Cronbach’s alpha is een coëfficiënt tussen 0 en 1 die de interne consistentie van een meetschaal uitdrukt: de mate waarin meerdere vragen die samen een begrip meten, ook echt hetzelfde onderliggende concept meten. Een waarde vanaf 0,70 geldt doorgaans als acceptabel. Zo weet je of je een reeks losse vragen gerust tot een betrouwbaar totaalscore mag optellen.
In vrijwel elk kwantitatief onderzoek vat je een begrip als tevredenheid, betrokkenheid of merkbeleving niet in een enkele vraag. Je stelt meerdere vragen die elk een stukje van hetzelfde concept raken, en je telt die samen tot een schaalscore. De vraag is dan: mogen die vragen wel samen in een score? Cronbach’s alpha geeft daar een cijfer op. Het is een van de meest gebruikte statistische technieken in survey-onderzoek, en tegelijk een van de meest verkeerd geïnterpreteerde.
Wat is Cronbach’s alpha?
Cronbach’s alpha, soms geschreven als Cronbachs alfa of coëfficiënt alpha, is een maat voor interne consistentie. Interne consistentie is een vorm van betrouwbaarheid: ze zegt in welke mate de items van een schaal onderling samenhangen. Hangen ze sterk samen, dan reageren respondenten op al die vragen op een vergelijkbare manier, en meet de schaal consistent hetzelfde. De coëfficiënt loopt van 0 (geen enkele samenhang) tot 1 (perfecte samenhang).
De maat is in 1951 beschreven door de Amerikaanse psychometricus Lee Cronbach, in zijn artikel Coefficient alpha and the internal structure of tests. Ze veralgemeent de oudere Kuder-Richardson-formule KR-20 uit 1937, die enkel werkte voor vragen met twee antwoordcategorieën, naar schalen met meerdere antwoordopties zoals een kwantitatieve Likert-schaal van 1 tot 7. Sindsdien is alpha de standaardmaat geworden die je in zowat elk onderzoeksrapport terugziet.
Belangrijk om meteen helder te hebben: alpha meet betrouwbaarheid, niet validiteit. Betrouwbaarheid gaat over consistentie, validiteit over de juiste inhoud. Daar komen we verderop op terug.
Waarom interne consistentie belangrijk is in marktonderzoek
Stel dat je klanttevredenheid meet met vier vragen: over het product, de levering, de klantenservice en de prijs-kwaliteitverhouding. Je wil die vier antwoorden samenvatten in een gemiddelde tevredenheidsscore. Dat mag alleen als de vier vragen daadwerkelijk eenzelfde achterliggend gevoel oproepen. Doen ze dat niet, dan tel je appels bij peren op en wordt je totaalscore een ruissignaal zonder betekenis.
Multi-item schalen zitten overal in het vak. Een tevredenheidsindex bij een klanttevredenheidsonderzoek, een betrokkenheidsschaal in een medewerkersbevraging, een reeks stellingen over merkassociaties in een imago-onderzoek: telkens voeg je losse vragen samen tot een score waarop beslissingen volgen. Cronbach’s alpha is de controle vooraf die zegt of dat samenvoegen verantwoord is. Een hoge alpha betekent dat de respondenten de vragen als een samenhangend geheel beleven. Een lage alpha is een waarschuwing dat je schaal eigenlijk meerdere dingen door elkaar meet.
Het verschil is niet academisch. Stel dat je medewerkersbetrokkenheid rapporteert als een score van 7,4 op 10, en dat die score steunt op vijf vragen die in werkelijkheid twee verschillende dingen meten, namelijk tevredenheid over het werk en vertrouwen in de leiding. Dan verbergt dat ene cijfer dat medewerkers hun werk graag doen maar de directie wantrouwen. Een directie die op die 7,4 stuurt, mist het echte signaal. Cronbach’s alpha vangt dat risico vooraf af: een lage alpha dwingt je om de schaal op te splitsen voordat je er beslissingen op baseert. Zo beschermt een technische controle de kwaliteit van de conclusies.
Hoe bereken je Cronbach’s alpha?
De formule voor Cronbach’s alpha ziet er zo uit:
alpha = (k / (k − 1)) × (1 − (som van de itemvarianties / variantie van de totaalscore))
Daarin is k het aantal items in de schaal, is de som van de itemvarianties de optelsom van hoe sterk de antwoorden per vraag spreiden, en is de variantie van de totaalscore de spreiding van de opgetelde schaalscore. De kern van de formule zit in die breuk. Als de items sterk samenhangen, dan versterken ze elkaar in de totaalscore, waardoor de totaalvariantie veel groter is dan de som van de losse itemvarianties. De breuk wordt dan klein en alpha hoog.
Neem een tevredenheidsschaal met vier items, elk gescoord van 1 tot 7, afgenomen bij een voldoende grote steekproef. De varianties zien er als volgt uit.
| Onderdeel | Symbool | Waarde |
|---|---|---|
| Aantal items | k | 4 |
| Variantie item 1 | s1 | 1,30 |
| Variantie item 2 | s2 | 1,05 |
| Variantie item 3 | s3 | 1,25 |
| Variantie item 4 | s4 | 1,10 |
| Som van de itemvarianties | som s | 4,70 |
| Variantie van de totaalscore | s totaal | 12,20 |
Je vult in: alpha = (4 / 3) × (1 − (4,70 / 12,20)) = 1,333 × (1 − 0,385) = 1,333 × 0,615 = 0,82. De schaal haalt dus een alpha van 0,82, wat als goed geldt. Merk op dat de totaalvariantie (12,20) ruim groter is dan de som van de itemvarianties (4,70). Dat verschil komt door de positieve samenhang tussen de items, en net die samenhang is wat alpha beloont. In de praktijk reken je alpha zelden met de hand uit: software als SPSS, R of JASP doet dat in een muisklik. Daarnaast bestaat er een gestandaardiseerde alpha die met correlaties in plaats van varianties werkt, handig wanneer de items op verschillende schalen gescoord zijn.
Hoe interpreteer je de waarde van Cronbach’s alpha?
De berekende waarde leg je naast een reeks vuistregels. De onderstaande indeling, gangbaar sinds onder meer het werk van George en Mallery, wordt breed gebruikt. Let wel: het zijn richtlijnen, geen natuurwetten.
| Alpha-waarde | Oordeel | Wat het betekent |
|---|---|---|
| Lager dan 0,50 | Onacceptabel | De items meten te weinig hetzelfde, een totaalscore is niet verdedigbaar. |
| 0,50 tot 0,60 | Zwak | Alleen bruikbaar in heel vroeg verkennend onderzoek. |
| 0,60 tot 0,70 | Twijfelachtig | Grenswaarde, kritisch bekijken of de schaal eendimensionaal is. |
| 0,70 tot 0,80 | Acceptabel | Gangbare ondergrens voor een betrouwbare schaal. |
| 0,80 tot 0,90 | Goed | Sterke interne consistentie, geschikt voor beslissingen. |
| Hoger dan 0,90 | Uitstekend, met voorbehoud | Zeer consistent, maar boven 0,95 vaak teken van overbodige, bijna identieke vragen. |
De klassieke drempel van 0,70 komt van psycholoog Jum Nunnally. Die 0,70 is geen heilige grens: voor een verkennende studie aanvaard je soms 0,60, terwijl je voor onderzoek met zware gevolgen, denk aan een beloning die aan medewerkersscores hangt, liever 0,80 of hoger ziet. Even belangrijk is het andere uiterste. Veel onderzoekers denken dat hoger altijd beter is, maar een alpha boven 0,95 betekent meestal dat sommige vragen bijna hetzelfde formuleren. Je meet dan een heel smal puntje van het begrip en mist nuance. Een goede schaal zoekt de balans tussen samenhang en inhoudelijke breedte.
De juiste ondergrens kies je dus niet mechanisch, maar op basis van wat er met de resultaten gebeurt. Onderzoek dat een strategische koers bepaalt, een budget verdeelt of individuen beoordeelt, verdient een strengere drempel dan een eerste verkenning van een nieuw thema. Een gevestigde, gevalideerde schaal die je ongewijzigd overneemt, mag je soepeler beoordelen dan een reeks items die je zelf voor het eerst opstelt. Door de alpha telkens tegen de inzet van het onderzoek af te wegen, voorkom je zowel een vals gevoel van zekerheid bij een nipte 0,71 als onnodige twijfel bij een degelijke 0,78.
Cronbach’s alpha, betrouwbaarheid en validiteit
Cronbach’s alpha is een van meerdere betrouwbaarheidsmaten, en betrouwbaarheid is iets anders dan validiteit. Om die begrippen scherp te houden, zet de volgende tabel ze naast elkaar.
| Begrip | Vraag die het beantwoordt | Hoe je het meet |
|---|---|---|
| Interne consistentie (Cronbach’s alpha) | Hangen de items van een schaal onderling samen? | Een afname, alpha over alle items |
| Test-hertestbetrouwbaarheid | Geeft dezelfde meting later hetzelfde resultaat? | Twee afnames, correlatie tussen beide |
| McDonald’s omega | Hoe betrouwbaar is de schaal zonder de strenge aannames van alpha? | Een afname, op basis van de factorladingen |
| Validiteit | Meet de schaal wat ze hoort te meten? | Inhoudelijk oordeel plus samenhang met andere maten |
Twee misverstanden zijn hardnekkig. Het eerste: een hoge alpha bewijst dat de schaal een ding meet. Dat klopt niet. Alpha kan hoog zijn terwijl de schaal in werkelijkheid twee samenhangende dimensies bevat. Eendimensionaliteit toon je aan met een factoranalyse, niet met alpha. Het tweede: alpha is de echte betrouwbaarheid. Technisch is alpha een ondergrens, dus de werkelijke betrouwbaarheid ligt doorgaans wat hoger. Statisticus Klaas Sijtsma wees er in een bekend artikel uit 2009 op dat alpha te vaak klakkeloos wordt gerapporteerd, en dat McDonald’s omega in veel gevallen een betere keuze is omdat ze minder strenge aannames maakt. Alpha blijft nuttig als snelle, vertrouwde maat, zolang je weet wat ze wel en niet zegt.
Wanneer gebruik je Cronbach’s alpha, en wanneer niet?
Cronbach’s alpha is bedoeld voor een reflectieve, eendimensionale schaal: meerdere items die elk een weerspiegeling zijn van hetzelfde onderliggende begrip, meestal gescoord op een Likert-schaal. Een tevredenheidsschaal, een betrokkenheidsschaal of een reeks stellingen over merkvertrouwen zijn typische gevallen. In die situaties is het logisch dat de items samenhangen, en net die samenhang meet alpha.
Er zijn ook situaties waarin alpha niet past. Bij een formatieve index, waar de items samen een begrip opbouwen in plaats van het te weerspiegelen, denk aan een optelsom van verschillende aankoopkanalen of een index van sociaaleconomische status, hoeven de items helemaal niet samen te hangen. Een lage alpha is daar geen probleem, en de maat zelf is niet zinvol. Hetzelfde geldt voor een enkele losse vraag, voor zuiver categorische variabelen en voor open antwoorden uit kwalitatief onderzoek: daar zijn andere kwaliteitsmaten op hun plaats. Weten welke maat bij welk type vraag hoort, is precies de keuze die een onderzoek maakt of kraakt.
Hoe rapporteer je Cronbach’s alpha?
In een rapport vermeld je per schaal de alpha samen met het aantal items, bijvoorbeeld zo: de tevredenheidsschaal met vier items had een goede interne consistentie, met een Cronbach’s alpha van 0,82. Rond af op twee decimalen en, als je de APA-stijl volgt, schrijf je de waarde zonder voorloopnul. Rapporteer alpha voor elke samengestelde schaal apart, nooit een enkele alpha over een vragenlijst die meerdere begrippen door elkaar meet. Zo kan de lezer meteen inschatten hoe stevig de meetbasis onder je conclusies ligt, en wordt betrouwbaarheid een zichtbaar onderdeel van je rapportage in plaats van een verborgen aanname.
Vijf valkuilen bij Cronbach’s alpha
Elk statistiekpakket rekent alpha in een seconde uit, en een AI-assistent levert op vraag een kant-en-klare tabel. Precies daardoor daalt de drempel om een verkeerde conclusie te trekken: de knop indrukken kan iedereen, de uitkomst juist lezen is het echte werk. De volgende vijf valkuilen zie je het vaakst terugkomen.
1. Alpha opkrikken door items toe te voegen
Alpha stijgt vanzelf naarmate je meer items in de schaal stopt, ook als die items weinig toevoegen. Een alpha van 0,90 bij twintig vragen is minder indrukwekkend dan 0,80 bij vier. Lees een hoge waarde dus altijd samen met het aantal items.
2. Omgekeerde items niet hercoderen
Schalen bevatten vaak een negatief geformuleerde stelling om doorklikken tegen te gaan. Vergeet je die om te polen voor de berekening, dan werkt het item tegen de rest in en keldert alpha, soms tot onder nul. Een onverwacht lage of negatieve alpha is bijna altijd een coderingsfout.
3. Alpha toepassen op een meerdimensionale schaal
Alpha veronderstelt dat alle items hetzelfde begrip meten. Gooi je tevredenheid en loyaliteit in een schaal, dan is het cijfer misleidend. Controleer eerst met een factoranalyse of je met een of met meerdere dimensies zit, en bereken alpha pas per dimensie.
4. Blind items schrappen tot de alpha hoog genoeg is
Software toont per item wat de alpha zou worden als je het weglaat. Dat is nuttig, maar wie items blijft schrappen tot het getal mooi oogt, snijdt vaak net de inhoud weg die de schaal breed en geldig maakte. Je optimaliseert dan een cijfer en verliest de inhoud.
5. Een hoge alpha gelijkstellen aan een goede vragenlijst
Betrouwbaarheid is een voorwaarde, geen eindoordeel. Een intern consistente schaal kan nog altijd het verkeerde begrip meten, sturend geformuleerd zijn of de verkeerde doelgroep bevragen. Alpha controleert een stukje van de kwaliteit, niet het geheel.
Stuk voor stuk zijn dit beoordelingskwesties waarvoor je de context van het onderzoek moet kennen. Een ervaren onderzoeker ziet aan de opzet van de schaal, de inhoud van de items en de samenhang met andere resultaten of een alpha van 0,82 een echt betrouwbare meting weerspiegelt of een toevallige uitkomst van een rommelige vragenlijst.
Van losse vragen naar een betrouwbare schaal
Een goede schaal ontstaat niet bij de analyse, maar bij het ontwerp. Je begint met een scherpe definitie van het begrip dat je wil meten, je formuleert meerdere items die elk een facet ervan raken, en je toetst die items in een pretest voordat je grootschalig uitrolt. Pas daarna reken je alpha uit, bekijk je de dimensionaliteit en rapporteer je de waarde netjes bij je schaal. Wie die volgorde omdraait en alpha gebruikt om een slordige vragenlijst achteraf glad te strijken, lost zelden iets op.
Daarbij hoort ook aandacht voor de rest van de methode: een voldoende grote en bepaalde steekproefgrootte, een steekproef die je via representativiteit waarborgt, en het besef dat een betrouwbare schaal niet hetzelfde is als een statistisch significant resultaat. De onderlinge samenhang van items leunt bovendien op correlatie, en wie zijn schaalscores helder in beeld wil brengen, let op een zorgvuldige datavisualisatie. Het geheel bepaalt of je cijfers dragen.
Bij BABLR bouwen we vragenlijsten waarvan de schalen van bij het ontwerp op betrouwbaarheid zijn gericht, en toetsen we Cronbach’s alpha binnen de context van het volledige onderzoek. Wil je zeker weten dat je consumentenonderzoek of ander marktonderzoek op een stevige meetbasis staat? Bekijk onze soorten marktonderzoek of ontdek hoe een marktonderzoek bij ons verloopt, en we denken graag met je mee.
Veelgestelde vragen over Cronbach's alpha
Cronbach's alpha is een coëfficiënt tussen 0 en 1 die de interne consistentie van een meetschaal uitdrukt: de mate waarin meerdere vragen die samen een begrip meten, ook echt hetzelfde onderliggende concept meten. Een waarde vanaf 0,70 geldt doorgaans als acceptabel voor een betrouwbare schaal.
Een alpha vanaf 0,70 wordt meestal acceptabel genoemd, 0,80 tot 0,90 is goed en boven 0,90 uitstekend. Toch is hoger niet altijd beter: een alpha boven 0,95 wijst vaak op overbodige, bijna identieke vragen. De gewenste ondergrens hangt af van de context, want voor verkennend onderzoek volstaat soms 0,60, terwijl je voor beslissingen met grote gevolgen minstens 0,80 wilt.
Bij een lage alpha controleer je eerst of omgekeerd geformuleerde items correct zijn hergecodeerd. Kijk daarna met een factoranalyse of de schaal wel eendimensionaal is, en bekijk per item of verwijderen de betrouwbaarheid verbetert. Schrap echter nooit zomaar items tot de alpha hoog is, want dan verlies je inhoud en meet je uiteindelijk iets anders.
In theorie loopt alpha van 0 tot 1, maar de formule kan een negatieve waarde opleveren wanneer items onderling negatief samenhangen, meestal doordat omgekeerde items niet zijn hergecodeerd. Een waarde boven 1 is bij een correcte berekening wiskundig niet mogelijk en wijst op een fout in de data of de codering.
Interne consistentie, gemeten met Cronbach's alpha, zegt of de items samenhangen en dus consistent hetzelfde meten. Validiteit zegt of je ook echt meet wat je wilt meten. Een schaal kan een hoge alpha hebben en toch het verkeerde begrip meten, dus betrouwbaarheid is een voorwaarde voor een goede meting, maar nooit het volledige bewijs ervan.
Cronbach's alpha vraagt minstens drie items per schaal, en in de praktijk werken vier tot acht items het best. Omdat alpha mee stijgt met het aantal items, zegt een hoge waarde bij heel veel vragen weinig. Voor een stabiele schatting reken je op een voldoende grote steekproef, vaak honderd respondenten of meer, zodat de item- en totaalvarianties betrouwbaar zijn.
