבנה. לכן אין משמעות לחישוב אלפא עבורם.

אלפא של קרונבאך אינה הבחירה המתאימה גם במצבים הבאים:

• המשתנה נמדד באמצעות פריט יחיד.
• הפריטים יוצרים אינדקס של עובדות שונות ולא סולם פסיכולוגי משותף.
• מבקשים לבדוק יציבות של מדידה לאורך זמן. במקרה כזה מתאימה בדיקת מבחן חוזר.
• מבקשים לבדוק הסכמה בין שופטים או מקודדים.
• השאלון מודד כמה ממדים שונים, אך מחושבת אלפא אחת לכל הפריטים יחד.

איך מחושבת אלפא של קרונבאך?

הנוסחה המקובלת לחישוב המדד היא:

α = [k / (k – 1)] × [1 – (Σσ²_i / σ²_T)]

בנוסחה זו:

• k הוא מספר הפריטים בסולם.
• σ²_i היא השונות של כל פריט.
• σ²_T היא השונות של הציון הכולל המתקבל מחיבור הפריטים.

אין צורך לחשב את הנוסחה ידנית ברוב העבודות. תוכנות סטטיסטיות מבצעות את החישוב ומפיקות נתונים נוספים המסייעים לאבחן פריטים בעייתיים.

חשוב להבין שערך האלפא מושפע משני גורמים מרכזיים: עוצמת הקשרים בין הפריטים ומספר הפריטים בסולם. הוספת פריטים דומים יכולה להעלות את האלפא גם בלי לשפר בהכרח את איכות המדידה.

איך מפרשים את ערך האלפא?

אלפא מדווחת בדרך כלל כערך שבין 0 ל-1. ככל שהערך גבוה יותר, כך העקיבות הפנימית בין הפריטים גבוהה יותר. עם זאת, אין סף אוניברסלי שמתאים לכל מחקר.

ערך אלפא	פרשנות כללית	מה כדאי לבדוק?
פחות מ-0.60	עקיבות פנימית נמוכה	קידוד הפוך, פריטים חלשים, ממדים שונים או שאלות לא ברורות
0.60 עד 0.69	עקיבות מוטלת בספק	האם מדובר במחקר גישוש, בסולם קצר או במדגם ייחודי
0.70 עד 0.79	עקיבות מתקבלת בדרך כלל	האם כל הפריטים תואמים גם מבחינה תיאורטית
0.80 עד 0.89	עקיבות טובה	אם קיים איזון בין עקיבות לבין מגוון תוכני
0.90 עד 0.95	עקיבות גבוהה מאוד	האם חלק מהפריטים חוזרים למעשה על אותו רעיון
מעל 0.95	ייתכן שקיימת חזרתיות מיותרת	האם אפשר לקצר את הסולם בלי לפגוע בכיסוי התיאורטי

הטווחים בטבלה הם כללי אצבע בלבד. במחקר גישוש ניתן לעיתים להצדיק ערך מתון יותר, ואילו מבחן המשמש לקבלת החלטות משמעותיות עשוי לדרוש מהימנות גבוהה יותר. יש לפרש את התוצאה ביחס לתחום המחקר, למטרת המדידה, לאורך הסולם ולמחקרים קודמים.

האם אלפא גבוהה תמיד מעידה על שאלון טוב?

לא. אלפא גבוהה מעידה שהפריטים קשורים זה לזה, אך היא אינה מבטיחה שהם מודדים את המשתנה שהתכוונו למדוד. שאלון יכול להיות עקבי מאוד ובכל זאת למדוד מבנה אחר.

לדוגמה, קבוצת שאלות עשויה להפיק α = .92, אך כולן עשויות למדוד חרדה חברתית במקום ביטחון עצמי. במקרה כזה העקיבות הפנימית גבוהה, אך תוקף המדידה עדיין דורש הוכחה נפרדת.

אלפא גבוהה גם אינה מוכיחה שהסולם חד-ממדי. ייתכן ששני ממדים קרובים יוצרים יחד מקדם גבוה. כדי לבדוק את מבנה הסולם ניתן להיעזר בניתוח גורמים, בתיאוריה שעליה מבוסס השאלון ובממצאים ממחקרים קודמים.

איך בודקים אלפא של קרונבאך ב-SPSS?

לפני הבדיקה יש לוודא שכל שורה בקובץ מייצגת נבדק וכל עמודה מייצגת פריט. לאחר מכן פועלים כך:

1. נכנסים לתפריט Analyze.
2. בוחרים Scale.
3. בוחרים Reliability Analysis.
4. מעבירים לתיבה Items את כל הפריטים המשתייכים לסולם הנבדק.
5. מוודאים שבשדה Model נבחרה האפשרות Alpha.
6. לוחצים על Statistics.
7. מסמנים Item, Scale ו-Scale if item deleted.
8. לוחצים Continue ולאחר מכן OK.

אם השאלון כולל כמה תתי-סולמות, יש להריץ את הבדיקה בנפרד לכל אחד מהם. לדוגמה, בשאלון שחיקה הכולל תשישות רגשית, ריחוק ותחושת מסוגלות, אין להסתפק בהכרח באלפא אחת לכל השאלון.

הפקת הפלט היא רק שלב אחד בתהליך הניתוח הסטטיסטי. לאחר מכן צריך לבדוק את טבלאות האבחון ולפרש את הממצאים על בסיס מבנה השאלון.

מה בודקים בפלט של SPSS?

Reliability Statistics

זוהי הטבלה המרכזית. היא מציגה את ערך Cronbach's Alpha ואת מספר הפריטים שנכללו בבדיקה. אם התקבל α = .84 עבור שמונה פריטים, אפשר לומר שהסולם הציג עקיבות פנימית טובה במדגם שנבדק.

Corrected Item-Total Correlation

מדד זה מציג את המתאם בין כל פריט לבין הציון הכולל של יתר פריטי הסולם. ערך נמוך עשוי להצביע על כך שהפריט אינו משתלב היטב בסולם.

לעיתים משתמשים בערך של 0.30 כנקודת ייחוס ראשונית. פריט שמתאם הפריט-הכולל שלו נמוך מ-0.30 דורש בדיקה, אך אין למחוק אותו באופן אוטומטי. ייתכן שהוא מייצג היבט תיאורטי חשוב שאינו מכוסה בפריטים האחרים.

Cronbach's Alpha if Item Deleted

עמודה זו מראה מה יהיה ערך האלפא אם פריט מסוים יוסר. אם האלפא הכוללת היא .68, והסרת אחד הפריטים מעלה אותה ל-.81, ייתכן שהפריט בעייתי.

לפני שמסירים אותו צריך לברר:

• האם זהו פריט הפוך שלא קודד מחדש?
• האם ניסוח הפריט מבלבל או דו-משמעי?
• האם הוא מודד ממד אחר?
• האם הסרתו תפגע בהגדרה התיאורטית של המשתנה?
• האם השיפור באלפא משמעותי או זניח?

Inter-Item Correlation Matrix

טבלה זו מציגה את המתאמים בין כל זוג פריטים. מתאמים קרובים לאפס עשויים להעיד על קשר חלש, ואילו מתאמים גבוהים מאוד עשויים להצביע על פריטים כמעט זהים. המטרה אינה שכל השאלות יהיו העתק זו של זו, אלא שהן ימדדו היבטים קשורים של אותו מבנה.

למה חשוב לקודד פריטים הפוכים?

שאלונים רבים כוללים פריטים המנוסחים בכיוון הפוך כדי לצמצם מענה אוטומטי. לדוגמה:

• פריט חיובי: "אני מרוצה מהלימודים שלי".
• פריט הפוך: "לעיתים קרובות אני מצטער שבחרתי במסלול הלימודים הזה".

אם סולם התשובות נע בין 1 ל-5, יש להפוך את ציוני הפריט השלילי לפני חישוב הציון הכולל והאלפא:

• 1 הופך ל-5.
• 2 הופך ל-4.
• 3 נשאר 3.
• 4 הופך ל-2.
• 5 הופך ל-1.

פריט הפוך שלא קודד מחדש עלול ליצור מתאם שלילי עם יתר הפריטים ולהפחית בצורה חדה את האלפא. אלפא שלילית היא סימן אזהרה מובהק, ובדרך כלל מחייבת בדיקה של כיוון הקידוד, הזנת הנתונים וההתאמה בין הפריטים.

דוגמה לפירוש התוצאה

נניח שחוקרת בדקה סולם בן שישה פריטים למדידת תחושת שייכות לבית הספר בקרב 180 תלמידים. בניתוח הראשוני התקבל:

• אלפא כוללת: α = .74.
• מתאמי פריט-הכולל: בין .28 ל-.61.
• האלפא לאחר הסרת פריט 4: α = .79.

פריט 4 הציג מתאם פריט-הכולל נמוך יחסית. בדיקת הניסוח העלתה כי מדובר בפריט הפוך שלא קודד מחדש. לאחר תיקון הקידוד וחישוב חוזר התקבלה אלפא של .82. במקרה כזה אין הצדקה למחוק את הפריט, מפני שמקור הבעיה היה טכני ולא תוכני.

לעומת זאת, אם הפריט היה מקודד כהלכה אך עסק בשביעות רצון מהציונים ולא בתחושת שייכות, אפשר היה לשקול את הסרתו. ההחלטה הייתה צריכה להתבסס גם על ההגדרה התיאורטית של המשתנה ולא רק על העלייה באלפא.

איך מדווחים אלפא של קרונבאך בעבודה אקדמית?

את מאפייני כלי המדידה נהוג להציג בפרק שיטת המחקר. בפרק זה אפשר לציין את מקור השאלון, מספר הפריטים, סולם התשובות, אופן חישוב הציון וממצאי המהימנות ממחקרים קודמים.

את האלפא שהתקבלה במדגם הנוכחי ניתן לדווח בפרק השיטה או בתחילת פרק התוצאות, בהתאם להנחיות המוסד האקדמי. רצוי לכלול:

• את שם המשתנה או הסולם.
• את מספר הפריטים שנכללו בחישוב.
• את ערך האלפא במדגם הנוכחי.
• את גודל המדגם שעליו התבסס החישוב, כאשר הדבר רלוונטי.
• את טווח מתאמי הפריט-הכולל או רווח הסמך, אם נבדקו.
• הסבר על פריטים שהוסרו או קודדו מחדש.

נוסח דיווח בסיסי

"העקיבות הפנימית של סולם שביעות הרצון, שכלל שמונה פריטים, נמצאה טובה במדגם הנוכחי (α = .84). לפיכך חושב לכל משתתף ציון ממוצע של פריטי הסולם."

נוסח דיווח מפורט

"סולם תחושת המסוגלות כלל עשרה פריטים ונבדק בקרב 214 משתתפים. הסולם הציג עקיבות פנימית טובה (α = .86), ומתאמי הפריט-הכולל המתוקנים נעו בין .42 ל-.69. הסרתו של פריט כלשהו לא שיפרה באופן מהותי את מקדם האלפא, ולכן כל הפריטים נכללו בחישוב הציון הממוצע."

נוסח לדיווח על כמה תתי-סולמות

"המהימנות נבדקה בנפרד עבור שלושת תתי-הסולמות. עבור תשישות רגשית התקבל α = .88, עבור ריחוק התקבל α = .79, ועבור תחושת מסוגלות התקבל α = .83. הממצאים מצביעים על עקיבות פנימית מתקבלת עד טובה בכל תתי-הסולמות."

נוסח לדיווח על הסרת פריט

"בבדיקת המהימנות הראשונית התקבל α = .66. פריט 5 הציג מתאם פריט-הכולל נמוך (.12), והסרתו העלתה את האלפא ל-.75. מאחר שהפריט לא התאים גם להגדרה התיאורטית של הסולם, הוא הוסר מהניתוחים, והציון הסופי חושב על בסיס שבעת הפריטים הנותרים."

האם צריך לחשב אלפא מחדש אם משתמשים בשאלון קיים?

כן. גם כאשר נעשה שימוש בשאלון מוכר שמהימנותו כבר נבדקה, יש לחשב את האלפא במדגם הנוכחי. מהימנות אינה מאפיין קבוע של השאלון בלבד, אלא תוצאה שתלויה גם באוכלוסייה, בתנאי ההעברה, בשפה ובאופן השימוש בכלי.

לדוגמה, שאלון עשוי להציג אלפא של .88 במחקר בקרב עובדים, אך ערך שונה במחקר בקרב תלמידים. תרגום השאלון, שינוי ניסוחם של פריטים או קיצור הסולם עשויים גם הם להשפיע על העקיבות הפנימית.

אפשר לציין את הערך שדווח במחקר המקורי ולאחריו את התוצאה במחקר הנוכחי:

"במחקר המקורי דווחה מהימנות של α = .89. במדגם הנוכחי נמצאה עקיבות פנימית טובה של α = .85."

טעויות נפוצות בבדיקת מהימנות שאלון

חישוב אלפא אחת לכל השאלון

כאשר שאלון כולל משתנים שונים, יש לחשב אלפא נפרדת לכל סולם או תת-סולם. חיבור כל הפריטים למדד אחד עלול להפיק תוצאה חסרת משמעות.

מחיקת פריטים רק כדי לעבור את הסף של 0.70

הסרת פריט צריכה לקבל הצדקה סטטיסטית ותיאורטית. מחיקה אוטומטית עלולה לצמצם את כיסוי המושג ולשנות את משמעות הסולם.

התעלמות מפריטים הפוכים

לפני החישוב יש לבדוק את כיוון כל הפריטים. קידוד שגוי הוא אחד ההסברים הנפוצים לאלפא נמוכה או שלילית.

הצגת אלפא כהוכחה לתוקף

מהימנות ותוקף הם מושגים קשורים אך שונים. אלפא מעריכה עקיבות פנימית ואינה מראה שהכלי מודד את המושג הנכון.

אי-דיווח על שינויים בשאלון

אם הוסרו פריטים, שונה ניסוחם או חושב ציון בדרך שונה מהמקור, יש לתאר זאת בשקיפות. קורא המחקר צריך לדעת על סמך אילו פריטים התקבל הציון הסופי.

העתקת ערך האלפא מהמחקר המקורי בלבד

האלפא הרלוונטית לניתוחים היא זו שהתקבלה במדגם הנוכחי. ערך ממחקר קודם מספק רקע חשוב, אך אינו מחליף בדיקה חוזרת.

אלפא של קרונבאך לעומת מדדי מהימנות אחרים

מדד	מה הוא בודק?	מתי משתמשים בו?
אלפא של קרונבאך	עקיבות פנימית בין פריטי סולם	כאשר כמה פריטים נועדו למדוד מבנה משותף
אומגה של מקדונלד	מהימנות המבוססת על העומסים של הפריטים	כאשר תרומת הפריטים למשתנה אינה שווה
מבחן חוזר	יציבות הציונים לאורך זמן	כאשר אותו כלי מועבר לאותם נבדקים בשתי נקודות זמן
מהימנות בין שופטים	מידת ההסכמה בין מעריכים או מקודדים	בתצפיות, קידוד תוכן או הערכה מקצועית
חציית מבחן	הקשר בין שני חצאים של אותו כלי	כאומדן נוסף לעקיבות פנימית

אומגה של מקדונלד עשויה לספק אומדן מתאים יותר כאשר הפריטים אינם תורמים במידה שווה למשתנה הנמדד. בעבודות סטודנטיאליות רבות עדיין נהוג לדווח על אלפא, אך במחקר מתקדם אפשר לשקול דיווח משולב של אלפא ואומגה.

רשימת בדיקה לפני דיווח התוצאה

• האם כל הפריטים שנכללו באלפא מודדים את אותו משתנה?
• האם פריטים הפוכים קודדו מחדש?
• האם חושבה אלפא נפרדת לכל תת-סולם?
• האם נבדקו מתאמי הפריט-הכולל?
• האם נבדקה העמודה Alpha if Item Deleted?
• האם כל הסרה של פריט קיבלה הצדקה תיאורטית?
• האם דווחו מספר הפריטים וערך האלפא?
• האם חושבה המהימנות על בסיס המדגם הנוכחי?
• האם נמנעתם מהצגת האלפא כהוכחה לתוקף או לחד-ממדיות?

עיון במבנה של עבודה סמינריונית לדוגמה יכול לסייע בהבנת המיקום של תיאור כלי המחקר, בדיקות המהימנות ויתר הממצאים בתוך העבודה השלמה.

שאלות נפוצות על אלפא של קרונבאך

מה נחשב ערך טוב של אלפא של קרונבאך?

במחקרים רבים ערך של 0.70 ומעלה נחשב מתקבל, ערך של 0.80 ומעלה נחשב טוב וערך של 0.90 ומעלה נחשב גבוה. אלה כללי אצבע בלבד, ולכן צריך להתחשב במטרת המחקר, במספר הפריטים ובמאפייני המדגם.

האם אפשר לחשב אלפא לשני פריטים בלבד?

אפשר מבחינה חישובית, אך עבור סולם בן שני פריטים נהוג לעיתים לדווח גם על המתאם בין הפריטים או על מקדם ספירמן-בראון. מספר קטן של פריטים עשוי להוביל לאלפא נמוכה גם כאשר הקשר ביניהם סביר.

מה המשמעות של אלפא שלילית?

אלפא שלילית מעידה בדרך כלל על בעיה בנתונים או במבנה הסולם. הסיבות האפשריות כוללות פריט הפוך שלא קודד מחדש, טעויות בהזנת הנתונים או פריטים שאינם מודדים את אותו משתנה.

האם צריך לדווח על אלפא לכל משתנה במחקר?

יש לדווח על אלפא לכל משתנה שנמדד באמצעות כמה פריטים האמורים ליצור סולם משותף. אין צורך לחשב אלפא למשתנים שנמדדו בפריט יחיד או לשאלות דמוגרפיות.

האם ערך גבוה מ-.95 הוא מצוין?

לא בהכרח. ערך גבוה מאוד עשוי להראות שחלק מהפריטים כמעט זהים ומוסיפים מעט מידע חדש. במקרה כזה כדאי לבדוק אם קיימת חזרתיות מיותרת.

האם מותר להסיר פריט שמוריד את האלפא?

אפשר לשקול זאת, אך לא על בסיס המספר בלבד. יש לבדוק את ניסוח הפריט, הקידוד שלו, תפקידו התיאורטי והשפעת הסרתו על תוכן הסולם. כל הסרה צריכה להיות מוסברת בדיווח המחקר.

האם אלפא של קרונבאך בודקת תוקף?

לא. היא בודקת עקיבות פנימית. כדי להעריך אם השאלון מודד את המושג הרצוי יש לבחון ראיות לתוקף, כגון תוקף תוכן, תוקף מבנה ותוקף קריטריון.

לסיכום

אלפא של קרונבאך היא כלי מרכזי לבדיקת העקיבות הפנימית של שאלונים וסולמות מרובי פריטים. החישוב עצמו פשוט, אך פרשנות נכונה דורשת יותר מקריאה של מספר יחיד. יש לבדוק את מבנה הסולם, את כיוון הפריטים, את מתאמי הפריט-הכולל ואת ההשלכות התיאורטיות של כל שינוי.

בעת הכתיבה האקדמית חשוב לדווח איזה סולם נבדק, כמה פריטים נכללו בו, מהו ערך האלפא שהתקבל במדגם הנוכחי והאם נעשו שינויים בעקבות הבדיקה. דיווח שקוף ומדויק מאפשר לקוראים להעריך את איכות המדידה ואת מידת האמון שאפשר לתת בממצאי המחקר.

בדיקת המהימנות אינה שלב טכני בלבד. היא חלק מההיגיון המחקרי שמחבר בין הגדרת המשתנים, כלי האיסוף, הניתוח והאופן שבו מוצגות התוצאות במסגרת עבודות אקדמיות.