วิธีการคำนวณสัมประสิทธิ์แอลฟาของครอนบาคในโปรแกรม SPSS

สัมประสิทธิ์แอลฟาของครอนบาค (Cronbach’s Alpha) เป็นเครื่องมือทดสอบความน่าเชื่อถือของแบบสอบถามซึ่งพัฒนาโดย Cronbach (1951) โดยจะวัดว่ากลุ่มคำถามในแบบสอบถามนั้นทำงานร่วมกันอย่างไร ถ้าค่า Cronbach’s Alpha ได้สูง แสดงว่าคำถามในกลุ่มนั้นมีความสอดคล้องกันดี เช่น ตอบโน้มเอียงไปทางเดียวกัน ซึ่งช่วยยืนยันว่าแบบสอบถามนั้นเชื่อถือได้.

การวิเคราะห์ Cronbach’s Alpha มักจะเป็นการวิเคราะห์แรกที่เราทำเพื่อทดสอบว่าข้อคำถามในแบบสอบถามของเรามีความสัมพันธ์กันหรือไม่ ค่าสัมประสิทธิ์ของ Cronbach’s Alpha มีค่าตั้งแต่ 0 ถึง 1 โดยทั่วไปค่าที่ยอมรับได้คือมากกว่า 0.70

มีหลายวิธีในการทำการทดสอบค่าความเชื่อมั่น อย่างไรก็ตามในบทเรียนสถิตินี้ เราจะเน้นวิธีการคำนวณสัมประสิทธิ์ Cronbach’s Alpha ใน SPSS และวิธีการตีความค่าความเชื่อมั่น

คุณสามารถดาวน์โหลดไฟล์ตัวอย่างข้อมูล SPSS และฝึกฝนไปพร้อมๆ กันได้ค่ะ

ค่าสัมประสิทธิ์แอลฟาของครอนบาคคำนวณเพื่ออะไรและคำนวณอย่างไร

Cronbach Alpha เป็นหนึ่งในการทดสอบค่าความเชื่อมั่นที่ใช้กันอย่างแพร่หลายในการวัดความสอดคล้องภายในระหว่างคำถามแบบสเกลหรือคำถามที่มีสองคำตอบในแบบสอบถาม และมีการใช้งานอย่างกว้างขวางในวิทยาการองค์กรและสังคมศาสตร์

 สูตรการคำนวณค่าสัมประสิทธิ์แอลฟาของครอนบาค

a=\frac{N \cdot \bar{c}}{\bar{v}+(N-1) \cdot \bar{c}}

α  = แอลฟาครอนบาค

N = จำนวนรายการในกลุ่ม

c̅ = ความแปรปรวนร่วมเฉลี่ยระหว่างรายการที่จับคู่

v̅  = ความแปรปรวนเฉลี่ย

หากต้องการอ่านที่มาของสูตรการคำนวณค่าสัมประสิทธิ์แอลฟาของครอนบาค แนะนำอ่านบทความนี้ค่ะ Cronbach’s alpha reliability: Interval estimation, hypothesis testing, and sample size planning ซึ่งเกี่ยวกับค่าความเชื่อมั่น ของ Cronbach’s alpha: การประมาณค่าช่วง, การทดสอบสมมติฐาน, และการวางแผนขนาดตัวอย่างโดย Bonett และ Wright (2015).

สังเกตเห็นได้ว่าเราพูดถึงคำว่า “Item” ซึ่งเมื่อเราพูดถึงคำว่า “item” เรากำลังหมายถึง คำถามที่เราตั้งใจจะวัดในแบบสอบถามนั่นเองค่ะ และตัวอย่างถัดไปจะเป็นตัวอย่างมาตรวัดของลิเคิร์ท

ตัวอย่างข้างต้นถูกวัด โดยใช้มาตรวัดของลิเคิร์ท ใช้วัดระดับความคิดเห็น 5 ระดับ (1 ถึง 5) 1 = ไม่เห็นด้วยอย่างยิ่ง; 2 = ไม่เห็นด้วย; 3 = เฉยๆ; 4 = เห็นด้วย, and 5 = sเห็นด้วยอย่างยิ่ง.

ในแบบสอบถามเราอาจมีหลายรายการที่อธิบายตัวแปรมาตรวัด ในการวิจัยทางสถิติสิ่งที่สำคัญคือการพิสูจน์ว่าคำถามทั้งหมดมีความสัมพันธ์ซึ่งกันและกันตามลำดับ คำถามมีความเกี่ยวข้องและค่าของคำถามต่างกันไปหรือไม่

ค่าสัมประสิทธิ์แอลฟาของครอนบาค (Cronbach’s Alpha) ใช้ค่าระหว่าง 0 ถึง 1 โดยทั่วไปค่าสัมประสิทธิ์แอลฟาของครอนบาคที่สูงกว่า 0.70 ถือว่าผ่านการทดสอบค่าความเชื่อมั่น เนื่องจากมีค่าเข้าใกล้ 1 เราสรุปแต่ละช่วงค่าสัมประสิทธิ์แอลฟาของครอนบาคและการแปลความหมาย ไว้ดังนี้

ที่สำคัญนะคะ เมื่อเราคำนวณค่าสัมประสิทธิ์แอลฟาของครอนบาค เราไม่คำนวณโดยรวมคำถามทั้งหมดในครั้งเดียวกันแต่เราต้องคำนวณค่าสัมประสิทธิ์แอลฟาแต่ละปัจจัย

สมมติว่า เราออกแบบแบบสอบถามเพื่อวัดความตั้งใจในการซื้อออนไลน์และแบบสอบถามประกอบด้วยตัวแปรสองระดับ ได้แก่ พฤติกรรมของผู้บริโภค (consumer behavior) และความตั้งใจในการซื้อ (purchase intention) โดยแต่ละตัวแปรใช้มาตรวัดลิเคิร์ท

ตัวอย่างการทดสอบค่าความเชื่อมั่นในโปรแกรม SPSS

สมมติว่า เราออกแบบแบบสอบถามเพื่อวัดความตั้งใจในการซื้อออนไลน์และแบบสอบถามประกอบด้วยตัวแปรสองระดับ ได้แก่ พฤติกรรมของผู้บริโภค (consumer behavior) และความตั้งใจในการซื้อ (purchase intention) โดยแต่ละตัวแปรใช้มาตรวัดลิเคิร์ท

เป้าหมายของเราคือการหาค่าสัมประสิทธิ์แอลฟาของครอนบาค ของพฤติกรรมผู้บริโภคและความตั้งใจในการซื้อ

เราดาวน์โหลดไฟล์ข้อมูลตัวอย่าง SPSS เพื่อใช้ในเป็นแบบฝึกฝน คลิกดาวน์โหลด โดยไฟล์ข้อมูลตัวอย่างเป็นเพียงแค่ข้อมูลใช้เพื่อการศึกษาเท่านั้น

แตกไฟล์ที่คุณดาวน์โหลดมา แล้วดับเบิลคลิกที่ไฟล์ .sav เพื่อนำเข้าข้อมูลไปยัง SPSS บนคอมพิวเตอร์ของคุณ และเรามาเริ่มการวิเคราะห์กันเลย

การคำนวณค่าสัมประสิทธิ์แอลฟาของครอนบาคในโปรแกรม SPSS

ไฟล์ตัวอย่าง SPSS ที่เราดาวน์โหลดจะมีชุดข้อมูลจำนวน 30 ตัวอย่าง ดังนี้:

เราจะเห็นว่ามีมาตรวัด ได้แก่ พฤติกรรมผู้บริโภค (CB) มีจำนวน 4 รายการ (CB1 ถึง CB4) และความตั้งใจในการซื้อ (PI) มีจำนวน 4 รายการเช่นกัน (PI1 ถึง PI4)

นอกจากนี้เราสามารถสังเกตได้ว่าในชุดข้อมูลทั้งหมดของเราถูกวัดมาตรวัดลิเคิร์ท 5 ระดับ โดยที่ 1 = ไม่เห็นด้วยอย่างยิ่ง 2 = ไม่เห็นด้วย 3 = เป็นกลาง 4 = เห็นด้วย และ 5 = เห็นด้วยอย่างยิ่ง

ถึงแม้ว่าในอนาคตเราดำเนินการวิเคราะห์กับชุดข้อมูลที่มากกว่า 30 ตัวอย่าง เราใช้ขั้นตอนการวิเคราะห์เหมือนกัน

1. ในเมนูด้านบนของ SPSS คลิกเลือก Analyze → Scale → Reliability Analysis

2. ในหน้าต่าง SPSS Reliability Analysis เลือกรายการทั้งหมดที่เราต้องการวัดตัวแปร (เช่น พฤติกรรมผู้บริโภค) จากบล็อกด้านซ้าย โดยใช้ปุ่มลูกศรเพื่อเลื่อนไปด้านขวา

3. เช็คฟังก์ชั่น Model เลือก Alpha

4. พิมพ์ชื่อในช่อง Scale Label ซึ่งขั้นตอนนี้ไม่จำเป็นแต่สามารถช่วยในการแปลความหมายการวิเคราะห์ความเชื่อมั่น

5. คลิก Statistics เพื่อเลือก option ก่อนการวิเคราะห์ความเชื่อมั่น

4. จากแท็บ Statistics ใน SPSS เลือกตัวเลือก Items, Scale, และ Scale of item deleted ในส่วนของ Descriptive ในส่วนของ Summarize เลือก Means และ Correlations ในฟังก์ชั่น  Inter-item เลือก Correlations คลิก Continue และ OK เพื่อดำเนินการวิเคราะห์ต่อ.

การอ่านและแปลความหมายค่าสัมประสิทธิ์แอลฟาของครอนบาค

1. ตารางชื่อ Case Processing Summary  เป็นตารางแรกหลังจากประมวลผลซึ่งแสดงผลการวิเคราะห์โดยสรุป เราสังเกตได้ว่ามีตัวอย่างจำนวน 30 ตัวอย่าง (N = 30 samples) นอกจากนั้นสังเกต Valid = 100% หมายความว่าตัวอย่างทั้งหมดนำมาประมวลผลครบ อย่าลืมตรวจสอบจำนวนตัวอย่างทุกครั้งนะคะ บางครั้งในการดำเนินการประมวลผลอาจเกิดข้อผิดพลาดหรือพบค่าที่ขาดหายไป

ตาราง Reliability Statistics แสดงให้เราเห็นค่าสัมประสิทธิ์แอลฟา โดยมีค่าสัมประสิทธิ์แอลฟาเท่ากับ 0.904 (> 0.7) ซึ่งถือว่าดีมาก

สิ่งที่ควรทราบ หากเรามีรายการคำถามน้อยกว่า 10 คำถาม ค่าสัมประสิทธิ์แอลฟาอาจจะมีค่าไม่สูง ซึ่งในกรณีดังกล่าว หาค่าสัมประสิทธิ์แอลฟา  Alpha > 0.5 ถือว่ายอมรับได้ (Pallant, 2010) หาค่าสัมประสิทธิ์แอลฟาต่ำกว่า < 0.5 ถือว่าต่ำ

2. ตาราง Item Statistics  แสดงผลเกี่ยวกับ ค่าเฉลี่ย (Mean) ส่วนเบี่ยงเบนมาตรฐาน (Std. Deviation) และจำนวนตัวอย่าง (N) แต่ละรายการ โดยค่าเฉลี่ยใช้อธิบายเมื่อวิเคราะห์สถิติเชิงพรรณนาหรือความถี่ในการศึกษางานวิจัยของเรา

ตาราง Inter-Item Correlation Matrix แสดงความสัมพันธ์ในแต่ละรายการ โดยค่าสูงสุดที่นี่คือ 1.000 เมื่อรายการมีความสัมพันธ์กับตัวเองในเมทริกซ์ หากค่าสหสัมพันธ์สูงแสดงให้เห็นว่ามีความสัมพันธ์ที่ชัดเจนระหว่างสองรายการ

ในตัวอย่างของเรา เราจะเห็นได้ว่ารายการ CB2 และ CB3 มีความสัมพันธ์กันสูง (0.937) ซึ่งบ่งชี้ถึงความสัมพันธ์ที่แน่นแฟ้น ในทางตรงกันข้ามความสัมพันธ์ระหว่าง CB4 และ CB2 (0.543) ไม่แข็งแกร่งมาก

3. ตาราง Summary Item Statistics แสดงให้เราเห็นค่าเฉลี่ยของรายการทั้งหมดในมาตราส่วนและความสัมพันธ์ระหว่างรายการ นอกจากนี้ยังแสดงค่าเฉลี่ยสูงสุดและต่ำสุด

4. ตาราง Item Total Statistics แสดงค่าเฉลี่ยและความแปรปรวน หากรายการใดรายการหนึ่งถูกลบ แสดงค่า สหสัมพันธ์รวม สหสัมพันธ์พหุคูณ และค่าสัมประสิทธิ์แอลฟาหากรายการถูกลบ

มาดูคอลัมน์รายการที่ถูกแก้ไขกันค่ะ ในรายการ CB1 เท่ากับ (0.802) สัมพันธ์กับรายการ CB2, CB3, CB4; รายการ CB2 สัมพันธ์กับรายการ CB1, CB3 และ CB4; และอื่นๆ โดยเราดูว่าค่า > 0.40

ต่อไป วิเคราะห์คอลัมน์ Cronbach’s Alpha if Item Deleted  หากรายการถูกลบ ค่าสัมประสิทธิ์แอลฟาที่ได้จะมีค่าเท่าใด

5. ตาราง Scale Statistics แสดงค่าเฉลี่ย (Mean) ค่าความแปรปรวน (Variance) และค่าส่วนเบี่ยงเบนมาตรฐาน (Std. Deviation)

สรุป

การวิเคราะห์ความเชื่อมั่นมีความสำคัญมากในการวิจัยทางสถิติ หากค่า Alpha ของคุณสูงกว่า 0.70 คุณสามารถดำเนินการวิจัยต่อ ถ้าไม่ ให้ตรวจสอบสถิติรวมของรายการในส่วนที่กล่าวถึงข้างต้นเพื่อหาสาเหตุ

หวังว่าบทความนี้จะเป็นประโยชน์สำหรับทุกคนนะคะ ขอบคุณค่ะ

เอกสารอ้างอิง

Bonett, D. G., & Wright, T. A. (2015). Cronbach’s Alpha Reliability Interval Estimation, Hypothesis Testing, and Sample Size Planning.

Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16, 297-334 (28,307 citations in Google Scholar as of 4/1/2016).

Pallant, Julie. SPSS Survival Manual: A Step by Step Guide to Data Analysis Using SPSS. Maidenhead: Open University Press/McGraw-Hill, 2010.