Hoe rapporteer je Cronbach’s alfa in je scriptie? Wanneer is een alfa goed genoeg? (2026)

Cronbach’s alfa is een maat voor de interne consistentie van een schaal: hoe sterk de items die samen één begrip meten met elkaar samenhangen. Je rapporteert alfa per schaal, berekend in je eigen data, met het aantal items en het aantal respondenten (bijvoorbeeld: “de schaal bestond uit zes items, α = ,81, n = 112”). In de literatuur worden waarden tussen 0,70 en 0,95 als acceptabel genoemd, maar een getal alleen zegt niets over validiteit of eendimensionaliteit.

Wat zegt Cronbach’s alfa eigenlijk?

Cronbach’s alfa komt uit het artikel van Cronbach (1951), “Coefficient alpha and the internal structure of tests”, in Psychometrika. Het is een betrouwbaarheidsmaat voor schalen met meerdere items, zoals een vragenlijst met zes stellingen over werkdruk. Hoe hoger de onderlinge samenhang tussen de items, hoe hoger alfa. Tavakol en Dennick (2011) beschrijven in International Journal of Medical Education dat de waarde van alfa wordt beïnvloed door het aantal items, de onderlinge samenhang tussen de items en de dimensionaliteit. Dat laatste is belangrijk: een hoge alfa betekent niet automatisch dat je schaal één begrip meet.

Alfa zegt dus iets over de consistentie van de antwoorden in jouw steekproef, niet over de vraag of je het juiste begrip meet. Dat laatste is validiteit. Voor het verschil tussen beide begrippen is er het artikel over het verschil tussen betrouwbaarheid en validiteit.

Wanneer is een alfa goed genoeg?

Je vindt in scriptiehandleidingen vaak een vuistregel van 0,70. Tavakol en Dennick (2011) schrijven dat er verschillende opvattingen bestaan over acceptabele waarden, van 0,70 tot 0,95, en dat een maximum van 0,90 wordt aanbevolen. Een te hoge alfa kan erop wijzen dat sommige items overbodig zijn omdat ze in andere bewoordingen dezelfde vraag stellen. Een lage alfa kan komen door te weinig items, door items die een ander begrip meten, door een kleine steekproef of door fouten in de codering.

Behandel deze waarden als vuistregels, niet als wetten. Sijtsma (2009) publiceerde in Psychometrika een kritisch artikel over het gebruik en misbruik van alfa, en Taber (2018) bespreekt in Research in Science Education hoe alfa wordt gebruikt en gerapporteerd bij onderzoeksinstrumenten. Een tweede lezer die deze literatuur kent, wil zien dat je alfa interpreteert in plaats van alleen een grens te citeren. Vraag je begeleider welke grens jouw opleiding hanteert.

Hoe bereken je Cronbach’s alfa in SPSS?

In SPSS gebruik je de procedure voor betrouwbaarheidsanalyse. Het menupad in de Engelse interface is Analyze, Scale, Reliability Analysis; in een Nederlandse interface heten de menu’s anders. Je gaat in vier stappen te werk:

1. Controleer eerst je omgekeerde items. Heeft je schaal negatief geformuleerde stellingen (bijvoorbeeld “ik voel me vaak onzeker over mijn werk” in een schaal die zelfvertrouwen meet), dan moet je die omcoderen voordat je alfa berekent. Anders is je alfa kunstmatig laag of zelfs negatief.
2. Selecteer de items van één schaal. Voer alle items van dezelfde schaal in het vak voor items in, en kies als model Alpha. Bereken alfa per schaal of per subschaal, niet over je hele vragenlijst.
3. Vraag de itemstatistieken op. Kies bij Statistics de optie om de schaal te laten zien als één item wordt verwijderd (“Scale if item deleted”). Je krijgt dan per item de gecorrigeerde item-totaalcorrelatie en de alfa als het item wordt weggelaten.
4. Lees de uitvoer. De tabel “Reliability Statistics” toont Cronbach’s alfa en het aantal items. De tabel “Item-Total Statistics” toont per item de correlatie met de rest van de schaal en wat er met alfa gebeurt zonder dat item.

Andere programma’s kunnen alfa ook berekenen, zoals JASP, jamovi en R. Welk programma past bij jouw scriptie lees je in het overzicht van statistiekprogramma’s voor je scriptie.

Hoe lees je de itemstatistieken? Een uitgewerkt voorbeeld

Een illustratief voorbeeld met verzonnen data. Stel, je meet ervaren autonomie met zes stellingen bij 112 respondenten. De uitvoer toont een alfa van 0,74. Dat is acceptabel volgens de vuistregel, maar de itemstatistieken laten zien dat item 5 (“ik mag mijn eigen werktijden bepalen”) een lage gecorrigeerde item-totaalcorrelatie heeft en dat alfa zou stijgen tot 0,81 als je dat item weglaat.

Wat doe je nu? Verwijder het item niet zomaar omdat alfa dan stijgt. Een gevalideerde schaal verander je niet zonder verantwoording, en een item kan inhoudelijk belangrijk zijn terwijl het statistisch afwijkt. Kijk eerst naar de inhoud: meet dit item hetzelfde begrip? Hier gaat het om werktijden, wat een ander aspect van autonomie is dan zeggenschap over de uitvoering van het werk. Je kunt het item laten staan en de lage correlatie in je beperkingen bespreken, of het weglaten en dat transparant verantwoorden (“item 5 is verwijderd omdat de gecorrigeerde item-totaalcorrelatie lager was dan 0,30 en de alfa daarmee steeg van 0,74 naar 0,81”). Beide keuzes zijn verdedigbaar, zolang je ze motiveert en consequent bent. Gebruik de grens van 0,30 alleen als je die in je opleiding of in de bronliteratuur kunt onderbouwen.

Hoe rapporteer je alfa in je methodehoofdstuk?

Rapporteer alfa waar je de meting beschrijft, niet pas bij de resultaten. Een bruikbaar sjabloon (illustratief): “Werktevredenheid werd gemeten met zes items van de gekozen schaal (auteur, jaar), beantwoord op een vijfpuntsschaal van 1 (helemaal oneens) tot 5 (helemaal eens). De interne consistentie in deze steekproef was acceptabel (α = ,81, n = 112).” Zet bij een onderzoek met meerdere schalen alle waarden in een tabel met gemiddelde, standaardafwijking en alfa per schaal.

• Vermeld naast je eigen alfa ook de waarde uit de bronstudie als die beschikbaar is, zodat de lezer kan zien of je steekproef afwijkt.
• Rapporteer alfa per subschaal als de schaal meerdere dimensies heeft, bijvoorbeeld de dimensies van een bevlogenheidsschaal.
• Noem het aantal items en het aantal respondenten bij elke alfa.
• Gebruik de term “interne consistentie” en schrijf geen “de schaal is valide” op basis van alfa.

Voor een voorbeeld van een instrument en de rapportage per dimensie kun je kijken naar het artikel over bevlogenheid en de UWES of de gids voor een scriptie over werktevredenheid.

Hoe ga je om met een schaal die je zelf samenstelt?

Soms bestaat er geen gevalideerde schaal voor je begrip, of mag je een bestaande niet gebruiken. Dan stel je zelf items samen op basis van de literatuur, en wordt alfa belangrijker, want je kunt je niet beroepen op eerdere validatie. Werk in dat geval in drie stappen. Leid de items af uit de definitie en dimensies van je begrip, zoals je die in je operationaliseringsmatrix hebt vastgelegd; hoe je dat doet staat in de uitleg over operationaliseren. Test de vragenlijst daarna in een pilot met een kleine groep uit je doelgroep en bekijk of de vragen duidelijk zijn. Bereken tot slot alfa in je echte steekproef en controleer met een verkennende factoranalyse of je items inderdaad op één dimensie laden, of op de dimensies die je verwachtte.

Wees eerlijk over de status van zo’n schaal. Schrijf niet dat de schaal “gevalideerd” is, maar dat je een eigen schaal hebt ontwikkeld op basis van de literatuur, met een acceptabele interne consistentie in je steekproef, en dat verder onderzoek naar de validiteit nodig is. Een tweede lezer waardeert die eerlijkheid meer dan een te stellige claim.

Hoeveel respondenten heb je nodig om alfa te berekenen?

Er bestaat geen vaste ondergrens waarmee een alfa betrouwbaar wordt, maar een kleine steekproef maakt de schatting onnauwkeurig. Bepaal je steekproefomvang daarom eerst op basis van je hoofdanalyse; hoe je dat aanpakt, lees je in het artikel over steekproefomvang en poweranalyse. Bij een pilotstudie met een kleine groep gebruik je alfa vooral als signaal dat een item onduidelijk is, niet als definitieve uitspraak over de schaal. Rapporteer in je beperkingen dat de waarde in een grotere steekproef kan afwijken.

Wanneer gebruik je geen alfa?

Alfa past bij schalen met meerdere items die één begrip meten en die op een ordinale of intervalschaal worden beantwoord. Er zijn situaties waarin het niet de beste keuze is. Heb je maar één item per begrip, dan kun je geen alfa berekenen. Heb je een toets met goed-fout-vragen, dan wordt vaak een verwante maat gebruikt, de KR-20. Heb je een schaal met duidelijk meerdere dimensies, dan rapporteer je alfa per dimensie en niet over de hele schaal. Meet je dezelfde mensen op twee momenten, dan gaat het om stabiliteit over tijd (test-hertest) en dat is een ander soort betrouwbaarheid. Bij twee beoordelaars van dezelfde observatie gaat het om overeenstemming tussen beoordelaars. Welke maat past, hangt dus af van wat je wilt weten over je meting. Wil je een uitgebreid kritisch kader, lees dan het artikel van Sijtsma (2009) of vraag je begeleider naar alternatieven zoals omega.

Ook bij kwalitatief onderzoek heb je geen alfa nodig. Daar toon je de kwaliteit van je analyse aan met andere middelen, zoals een transparante codering, triangulatie of controle door een tweede codeur. Verwar de twee werelden niet in je methodehoofdstuk: een kwalitatieve scriptie die alfa rapporteert, roept vragen op.

Welke fouten maken studenten het vaakst met alfa?

1. Alfa berekenen over alle items van de vragenlijst in plaats van per schaal.
2. Omgekeerde items niet omcoderen, waardoor alfa te laag of negatief uitvalt.
3. Alleen de alfa uit de bronstudie overnemen en niet de alfa van de eigen steekproef rapporteren.
4. Een hoge alfa gebruiken als bewijs van validiteit.
5. Items weglaten om alfa te verhogen zonder dat te verantwoorden.
6. Alfa berekenen met te weinig respondenten, zodat de waarde instabiel is.
7. Geen aandacht voor eendimensionaliteit: een schaal met twee dimensies kan een redelijke alfa hebben terwijl de totaalscore weinig betekent.

Loop je vast in je methodehoofdstuk? Tesify wordt door meer dan 9.000 studenten gebruikt, die er al meer dan 15.000 hoofdstukken mee hebben gestructureerd. Je scriptie blijft voor 100% door jou geschreven; jij voert de analyse uit en kiest de rapportage.

Veelgestelde vragen

Wat is een goede Cronbach’s alfa voor een scriptie?

Een veelgebruikte vuistregel is 0,70 of hoger. Tavakol en Dennick (2011) melden dat waarden tussen 0,70 en 0,95 als acceptabel worden genoemd en dat een maximum van 0,90 wordt aanbevolen. Vraag je begeleider welke grens jouw opleiding gebruikt.

Wat doe ik als mijn alfa te laag is?

Controleer eerst of omgekeerde items zijn omgecodeerd en of er coderingsfouten zijn. Kijk daarna naar de itemstatistieken, bespreek de lage waarde als beperking en verantwoord je keuze om de schaal toch te gebruiken of een item te verwijderen.

Mag ik items weglaten om mijn alfa te verhogen?

Alleen als je dat inhoudelijk en statistisch kunt verantwoorden en transparant rapporteert. Bij een gevalideerde schaal verander je de items liever niet.

Moet ik alfa per schaal of voor de hele vragenlijst berekenen?

Per schaal, en bij een schaal met meerdere dimensies per subschaal. Alfa over alle items van een vragenlijst heeft geen betekenis.

Is een hoge alfa een bewijs van validiteit?

Nee. Alfa gaat over interne consistentie, niet over de vraag of je het juiste begrip meet. Een zeer hoge alfa kan ook wijzen op overbodige items.

Hoeveel items heb ik nodig voor een betrouwbare schaal?

Het aantal items beïnvloedt de waarde van alfa. Heb je weinig items, dan valt alfa vaak lager uit. Er is geen vast minimum; baseer je keuze op de bronschaal.

Wat is het verschil tussen alfa en KR-20?

KR-20 is een verwante maat voor toetsen met goed-foutvragen. Voor stellingen met een antwoordschaal gebruik je alfa.

Kan ik alfa berekenen met een kleine steekproef?

Het kan, maar de waarde is dan minder stabiel. Vermeld het aantal respondenten en bespreek de beperking.

Moet ik de alfa uit de bronstudie ook vermelden?

Ja, naast je eigen alfa. Zo kan de lezer zien of de schaal in jouw steekproef vergelijkbaar presteert.

Heb ik alfa nodig bij een kwalitatieve scriptie?

Nee. Bij kwalitatief onderzoek toon je kwaliteit aan met transparante codering, triangulatie of een tweede codeur.