（分层）系数给出了由一般因子 (1,2) 解释的量表分数的方差比例，通常来自二阶因子分析。然而，如果任何零阶维度反映在这样的尺度中，将小于 Cronbach 的（在任何情况下都应该只用于一维尺度）。只有当测量仪器是所谓的 tau 等效（相等的因子载荷但可能不相等但不相关的误差）时，$\omega_h$$\omega_h$$\alpha$$\alpha=\omega_h$. 麦当劳很早就证明了这一点。无论使用何种指标，低值表明计算总分没有意义（即，将每个项目分数的贡献加在一起以得出综合分数）。

总而言之，相关的测量误差、多维性或不相等的因子负载使这两个指标可能出现分歧，分层是使用的可靠性度量，遵循 Revelle 和同事过去的工作（有关此的更多讨论，请参见 (1)）。$\omega_h$

参考

1. Zinbarg, RE, Revelle, W. 和 Yovel, I. (2007)。估计：危险和前景。应用心理测量，31（2），135-157。$\omega_h$
2. 麦克唐纳，RP (1999)。测试理论：统一处理。新泽西州马瓦：劳伦斯·厄尔鲍姆。
3. Zinbarg, RE, Yovel, I., Revelle, W. 和 McDonald, RP (2006)。估计所有量表指标共有的潜在变量的泛化性：$\omega_h$估计量的比较。应用心理测量，30（2），121-144。

Cronbach 的 alpha 取决于每个指标变量对因子的贡献相等的假设，即所有（非标准化）载荷必须相同（tau 等价）。如果违反此假设，则将低估真正的可靠性。

alpha 的第二个假设是指标的误差方差必须是不相关的。换句话说，一个单一的因素必须解释指标的所有共同方差。如果不是这种情况，alpha 将高估可靠性。

Omega 不需要 tau 等价或不相关的误差方差。欧米茄有两个版本。当误差方差不相关时使用第一个，如果它们相关则使用第二个。如果数据不违反 alpha 的假设，Omega 和 alpha 将产生相同的结果。