內部一致性係數反映題目間的共同變動程度，但高係數不保證量表只測量一個構念，也不保證題目涵蓋了重要經驗。題目彼此高度重複，可能得到很高的 alpha，卻讓量表變得狹窄且冗長。
因此，研究者應先理解題目背後的因素結構，再選擇符合模型假設的信度估計。因素分析檢查題目如何共同變動提供結構證據；信度描述分數精確度而非測驗的全部品質提醒係數只是測量品質的一部分。
思與行
- 不要以「alpha 大於某個門檻」作為刪題或宣稱單向度的唯一依據。
- 同時檢查題目內容是否重複、因素負荷是否合理，以及是否漏掉構念的重要面向。
參考
- 研究來源：Cronbach alpha的普及不代表它適用於所有量表、從 alpha 到 omega 提供內部一致性的替代估計。
- 本文亦連結 測量模型概念地圖 與全書導讀 psychometrics。
- 雙向脈絡：量表建構概念地圖。
- 概念地圖：心理測量概念地圖。