Kiểm định Cronbach's alpha là gì và alpha bao nhiêu là đạt?

Cronbach's alpha đo độ tin cậy nội tại của một thang đo nhiều mục hỏi, dao động 0 đến 1, và mức 0,70 trở lên thường được xem là chấp nhận được.

Cập nhật lần cuối: 2026-09-14
Chuyên mục: research-methods

Cronbach's alpha là gì và đo cái gì?

Trả lời thẳng: Cronbach's alpha đo độ tin cậy nội tại (internal consistency) của một thang đo tổng hợp, tức mức độ các mục hỏi có tương quan với nhau và cùng đo một khái niệm tiềm ẩn. Alpha KHÔNG phải thước đo độ giá trị (validity), tức không cho biết thang đo có đo đúng khái niệm bạn muốn đo hay không.

Bằng chứng: Tavakol và Dennick (2011) chỉ ra alpha do Lee Cronbach công bố năm 1951, và nhấn mạnh alpha không đo tính đơn hướng (unidimensionality) của thang đo, vì một thang đo đa chiều vẫn có thể cho alpha cao nếu các mục hỏi tương quan đủ chặt. Hai tác giả viết rằng "hệ số alpha cao không phải lúc nào cũng đồng nghĩa với mức độ nhất quán nội tại cao" (Tavakol & Dennick, 2011, tr. 53), và giải thích alpha là ước lượng cận dưới của độ tin cậy vì các mục hỏi không đồng nhất sẽ vi phạm giả định tau-equivalence. Sijtsma (2009) cho rằng alpha thực chất là cận dưới (lower bound) của độ tin cậy thật, không phải giá trị chính xác.

Ví dụ: Viết "thang đo có alpha 0,85 nên đạt độ giá trị cao" là một lỗi lập luận, vì alpha chỉ chứng minh các mục hỏi nhất quán với nhau, không chứng minh thang đo đo đúng khái niệm nghiên cứu.

Công thức tính Cronbach's alpha như thế nào?

Trả lời thẳng: Công thức tổng quát của Cronbach's alpha, còn gọi là coefficient alpha, là α = (k/(k-1))(1 − Σσ²yi/σ²x), trong đó k là số mục hỏi trong thang đo, σ²yi là phương sai của từng mục hỏi riêng lẻ, và σ²x là phương sai của tổng điểm cả thang đo. Công thức này cho biết các mục hỏi tương quan nội tại với nhau chặt tới mức nào.

Bằng chứng: Theo UVA Library Research Data Services, nếu các mục hỏi hoàn toàn độc lập, alpha tiến về 0, còn nếu hiệp phương sai giữa chúng càng cao, alpha càng tiến gần 1, và mức này còn tăng thêm khi số mục hỏi tăng. UVA Library gọi đây là hệ quả của việc alpha là hàm của số mục hỏi: thêm mục hỏi, kể cả mục gần trùng lặp, có thể làm alpha tăng đơn thuần vì số mục nhiều hơn, không nhất thiết phản ánh chất lượng thang đo tăng lên thật sự. Với dữ liệu nhị phân, công thức này tương đương hệ số KR-20 (Kuder-Richardson 20).

Ví dụ: Tăng alpha bằng cách thêm vài mục hỏi gần giống nhau không giải quyết vấn đề gốc, và hội đồng có kinh nghiệm thường nhận ra ngay bảng hỏi có nhiều câu lặp ý.

Alpha bao nhiêu là đạt?

Trả lời thẳng: Một bảng ngưỡng thường gặp chia mức tin cậy thành 5 khoảng, từ mức bị coi là kém cho tới mức được xếp hạng xuất sắc, với ranh giới tăng dần đều theo giá trị alpha (xem bảng bên dưới). Ngưỡng 0,70 vẫn hay được dùng làm mốc chấp nhận được, nhưng đây chỉ là quy ước thực hành, không phải luật cứng áp dụng cho mọi loại thang đo.

Bằng chứng: Dorsah (2026) hệ thống hoá bảng ngưỡng này từ nhiều nghiên cứu, gồm Tavakol và Dennick, Cho và Kim, Deng và Chan, cùng Komperda và cộng sự, đồng thời cảnh báo rủi ro dùng ngưỡng 0,70 một cách máy móc. Ngưỡng 0,70 thường được gán cho Nunnally và Bernstein (1994). Dorsah (2026) ghi nhận các nghiên cứu thăm dò hoặc công cụ mới đôi khi chấp nhận ngưỡng thấp hơn, còn các bài đánh giá chuẩn hoá hoặc có hệ quả lớn đòi hỏi kỳ vọng độ tin cậy cao hơn. Bài thang đo Likert 5 mức độ là gì cũng nêu ngưỡng 0,70 như một ngưỡng thường gặp trong thực hành, bảng ở đây bổ sung các mức trung gian.

Ví dụ: Một thang đo hài lòng gồm 5 mục hỏi cho alpha 0,74 thường đủ cho luận văn thạc sĩ ở giai đoạn thăm dò, nhưng nếu dùng thang đo đó cho một bài đánh giá có hệ quả lớn, chẳng hạn xét tuyển học viên, ngưỡng đó có thể chưa đủ vững và cần độ tin cậy cao hơn hẳn.

Vì sao alpha quá cao trên 0,90 cũng là vấn đề?

Trả lời thẳng: Alpha vượt 0,90, đặc biệt trên 0,95, thường là dấu hiệu thang đo có mục hỏi dư thừa, tức nhiều mục hỏi gần như hỏi lại cùng nội dung theo cách diễn đạt khác, thay vì bổ sung thông tin thật về khái niệm đang đo. Đây là chỗ nên xem lại từng mục hỏi trước khi công bố kết quả, chứ không nên mừng vì con số cao.

Bằng chứng: Tavakol và Dennick (2011) khuyến nghị ngưỡng tối đa khoảng 0,90, vì mức cao hơn thường cho thấy mục hỏi trùng lặp nội dung quá nhiều mà không thực sự tăng chất lượng đo lường. UVA Library liên hệ tới "length effect" đã nêu ở phần công thức: thang đo quá dài với nhiều mục gần trùng nhau có thể đẩy alpha lên cao mà không phản ánh chất lượng thực sự cải thiện.

Ví dụ: Một bảng hỏi 15 mục cho alpha 0,96 nên khiến bạn xem lại từng câu, vì có thể một nửa số mục đang lặp ý của nửa còn lại. Rút gọn còn 8 đến 10 mục khác biệt thật sự thường cho thang đo gọn hơn mà vẫn giữ độ tin cậy chấp nhận được.

Cách chạy kiểm định Cronbach's alpha trong SPSS từng bước

Trả lời thẳng: Trong SPSS, vào Analyze, chọn Scale, rồi Reliability Analysis, đưa các mục hỏi vào ô Items, giữ Model mặc định là Alpha, nhấn Statistics và tick Item, Scale, Scale if item deleted, thêm Correlations, rồi Continue và OK. Quy trình này chạy trên chính dữ liệu khảo sát của bạn, cho ra hệ số alpha tổng thể cùng bảng Item-Total Statistics để đọc từng mục hỏi riêng lẻ.

Bằng chứng: Laerd Statistics mô tả quy trình 7 bước này, minh hoạ bằng một ví dụ, alpha bằng 0,805 trên thang đo 9 mục Likert, khảo sát 15 lao động. Một bước dễ bị bỏ qua là mã hoá ngược các mục hỏi phát biểu âm trước khi chạy, vì nếu không, alpha có thể thấp bất thường hoặc ra âm. SPSS cũng loại toàn bộ một quan sát khỏi phép tính nếu quan sát đó thiếu dữ liệu ở bất kỳ mục nào, nên cỡ mẫu có thể giảm mà bạn không để ý. Bài SPSS thực hiện được những nhóm kiểm định thống kê nào đã liệt kê Reliability Analysis là một nhóm kiểm định riêng.

Ví dụ: Quên mã hoá ngược câu "Tôi thấy môn học này tẻ nhạt" đặt cạnh các câu tích cực khác có thể khiến alpha của cả thang đo tụt xuống thấp bất thường hoặc ra số âm.

Đọc bảng Item-Total Statistics và cột Alpha if Item Deleted như thế nào?

Trả lời thẳng: Bảng Item-Total Statistics cho biết Corrected Item-Total Correlation của từng mục hỏi, tức tương quan giữa mục đó với tổng điểm các mục còn lại. Cột Alpha if Item Deleted cho biết alpha toàn thang đo sẽ đổi thế nào nếu loại riêng mục đó, nên cần đọc cả hai cột cùng lúc mới nhận ra mục hỏi nào đang kéo độ tin cậy chung xuống.

Bằng chứng: Theo CASRAI, quy ước phổ biến là Corrected Item-Total Correlation dưới khoảng 0,30 là dấu hiệu mục hỏi yếu, dù một số tác giả dùng ngưỡng 0,20. Nếu Alpha if Item Deleted của một dòng cao hơn alpha tổng thể, loại bỏ mục đó sẽ làm alpha cải thiện, dấu hiệu mục hỏi đang kéo độ tin cậy chung xuống.

Ví dụ: Trong thang đo 8 mục có alpha tổng thể 0,72, nếu mục 5 cho Alpha if Item Deleted là 0,79, đây là chỗ đáng cân nhắc loại mục đó sau khi xem lại nội dung có thật sự phù hợp với khái niệm đang đo hay không.

Vì sao alpha ra âm hoặc thấp bất thường?

Trả lời thẳng: Alpha ra âm hoặc thấp bất thường thường bắt nguồn từ một trong hai lỗi: mục hỏi viết theo chiều phủ định chưa được đảo điểm trước khi tính, hoặc bảng hỏi đang gộp chung nhiều khái niệm khác biệt vào một thang đo duy nhất dù chúng không nên đo cùng nhau về mặt lý thuyết.

Bằng chứng: Hướng dẫn SPSS của CASRAI nhấn mạnh mã hoá ngược là một trong những nguyên nhân phổ biến nhất khiến alpha thấp bất thường hoặc ra âm, vì mục hỏi ngược chiều không đổi điểm sẽ cho tương quan âm với tổng điểm, kéo alpha xuống theo. Nguyên nhân thứ hai, trộn khái niệm, xuất phát từ chính bản chất của alpha: mục hỏi thực chất đo khái niệm khác sẽ không tương quan tốt với phần còn lại.

Ví dụ: Trộn các câu về "hài lòng với giảng viên" và "hài lòng với cơ sở vật chất" vào cùng một thang đo, rồi tính chung một alpha, thường cho kết quả thấp hơn kỳ vọng, vì đây là hai khái niệm cần hai thang đo riêng.

Có nên loại mục hỏi để tăng alpha không?

Trả lời thẳng: Chỉ nên loại mục hỏi khi có bằng chứng rõ ràng từ Corrected Item-Total Correlation thấp và Alpha if Item Deleted cao hơn alpha hiện tại, đồng thời việc loại đó không làm mất khía cạnh nội dung quan trọng của khái niệm đang đo, tức phải cân nhắc cả con số thống kê lẫn nội dung câu hỏi trước khi quyết định.

Bằng chứng: Tavakol và Dennick (2011) khuyến nghị mục hỏi có tương quan mục-tổng thấp nên được xem lại hoặc loại bỏ. Dù vậy, nếu chỉ chạy theo một con số alpha cao hơn, người nghiên cứu có thể loại bỏ cả những mục hỏi tương quan thấp chỉ vì chúng đang đo một khía cạnh riêng của khái niệm, khiến thang đo hẹp hơn về nội dung dù alpha đẹp hơn. Kalkbrenner (2024) đề xuất dùng McDonald's Omega thay thế hoặc bổ sung cho alpha khi các mục hỏi không có hệ số tải bằng nhau, vì Omega không đòi hỏi giả định tau-equivalence khắt khe như alpha.

Ví dụ: Một mục hỏi có Corrected Item-Total Correlation chỉ 0,15 nhưng đang đo khía cạnh "cảm giác an toàn" trong thang đo về "hài lòng với dịch vụ tư vấn": loại bỏ nó có thể làm alpha tăng nhưng khiến thang đo bỏ sót nội dung nghiên cứu thực sự cần đo.

Cách báo cáo kết quả Cronbach's alpha trong bài luận văn

Trả lời thẳng: Cách báo cáo phổ biến trong bài luận văn là nêu số mục hỏi trong thang đo (k), cỡ mẫu (N), và hệ số alpha, viết theo dạng gọn trong ngoặc đơn ngay sau tên thang đo. Cách viết cô đọng này thay thế được cho câu mô tả dài dòng, đồng thời cho hội đồng đủ dữ kiện để tự đánh giá kết quả thay vì chỉ tin vào lời khẳng định của người viết.

Bằng chứng: Một câu báo cáo theo dạng này có thể viết là "thang đo cho thấy độ tin cậy nội tại chấp nhận được (k = 8 mục, N = 214, α = 0,81)", đủ thông tin để đánh giá kết quả trong ngữ cảnh, vì cùng một mức alpha có ý nghĩa khác nhau tuỳ số mục hỏi và cỡ mẫu. Boone và Boone (2012) khuyến nghị với dữ liệu thang đo đã kiểm tra độ tin cậy, có thể dùng thêm hệ số tương quan Pearson, kiểm định t, ANOVA và hồi quy.

Ví dụ: Thay vì viết "thang đo có độ tin cậy tốt", nên viết "thang đo Sự hài lòng với dịch vụ tư vấn gồm 6 mục hỏi cho thấy độ tin cậy nội tại tốt (k = 6, N = 187, α = 0,84)".

Câu hỏi thường gặp

Cronbach's alpha bao nhiêu là đạt yêu cầu cho luận văn?
Mức 0,70 trở lên thường được chấp nhận cho nghiên cứu giai đoạn thăm dò, nhưng đây là quy ước, không phải luật cứng. Với các bài đánh giá chuẩn hoá hoặc có hệ quả lớn, ngưỡng khuyến nghị cần cao hơn hẳn mức đó.

Alpha âm nghĩa là gì và cách khắc phục?
Alpha âm thường do quên mã hoá ngược các mục hỏi viết theo chiều phát biểu phủ định. Kiểm tra lại từng mục hỏi, đổi chiều mã hoá cho câu diễn đạt ngược, rồi chạy lại kiểm định.

Có thể dùng Cronbach's alpha cho thang đo chỉ 2 đến 3 mục hỏi không?
Về kỹ thuật có thể tính được, nhưng alpha là hàm của số mục hỏi, và thang đo quá ngắn thường cho alpha thấp dù các mục hỏi tương quan tốt, đồng thời vi phạm giả định tau-equivalence rõ hơn. Nên cân nhắc bổ sung thêm mục hỏi cho khái niệm đó trước khi kết luận thang đo không đủ tin cậy.

Cronbach's alpha khác gì với phân tích nhân tố khám phá?
Cronbach's alpha kiểm tra độ tin cậy, tức mức độ nhất quán giữa các mục hỏi trong một thang đo đã định trước. Phân tích nhân tố khám phá đi thêm một bước, kiểm tra xem các mục hỏi có thực sự nhóm lại đúng theo khái niệm bạn định đo hay không.

Khi nào nên dùng McDonald's Omega thay vì Cronbach's alpha?
Nên cân nhắc Omega khi các mục hỏi không có hệ số tải bằng nhau, tình huống phổ biến hơn giả định tau-equivalence mà alpha luôn ngầm định. Omega không đòi hỏi giả định này nên thường cho ước lượng chính xác hơn.

MAAS hỗ trợ gì khi tôi chạy kiểm định Cronbach's alpha trên dữ liệu của mình?
Nếu bạn chưa quen SPSS, việc chọn nhầm mô hình trong hộp thoại Reliability Analysis hoặc đọc lẫn hai cột trong bảng Item-Total Statistics thường không tự nhận ra ngay, mà chỉ lộ ra khi hội đồng hỏi lại con số alpha. Chuyên gia MAAS ngồi cùng bạn lúc bạn chạy kiểm định trên chính bộ dữ liệu của mình, để bạn tự đọc và tự giải thích được kết quả khi bảo vệ. Đặt buổi tư vấn miễn phí 15 phút để trao đổi trước, hoặc xem dịch vụ hướng dẫn chạy SPSS và Python.

References

• Boone, H. N., & Boone, D. A. (2012). Analyzing Likert data. Journal of Extension, 50(2), Article 48. https://doi.org/10.34068/joe.50.02.48
• Dorsah, P. (2026). The use of Cronbach's alpha reliability in educational research: A systematic review. European Journal of Contemporary Education and E-Learning, 4(2), 39-50. https://doi.org/10.59324/ejceel.2026.4(2).04
• Kalkbrenner, M. T. (2024). Choosing between Cronbach's coefficient alpha, McDonald's coefficient omega, and coefficient H: Confidence intervals and the advantages and drawbacks of interpretive guidelines. Measurement and Evaluation in Counseling and Development, 57(2), 93-105. https://doi.org/10.1080/07481756.2023.2283637
• Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.
• Sijtsma, K. (2009). On the use, the misuse, and the very limited usefulness of Cronbach's alpha. Psychometrika, 74(1), 107-120. https://doi.org/10.1007/s11336-008-9101-0
• Tavakol, M., & Dennick, R. (2011). Making sense of Cronbach's alpha. International Journal of Medical Education, 2, 53-55. https://doi.org/10.5116/ijme.4dfb.8dfd

Tools & resources

• UVA Library Research Data Services. (n.d.). Using and interpreting Cronbach's alpha. University of Virginia. https://library.virginia.edu/data/articles/using-and-interpreting-cronbachs-alpha
• Laerd Statistics. (n.d.). Cronbach's alpha in SPSS statistics. https://statistics.laerd.com/spss-tutorials/cronbachs-alpha-using-spss-statistics.php
• CASRAI. (n.d.). Cronbach's alpha in SPSS. https://casrai.org/guides/cronbachs-alpha-in-spss