Cronbach's α(크론바흐 알파)란 무엇인가?

신뢰도(reliability)란 측정치들 간의 일관성^[각주:1]이며, 신뢰도 계수(reliability coefficient)는 신뢰도를 추정하는 방법(estimator) 내지는 신뢰도의 추정치(estimate)를 가리킵니다.^[각주:2] 대개 신뢰도는 측정치들의 특정한 측면에서의 일관성을 지칭하는 경우가 많은데(평가자간 신뢰도, 검사-재검사 신뢰도 등), Cronbach's α(크론바흐 알파)를 사용할 때 전제하는 신뢰도의 개념은 '고정된 상황에서, 여러 항목에 대한, 응답자의 일관성'^[각주:3]입니다. 따라서 Cronbach's α(크론바흐 알파)는 설문지(Questionnaire)를 활용한 연구에서 흔히 접할 수 있습니다. 응답자가 RMDQ, EQ-5D 등 설문지에 응답하는 상황에서, '고정된 상황에서, 여러 항목에 대해' 응답하기 때문입니다.

Cronbach's α(크론바흐 알파)는 내적일관성을 나타내는 지표이며, 항목들이 하나의 집단으로서 얼마나 밀접하게 관련되어 있는지 나타낼 때 사용됩니다.(크론바흐 알파는 통계적 검정이 아니라 신뢰도 계수입니다.)^[각주:4] 즉, 설문의 모든 문항이 동일한 개념이나 구성 개념을 얼마나 잘 측정하는지를 나타내며, 따라서 설문 내 문항들 간 상호 연관성과 관련이 있다는 것^[각주:5]입니다. 항목들 간의 상관관계가 높을수록 크론바흐 알파 값은 증가합니다. 그러나 높은 크론바흐 알파 계수가 항상 높은 내적 일관성을 의미하는 것은 아닙니다. 이는 알파 값이 설문의 길이에도 영향을 받기 때문^{[각주:6][각주:7]}입니다. 길이가 너무 짧으면 알파 값이 감소합니다.

숫자를 볼 때는 반드시 그 값이 올바른 맥락에서 사용되었는지 확인할 필요가 있습니다. Cronbach's α(크론바흐 알파)는 위에서 언급하였듯 '고정된 상황에서, 여러 항목에 대한, 응답자의 일관성', 그리고 '각 검사 항목이 동일한 척도에서 동일한 잠재 특성을 측정한다(tau-equivalent)'는 점을 전제^[각주:8]하며 문항 표본 간의 상호 연관성을 나타냅니다. 따라서 타우동등 조건이 충족되지 않는 경우(검사에 두 개 이상의 개념이나 구성 개념이 포함된 경우 등)에서 Cronbach's α(크론바흐 알파)의 사용은 적절하지 않습니다. 같은 맥락에서, 문항 표본 간 내적 일관성을 나타내고자 하는 용도 이외의 모든 경우에도 Cronbach's α(크론바흐 알파)의 사용은 적절하지 않습니다.

적절히 사용되었다면, 일반적으로 Cronbach's α 값은 높을수록 좋다고 해석하면 편합니다. 일반적으로 그 값이 0.7 이상일 때 인정되고, 0.8 이상의 값이 권장된다(초기 연구 단계(Early stage of research)에서는 0.7로 충분하지만, 기초 연구(Basic research)부터는 0.8 이상이 권장)^[각주:9]고 보면 됩니다.

Cronbach's α	의미
α ≥ 0.9	Excellent (매우 우수)
0.9 ＞ α ≥ 0.8	Good (우수)
0.8 ＞ α ≥ 0.7	Acceptable (받아들일 수 있는)
0.7 ＞ α ≥ 0.6	Questionable (미심쩍은)
0.6 ＞ α ≥ 0.5	Poor (좋지 않음)
0.5 ＞ α	Unacceptable (수용 불가)

해외에서 개발된 도구를 국내에서 사용한다고 하면, 첫 번째 의문은 '제대로 번역되었는가?'일 것입니다. 언어적·문화적 차이로 각 문항이 의미하는 바가 원문과 크게 달라진다면, 대부분의 경우 문항 간 내적 일관성이 깨지기 때문에 Cronbach's α 값이 크게 떨어질 수 있습니다. 즉, 설문 형태의 환자 사정 도구가 제대로 번역되었는지 확인할 때 필수적으로 확인하는 값이 바로 Cronbach's α라는 것입니다. 

사실, 최근 Cronbach's α의 한계가 지적되는 동시에 여러 가지 통계학적 대안이 제시되는 추세입니다. 머지 않은 미래에 구조방정식 기반의 새로운 신뢰도 계수가 각종 연구에 자주 쓰이게 될 수도 있을 것입니다. 또한, 엄밀한 의미에서 위에서 제가 설명드린 많은 내용은 오류를 포함할 수 있습니다. 다만, 현실적으로 빠르게 근거를 서치하고 핵심을 요약해 유연하게 임상에 적용해야 하는 임상 현장의 특성을 감안한다면 이는 사소하게 보일 수 있는 정도의 오류 가능성이라 생각합니다. 학술적인 측면에서 한 치의 오차 없는 이해를 원하시는 분들께서는 소위 Cronbach's alpha에 대한 종합적 고찰을 읽어보시면 도움이 되지 않을까 합니다.

 

---

1. Thorndike RL. Reliability. In E.F. Lindquist(Ed.) Educational measurement. Washington DC : American Council on Education; 1951. p. 560-620. [본문으로]
2. Cho E, Kim S. Cronbach's coefficient alpha: well known but poorly understood. Organ Res Methods. 2015;18(2):207-230. doi: 10.1177/1094428114555994. [본문으로]
3. Cho, Eunseong. A Comprehensive Review of So-called Cronbach's Alpha. 2020; 38(1): 9-20. Available from: doi:10.36345/kacst.2020.38.1.002 [본문으로]
4. UCLA Advanced Research Computing. What does Cronbach's alpha mean?. Los Angeles (CA): University of California, Los Angeles. Available from: https://stats.oarc.ucla.edu/spss/faq/what-does-cronbachs-alpha-mean/ [본문으로]
5. Tavakol M, Dennick R. Making sense of Cronbach's alpha. Int J Med Educ. 2011 Jun 27;2:53-55. doi: 10.5116/ijme.4dfb.8dfd. PMID: 28029643; PMCID: PMC4205511. [본문으로]
6. Nunnally J, Bernstein L. Psychometric theory. New York: McGraw-Hill Higher, INC; 1994. [본문으로]
7. Streiner DL. Starting at the beginning: an introduction to coefficient alpha and internal consistency. J Pers Assess. 2003 Feb;80(1):99-103. doi: 10.1207/S15327752JPA8001_18. PMID: 12584072. [본문으로]
8. Novick MR, Lewis C. Coefficient alpha and the reliability of composite measurements. Psychometrika. 1967 Mar;32(1):1-13. [본문으로]
9. George D, Mallery P. SPSS for Windows step by step: a simple guide and reference. 11.0 update. 4th ed. Boston: Allyn & Bacon; 2003. [본문으로]