一些快速规则

• 如果您有无序的分类数据（即三个或更多无序的类别；您这样做），那么您不使用 Cronbach's alpha。
• 如果您有二进制数据（例如，不正确/正确的数据），那么很多人确实使用 Cronbach 的 alpha，但请参阅@Momo 给出的 Sjitsma 参考。
• 如果您有条件数据，那么这至少会使 Cronbach's alpha 的应用复杂化。跳过模式通常意味着存在一个隐含的附加类别（例如，“你踢足球吗？”如果是，“你一周中的哪一天最常踢球？”，你可以说对于第二个问题，有一个“不适用”的隐含类别）。但是，在您的示例中，跳过第 2 项意味着该人没有绘画学位。所以你可以填写这些信息。在所有这些示例中，有超过 2 个无序类别，因此您不会应用 cronbach 的 alpha。

其他想法

• Cronbach 的 alpha 依赖于内部一致性来评估可靠性。但是，如果您的量表是形成性的，那么内部一致性度量就没有多大意义。在你的情况下，我认为你的规模可以被概念化为形成性的而不是反思性的。即，项目整体代表某种类似于“绘画经验”的东西。
• 如果您需要计算某种形式的可靠性，您可能想查看重测相关性或分类 PCA 之类的东西。

一般 Cronbach 系数$\alpha$如果您想要衡量可靠性或内部一致性（我想这是您需要的），则不应使用。请参阅 Sjitsma 的 OA Psychometrika文章。

一个容易获得的替代方法是 GLB 统计（例如在 R 中psych::glb）。

编辑

根据@chl 的评论，我认为以下警告是有序的：“条件问卷”结构可能会引入缺失值块。我认为，如果缺失值机制没有完全随机缺失，则引发的跳过模式和缺失值模式将影响通常用于可靠性系数的（协）方差估计。不幸的是，我不知道这种效果会是什么样子。

如果您正在查看是/否项目或编码为 0 和 1 的项目，我使用了 Guttman 的拆分 Lambda 4 系数，这可以在 SPSS 中轻松完成。