如何用 python 计算 cronbach's alpha

Chronbach’s Alpha是一种衡量问卷或调查内部一致性的方法。

Cronbach’s alpha 的范围为 0 到 1，值越高表明调查或问卷越可靠。

以下示例展示了如何在 Python 中计算 Cronbach’s Alpha。

示例：在 Python 中计算 Cronbach’s alpha

假设一家餐厅经理想要衡量总体客户满意度，因此她向 10 名客户发送了一份调查问卷，这些客户可以针对不同类别按照 1 到 3 的等级对餐厅进行评分。

以下 pandas DataFrame 显示了调查结果：

 import pandas as pd

#enter survey responses as a DataFrame
df = pd. DataFrame ({' Q1 ': [1, 2, 2, 3, 2, 2, 3, 3, 2, 3],
                   ' Q2 ': [1, 1, 1, 2, 3, 3, 2, 3, 3, 3],
                   ' Q3 ': [1, 1, 2, 1, 2, 3, 3, 3, 2, 3]})

#view DataFrame
df

Q1 Q2 Q3
0 1 1 1
1 2 1 1
2 2 1 2
3 3 2 1
4 2 3 2
5 2 3 3
6 3 2 3
7 3 3 3
8 2 3 2
9 3 3 3

要计算调查响应的 Cronbach’s Alpha，我们可以使用penguin库中的cronbach_alpha()函数。

首先，我们将安装企鹅库：

 pip install penguin

接下来，我们将使用cronbach_alpha()函数来计算 Cronbach 的 Alpha：

 import penguin as pg

pg. cronbach_alpha (data=df)

(0.7734375, array([0.336, 0.939]))

Cronbach 的 Alpha 值为0.773 。

还给出了 Cronbach’s Alpha 的 95% 置信区间： [.336, .939] 。

注意：由于我们的样本量较小，此置信区间非常宽。在实践中，建议使用至少 20 个样本。为简单起见，我们在此使用 10 个样本。

默认置信区间为 95%，但我们可以使用以下参数指定不同的置信水平：

 import penguin as pg

#calculate Cronbach's Alpha and corresponding 99% confidence interval
pg. cronbach_alpha (data=df, ci= .99 )

(0.7734375, array([0.062, 0.962]))

Cronbach’s Alpha 的值保持不变，但置信区间更宽，因为我们使用了更高的置信水平。

下表描述了一般如何解释 Cronbach’s Alpha 的不同值：

由于我们计算出的 Cronbach’s alpha 值为0.773 ，因此我们可以说本次调查的内部一致性为“可接受”。

奖励：随意使用这个 Cronbach Alpha 计算器来查找给定数据集的 Cronbach Alpha。