Альфа Кронбаха: що показує коефіцієнт, як його тлумачити і чому високий α не гарантує якісний тест

Автор: Український психологічний ХАБ · Опубліковано: 23 вересня 2026 · Редакційна політика

Альфа Кронбаха — один із найвідоміших коефіцієнтів у психометрії. Його часто бачать у статтях про опитувальники, психологічні шкали й тести у вигляді короткого запису на кшталт α = 0,82. Проблема починається тоді, коли це число перетворюють на універсальний знак якості: «вище 0,70 — тест добрий», «0,90 — майже ідеальний», «висока альфа доводить валідність». Таке читання занадто сильне.

Альфа характеризує те, наскільки відповіді на пункти, з яких утворюють один сумарний або середній бал, пов’язані між собою в конкретних даних. Історично коефіцієнт був систематизований Лі Кронбахом у 1951 році; його оригінальна стаття Coefficient Alpha and the Internal Structure of Tests показала зв’язок α із сімейством оцінок, що виникають із різних розщеплень тесту.

Сучасна психометрія трактує альфу значно обережніше, ніж популярні таблиці з «магічними порогами». Стандарти AERA, APA та NCME вимагають оцінювати точність і надійність балів у контексті їхнього призначення, а валідність — через сукупність доказів для конкретної інтерпретації та використання. Один коефіцієнт внутрішньої узгодженості не замінює цієї системи доказів.

Що таке альфа Кронбаха

Коефіцієнт альфа Кронбаха (Cronbach’s alpha, coefficient alpha) — статистика, яку використовують для оцінювання внутрішньої узгодженості набору пунктів, коли з них формують спільний бал. У найпростішому практичному сенсі α відображає, наскільки пункти варіюють разом порівняно з варіативністю підсумкового балу. Чим сильніше пункти в середньому коваріюють і чим їх більше, тим вищою за інших рівних умов може бути α.

Важливе слово тут — «внутрішня». Альфа нічого безпосередньо не говорить про стабільність результатів через тиждень або місяць, про згоду двох оцінювачів, про точність окремого клінічного рішення чи про те, чи вимірює шкала саме заявлений конструкт. Це інший тип інформації.

Формула: від чого залежить α

Для k пунктів класичну альфу можна записати так: α = k/(k − 1) × [1 − Σσ²ᵢ/σ²X], де σ²ᵢ — дисперсія кожного пункту, а σ²X — дисперсія сумарного балу. Формула показує, що коефіцієнт залежить і від взаємозв’язків між пунктами, і від кількості пунктів.

Для стандартизованих пунктів корисна інша форма: α = k × r̄ / [1 + (k − 1) × r̄], де r̄ — середня міжпунктова кореляція. Вона добре пояснює, чому довга шкала може мати високу альфу навіть за помірних зв’язків між окремими пунктами: збільшення k саме по собі підштовхує коефіцієнт угору.

Звідси випливає принципова річ: два тести з однаковою α можуть мати дуже різну структуру. Один може складатися з невеликої кількості добре підібраних пунктів, інший — із десятків майже повторюваних формулювань. Саме число α цього не розрізняє.

Внутрішня узгодженість не дорівнює одновимірності

Одна з найпоширеніших помилок — читати високу альфу як доказ того, що всі пункти вимірюють один конструкт. Це різні питання. Внутрішня узгодженість описує взаємопов’язаність пунктів, а одновимірність — структуру вимірювання: чи можна їхні залежності достатньо пояснити одним латентним виміром.

Сучасна COSMIN Reporting Guideline 2.0 прямо розділяє ці поняття: для коректної інтерпретації показника внутрішньої узгодженості шкала або субшкала має мати докази одновимірності; її перевіряють, наприклад, факторним аналізом або моделями IRT/Rasch. Тобто факторна структура логічно передує змістовному читанню α, а не випливає з високої α.

Класичний приклад — опитувальник із двома тісно пов’язаними підшкалами. Якщо кожна має багато пунктів, загальна α може бути дуже високою. Проте один сумарний бал може приховувати дві різні психологічні змінні. У такому разі корисніше аналізувати структурну валідність і внутрішню узгодженість кожної змістовно обґрунтованої підшкали окремо.

Коли α можна тлумачити як оцінку надійності

Альфа пов’язана з надійністю балів, але її рівність «справжній» надійності не є автоматичною. Для класичного тлумачення потрібні припущення про модель вимірювання, зокрема про те, як пункти пов’язані з латентною змінною і як поводяться їхні похибки. У практичній літературі особливо часто обговорюють умову суттєвої тау-еквівалентності: пункти мають однаково, або достатньо близько, відображати спільний конструкт за відповідної параметризації.

Якщо навантаження пунктів суттєво різняться, є корельовані похибки, локальна залежність, сильна багатовимірність або інша невідповідність моделі, α може неточно оцінювати потрібну характеристику надійності. McNeish (2018) детально показує, що звичне автоматичне застосування alpha без перевірки її припущень здатне давати зміщене уявлення про надійність.

Саме тому сучасний підхід починається не з питання «яка α?», а з питання «яка модель породжує ці бали і яке джерело похибки нас цікавить?». Коефіцієнт обирають після формулювання моделі вимірювання, а не навпаки.

Чому високий α не гарантує якісний тест

Висока альфа означає лише те, що за конкретної вибірки й способу підрахунку набір пунктів має сильну внутрішню взаємопов’язаність у сенсі, який уловлює цей коефіцієнт. Вона не доводить змістову повноту, одновимірність, валідність інтерпретації, справедливість для різних груп, якість норм, часову стабільність, діагностичну точність або клінічну корисність.

Критична психометрична література десятиліттями застерігає від використання α як загального «індексу якості». Sijtsma (2009) показав, що alpha не слід ототожнювати зі структурою тесту, а статистика з однієї адміністрації мало говорить про точність індивідуального результату в широкому сенсі.

Ще одна причина — надлишковість. Якщо десять пунктів майже перефразовують один одного, вони можуть давати вражаючу α, але вузько охоплювати конструкт. Такий тест може втратити змістову репрезентативність: він дуже послідовно питає майже те саме. Огляд Tavakol і Dennick (2011) пояснює, що надто висока α іноді сигналізує про дублювання пунктів, хоча жодна числова межа сама по собі цього не доводить.

Чи існує «нормальна» альфа: 0,70, 0,80 або 0,90

У навчальних матеріалах часто зустрічаються пороги 0,70, 0,80 або 0,90. Вони можуть бути грубими орієнтирами в певних контекстах, але не є природними законами психометрії. Прийнятність точності залежить від призначення балу, наслідків рішення, довжини шкали, широти конструкта, популяції, моделі вимірювання і того, чи йдеться про групове дослідження, моніторинг або індивідуальне рішення.

Наприклад, α = 0,68 для короткої ранньої дослідницької шкали не означає автоматичної непридатності, а α = 0,93 для клінічного опитувальника не робить його автоматично діагностичним. Саме тому Стандарти тестування вимагають пов’язувати докази точності з конкретною інтерпретацією й використанням результатів.

Корисне правило читання таке: значення α — початок запитань, а не кінець оцінювання. Після нього треба запитати, для якої вибірки його отримано, скільки було пунктів, чи підтверджена структура, чи доречна модель alpha, який довірчий інтервал і які ще джерела доказів надійності та валідності доступні.

Чому довший тест часто має вищу α

Оскільки α залежить від кількості пунктів, додавання нових пунктів, що позитивно корелюють з уже наявними, часто збільшує коефіцієнт. Це не обов’язково покращує вимірювання. Якщо нові пункти додають релевантний зміст, довший тест справді може підвищити точність. Якщо вони лише дублюють старі, зростає статистична узгодженість без відповідного зростання змістової якості.

Цей принцип споріднений з логікою прогнозування надійності при зміні довжини тесту, яку формалізує формула Спірмена–Брауна. Вона допомагає побачити, чому число пунктів і середній зв’язок між ними треба розглядати разом.

Що означає низька або від’ємна α

Низька альфа може мати багато причин: шкала дуже коротка; пункти слабко пов’язані; конструкт навмисно широкий; частина пунктів належить до іншого виміру; є проблеми кодування; вибірка має обмежену варіативність; або модель alpha погано відповідає даним. Тому реакція «видалити всі пункти, які знижують α» часто погіршує інструмент.

Від’ємна α зазвичай є сильним сигналом проблеми з даними або ключем. Вона можлива, коли середня коваріація між пунктами стає від’ємною. На практиці варто перш за все перевірити, чи правильно реверсовано зворотно сформульовані пункти, чи немає помилок кодування і чи справді пункти мають утворювати спільний бал.

«Alpha if item deleted»: чому не варто механічно викидати пункти

Статистичні пакети часто показують «α, якщо пункт вилучити». Це діагностичний сигнал, а не автоматична команда. Якщо видалення пункту трохи підвищує α, потрібно з’ясувати чому. Пункт може бути погано сформульований або належати до іншого виміру, але може також вимірювати важливу частину конструкта, яка навмисно відрізняється від решти.

Механічна оптимізація за максимальним α здатна звузити зміст шкали й зменшити змістову валідність. Спочатку аналізують теоретичну роль пункту, розподіл відповідей, item-total зв’язки, факторну структуру, локальну залежність і наслідки для змісту конструкта; лише потім вирішують, чи змінювати інструмент.

Сирий і стандартизований alpha

Програмне забезпечення може виводити raw alpha і standardized alpha. Сирий варіант обчислюють із коваріаційної матриці, тому пункти з більшою дисперсією мають більший вплив. Стандартизований варіант фактично працює з кореляційною матрицею, тобто прирівнює масштаби варіативності пунктів.

Якщо всі пункти мають однакову шкалу відповідей і подібні дисперсії, значення часто близькі. Велика різниця між ними — привід перевірити розподіли пунктів і обґрунтувати, який варіант відповідає способу формування підсумкового балу. «Стандартизований» тут не означає «кращий».

Likert-пункти, порядкові дані й «ordinal alpha»

Класичну alpha часто обчислюють на основі Pearson-кореляцій навіть для Likert-пунктів. Це поширена практика, але для виразно порядкових даних, невеликої кількості категорій або сильно асиметричних відповідей модель безперервних інтервальних показників може бути слабкою. У таких ситуаціях дослідники застосовують поліхоричні кореляції, ordinal alpha або модельні коефіцієнти омега.

Це також не створює універсального рецепта. Viladrich, Angulo-Brunet і Doval (2017) пропонують обирати коефіцієнт як наслідок моделі вимірювання: спочатку описати дані й перевірити релевантну структуру, потім оцінити внутрішню надійність і її невизначеність. Для порядкових відповідей важливо, яка саме статистична модель лежить під розрахунком.

Шкала з двох пунктів: alpha чи Спірмен–Браун

Для двопунктових шкал ситуація особлива: два пункти дають лише одну міжпунктову кореляцію, а alpha стає просто перетворенням цього зв’язку. Методологічна робота Eisinga, te Grotenhuis і Pelzer (2013) спеціально розбирає, який коефіцієнт доречний для двопунктових мір, і показує, чому тут не варто бездумно переносити звички з довших шкал.

Якщо два пункти справді є змістовно виправданими паралельними частинами однієї короткої шкали, доцільно розглядати міжпунктову кореляцію разом із коефіцієнтом Спірмена–Брауна. Головне питання знову стосується моделі й змісту, а не бажання отримати якомога більше число.

Альфа Кронбаха і омега Макдональда

Омега Макдональда стала популярною альтернативою, тому що може враховувати різні факторні навантаження пунктів у конгенеричній моделі. Dunn, Baguley і Brunsden (2014) систематизували практичні проблеми alpha і запропонували ширше використовувати omega як модельно обґрунтовану оцінку внутрішньої надійності.

Це не означає, що omega автоматично правильна, а alpha автоматично неправильна. Омега теж залежить від моделі, способу оцінювання, структури факторів і якості даних. Сильна практика полягає в тому, щоб перевірити структуру, обрати коефіцієнт відповідно до неї, за потреби показати кілька оцінок і пояснити, що кожна з них означає.

Альфа не дорівнює валідності

Надійність і валідність пов’язані, але це різні властивості доказової аргументації. Надійність стосується точності й відтворюваності балів за визначених умов; валідність — того, наскільки дані й теорія підтримують конкретні інтерпретації та використання цих балів. Високоузгоджена шкала може стабільно вимірювати не той конструкт, який їй приписують.

Тому фраза «шкала валідна, бо α = 0,86» є логічною помилкою. Alpha може бути одним елементом психометричного опису, але докази валідності включають зміст, внутрішню структуру, зв’язки з іншими змінними, процес відповіді та наслідки використання — залежно від задачі й теоретичної рамки.

Альфа не дорівнює тест-ретест надійності або згоді оцінювачів

Внутрішня узгодженість відповідає на питання про взаємозв’язок пунктів у межах одного вимірювання. Тест-ретест надійність відповідає на питання про стабільність балів у часі, якщо конструкт очікувано стабільний. Міжоцінювальна надійність стосується того, наскільки узгоджено різні оцінювачі застосовують процедуру. Ці джерела похибки не взаємозамінні.

Тому висока α не дозволяє сказати, що людина через тиждень отримає той самий бал, а висока тест-ретест кореляція не доводить, що пункти утворюють одновимірну шкалу. Потрібний вид надійності визначає дизайн вимірювання.

Альфа не є похибкою вимірювання для конкретної людини

Alpha є коефіцієнтом для варіативності балів у вибірці за певною моделлю. Вона не повідомляє безпосередньо, на скільки балів може помилитися результат конкретної людини. Для індивідуальної точності потрібні інші величини, наприклад стандартна похибка вимірювання, інтервали навколо балу або модельно-специфічні інформаційні функції.

Саме тому Sijtsma застерігає від висновків про точність індивідуального тестового результату лише на основі статистики з однієї адміністрації. Для рішень щодо окремої людини особливо важливі призначення тесту, норми, популяція, похибка, валідність і наслідки помилкової класифікації.

Alpha залежить від вибірки

Коефіцієнт не є незмінною «властивістю тесту», прикріпленою до нього назавжди. Він залежить від того, хто відповідав на пункти, від варіативності ознаки, розподілів відповідей, пропусків, способу кодування й умов дослідження. Один і той самий інструмент може мати різні значення α у різних популяціях.

Тому коректне повідомлення звучить не «тест має α = 0,84», а «у цій вибірці для цих балів отримано α = 0,84 за таким способом підрахунку». Для серйозного звіту корисно давати також довірчий інтервал: точкова оцінка сама по собі приховує статистичну невизначеність. Viladrich та співавтори включають інтервальну оцінку до систематичного процесу оцінювання внутрішньої надійності.

Український переклад і культурна адаптація: висока α не завершує валідацію

Якщо іншомовний опитувальник перекладено українською і в українській вибірці отримано високу α, це ще не доводить, що адаптація завершена. Переклад може змінити значення формулювань, складність, стиль відповіді або структуру конструкта. Потрібні окремі докази змістової еквівалентності, структури, надійності, валідності та, коли порівнюють групи чи мовні версії, інваріантності вимірювання.

Міжнародна тестова комісія у Guidelines for Translating and Adapting Tests розглядає адаптацію як повний процес, що включає культурний контекст, розроблення й адаптацію інструмента, адміністрування та документування інтерпретації балів. Наявність перекладу або одного коефіцієнта внутрішньої узгодженості не замінює цього процесу.

Що alpha означає для скринінгових і клінічних шкал

Для клінічного або скринінгового опитувальника висока alpha не встановлює діагноз, не визначає універсальний cutoff і не показує діагностичну чутливість чи специфічність. Внутрішня узгодженість, скринінгова точність і клінічна корисність — різні питання.

Окремий бал слід інтерпретувати в межах призначення інструмента, відповідної популяції, норм або критеріїв, валідності, похибки та контексту оцінювання. У професійній психологічній оцінці тест є лише одним джерелом інформації, а не автоматичним діагностичним висновком.

Як правильно повідомляти альфу в дослідженні

Сильний психометричний звіт не обмежується одним числом. Поруч з α доцільно вказувати вибірку й N, кількість пунктів, спосіб формування балу, тип даних, обробку пропусків і реверсивних пунктів, підстави для одновимірності або структури субшкал, сам коефіцієнт із довірчим інтервалом, а також інші релевантні оцінки надійності.

Якщо пункти конгенеричні й мають різні навантаження, варто розглянути omega або іншу модельну оцінку. Якщо інструмент використовують повторно в часі, потрібні докази тест-ретест надійності. Якщо результат залежить від оцінювачів — потрібні ICC, kappa або інші відповідні коефіцієнти залежно від типу даних і дизайну. Alpha не має закривати питання, на яке вона статистично не відповідає.

Як читати α у чужій науковій статті

Побачивши «Cronbach’s α = 0,87», спочатку з’ясуйте, для якої шкали або субшкали це число. Потім подивіться, скільки пунктів входило в бал і чи є дані про факторну структуру. Перевірте, чи alpha обчислено на тій самій вибірці, результати якої інтерпретують, і чи наведено інтервал невизначеності.

Далі перевірте, чи автори не роблять із внутрішньої узгодженості висновки про валідність, діагностичну точність або часову стабільність. Особливо уважно варто читати фрази «надійність і валідність підтверджені α», «α > 0,70 доводить якість» або «висока α підтверджує одновимірність». У кожній із них одному коефіцієнту приписують більше, ніж він може показати.

Практичний приклад: однакова α, різна якість вимірювання

Уявімо дві шкали по 12 пунктів з α = 0,90. У першій пункти охоплюють різні, теоретично потрібні прояви одного конструкта; однофакторна модель достатньо описує дані, а зовнішні зв’язки відповідають прогнозам. У другій половина пунктів майже дослівно дублює іншу половину, а факторний аналіз показує два змістові кластери. Число α однакове, але аргументація на користь змісту й структури вимірювання принципово різна.

Можливий і протилежний випадок: коротка чотирипунктова шкала має α = 0,69, але її пункти навмисно охоплюють різні аспекти вузького конструкта, структура підтверджена, коефіцієнт omega подібний, а результати відтворюються в незалежних вибірках. Відкидати її лише через те, що 0,69 не перетнуло умовну межу 0,70, означало б підмінити психометричне міркування ритуалом.

Типові помилки інтерпретації

Перша помилка — називати alpha доказом валідності. Друга — вважати високу α доказом одновимірності. Третя — використовувати універсальний cutoff без урахування призначення. Четверта — порівнювати α різних шкал без огляду на кількість пунктів і структуру. П’ята — механічно видаляти пункти за «alpha if item deleted». Шоста — називати alpha тест-ретест надійністю. Сьома — вважати, що переклад із високою α уже є валідованою культурною адаптацією.

Спільний корінь цих помилок — спроба зробити з одного числа короткий вирок про весь тест. Психометрія працює інакше: кожен коефіцієнт відповідає на своє питання, а якість інструмента встановлюють через узгоджену систему доказів.

Коли alpha справді корисна

Альфа залишається корисною статистикою, коли дослідник чітко знає, що вона оцінює, коли структура шкали обґрунтована, модель alpha прийнятна для даних і висновок обмежений внутрішньою надійністю відповідних балів. Її зручність, історична поширеність і зв’язок з міжпунктовими коваріаціями роблять її інформативною частиною психометричного звіту.

Сучасна альтернатива полягає не в тому, щоб заборонити α, а в тому, щоб перестати використовувати її автоматично. Огляд Dunn та співавторів і методологічний tutorial McNeish сходяться в головному практичному висновку: коефіцієнт надійності слід вибирати відповідно до моделі даних, а не за традицією.

Часті запитання

Що показує альфа Кронбаха простими словами?

Вона показує, наскільки узгоджено пункти, з яких формують спільний бал, змінюються разом у певній вибірці. Це інформація про внутрішню узгодженість і, за відповідних припущень, про один аспект надійності балів.

Чи добра α = 0,70?

Самого числа недостатньо. 0,70 може бути прийнятним у певному дослідницькому контексті й недостатнім для високоризикового індивідуального рішення. Потрібно враховувати призначення, довжину шкали, структуру, вибірку, довірчий інтервал і інші докази якості.

Чи означає α = 0,90, що тест точний на 90%?

Ні. Alpha не є відсотком правильності, точності діагнозу чи часткою «правдивих відповідей». Це коефіцієнт, що випливає зі співвідношення дисперсій і коваріацій балів за певною моделлю.

Чи доводить висока α, що шкала одновимірна?

Ні. Одновимірність перевіряють окремо, наприклад факторним аналізом або IRT-моделями. COSMIN прямо називає одновимірність передумовою для ясної інтерпретації статистики внутрішньої узгодженості.

Що краще: alpha чи omega?

Немає універсального переможця поза моделлю. Alpha може бути доречною за її припущень; omega часто краще пристосована до конгенеричних пунктів із різними навантаженнями. Обидва коефіцієнти потребують коректної моделі та якісних даних.

Чи треба видаляти пункт, якщо без нього α вища?

Не автоматично. Спершу треба перевірити зміст пункту, кодування, розподіл відповідей, item-total зв’язок, факторну структуру й те, чи не втратить шкала важливу частину конструкта. Мінімальне зростання α не є достатньою причиною для редагування інструмента.

Чи можна розрахувати alpha для двох пунктів?

Технічно так, але інтерпретація особлива й фактично визначається єдиною міжпунктовою кореляцією. Для змістовно виправданої двопунктової шкали варто розглянути кореляцію між пунктами та формулу Спірмена–Брауна замість автоматичного застосування правил для довгих шкал.

Чи достатня висока alpha для української адаптації тесту?

Ні. Вона дає лише частину інформації про внутрішню узгодженість у конкретній українській вибірці. Для адаптації потрібні перекладацькі й культурні процедури, структурна і змістова валідність, релевантна надійність, а за порівняння мов або груп — докази порівнюваності чи інваріантності.

Висновок

Альфа Кронбаха — корисний, але вузький коефіцієнт. Вона допомагає описати внутрішню узгодженість балів за набором пунктів і за відповідних припущень може бути оцінкою певного аспекту надійності. Її величина залежить від взаємозв’язків між пунктами, кількості пунктів, вибірки, способу кодування і моделі вимірювання.

Найважливіше правило тлумачення просте: висока α не є сертифікатом якості тесту. Вона не доводить одновимірність, валідність, часову стабільність, культурну еквівалентність, діагностичну точність або клінічну корисність. Сильне психометричне рішення виникає тоді, коли alpha займає своє місце серед структурних, надійнісних, валідизаційних і практичних доказів.

Пов’язані статті

Базовий контекст теми — «Психометрія». Про те, що саме означає узгодженість пунктів, — «Внутрішня узгодженість шкали: що вона показує і чому не доводить одновимірність». Для глибшого розуміння того, як довжина тесту пов’язана з оцінками надійності, дивіться «Формула Спірмена–Брауна: надійність тесту, метод розщеплення та застосування». Про формат пунктів і способи відповідей — «Рейтингова шкала: що це, як працює та чим відрізняється від ранжування». Про місце тестів у ширшому професійному процесі — «Психологічна оцінка й оцінювання: що це, як проходить і чим відрізняється від тестування». Про науковця, на честь якого названо коефіцієнт, читайте в окремій статті «Лі Кронбах: коефіцієнт alpha, валідність, психологічне тестування і внесок у психометрію».

Джерела

American Educational Research Association, American Psychological Association, National Council on Measurement in Education. Standards for Educational and Psychological Testing. 2014. Офіційна сторінка APA.

Cronbach LJ. Coefficient Alpha and the Internal Structure of Tests. Psychometrika. 1951;16(3):297–334. https://doi.org/10.1007/BF02310555.

Dunn TJ, Baguley T, Brunsden V. From alpha to omega: A practical solution to the pervasive problem of internal consistency estimation. British Journal of Psychology. 2014;105(3):399–412. https://doi.org/10.1111/bjop.12046.

Eisinga R, te Grotenhuis M, Pelzer B. The reliability of a two-item scale: Pearson, Cronbach, or Spearman-Brown? International Journal of Public Health. 2013;58(4):637–642. https://doi.org/10.1007/s00038-012-0416-3.

International Test Commission. The ITC Guidelines for Translating and Adapting Tests. Second edition. 2017. Офіційний документ ITC.

McNeish D. Thanks coefficient alpha, we’ll take it from here. Psychological Methods. 2018;23(3):412–433. https://doi.org/10.1037/met0000144.

Sijtsma K. On the Use, the Misuse, and the Very Limited Usefulness of Cronbach’s Alpha. Psychometrika. 2009;74:107–120. https://doi.org/10.1007/s11336-008-9101-0.

Tavakol M, Dennick R. Making sense of Cronbach’s alpha. International Journal of Medical Education. 2011;2:53–55. https://doi.org/10.5116/ijme.4dfb.8dfd.

Tavares de Arruda G, Mokkink LB, Gagnier J, Terwee CB, et al. Explanation & Elaboration document of the COSMIN Reporting Guideline 2.0 for studies on measurement properties of patient-reported outcome measures. Version 1.0, September 2024. COSMIN.

Viladrich C, Angulo-Brunet A, Doval E. A journey around alpha and omega to estimate internal consistency reliability. Anales de Psicología. 2017;33(3):755–782. https://doi.org/10.6018/analesps.33.3.268401.