Alpha de Cronbach sur SPSS : calcul, seuil 0,7 et interprétation

Votre encadrant vous demande de « vérifier la fiabilité du questionnaire » ? Il parle presque toujours de l'alpha de Cronbach. Bonne nouvelle : sur SPSS, le calcul prend moins de deux minutes. Le plus important est de savoir quand l'utiliser, comment lire le résultat et comment l'écrire dans votre mémoire.

En bref : l'alpha de Cronbach mesure la cohérence interne d'une échelle composée de plusieurs items. Sur SPSS : Analyse, Échelle, Analyse de fiabilité. Une valeur supérieure ou égale à 0,70 est généralement jugée acceptable, et supérieure à 0,80 bonne. Si l'alpha est faible, examinez la colonne « Alpha de Cronbach en cas de suppression de l'élément ».

À quoi sert l'alpha de Cronbach ?

L'alpha de Cronbach mesure la cohérence interne d'un groupe d'items censés mesurer la même chose. Par exemple, 5 questions sur une échelle de Likert (de « pas du tout d'accord » à « tout à fait d'accord ») qui mesurent ensemble la « satisfaction au travail ». Si les répondants donnent des réponses cohérentes à ces 5 questions, l'alpha sera élevé.

Il se calcule par dimension, jamais sur tout le questionnaire mélangé. Si votre questionnaire mesure la satisfaction, la motivation et le stress, vous calculez trois alphas.

Avant de commencer : 3 vérifications

• Les items sont quantitatifs ou ordinaux (échelle de Likert codée 1 à 5, par exemple). Les questions comme le sexe ou la ville ne vont pas dans le calcul.

• Les items inversés sont recodés. Si un item est formulé à l'envers (« Je pense souvent à quitter mon poste »), recodez-le avant le calcul via Transformer > Recoder des variables. Sinon, l'alpha sera faussé vers le bas.

• Il y a au moins 2 items par dimension (idéalement 3 ou plus).

Calculer l'alpha de Cronbach sur SPSS, étape par étape

1. Ouvrez votre fichier de données dans SPSS.

2. Allez dans Analyse > Échelle > Analyse de fiabilité (en anglais : Analyze > Scale > Reliability Analysis).

3. Faites glisser les items de la dimension dans la case Éléments.

4. Vérifiez que le modèle choisi est Alpha.

5. Cliquez sur Statistiques et cochez Échelle en cas de suppression de l'élément (Scale if item deleted). Cliquez sur Poursuivre.

6. Cliquez sur OK. Les résultats s'affichent dans la fenêtre de sortie.

Comment interpréter le résultat

Le tableau « Statistiques de fiabilité » donne la valeur de l'alpha. Les seuils les plus cités dans la littérature sont les suivants :

• ≥ 0,90 : excellente (au-delà de 0,95, les items sont peut-être redondants)

• 0,80 à 0,89 : bonne

• 0,70 à 0,79 : acceptable

• 0,60 à 0,69 : faible, parfois tolérée en recherche exploratoire

• < 0,60 : insuffisante

Le seuil de 0,70 est le plus souvent retenu comme minimum acceptable (Nunnally, 1978). Certains encadrants acceptent 0,60 pour une échelle nouvelle ou très courte : demandez-lui.

Mon alpha est trop faible : que faire ?

Regardez le tableau « Statistiques de total des éléments », colonne Alpha de Cronbach en cas de suppression de l'élément. Si la suppression d'un item fait nettement monter l'alpha, cet item mesure probablement autre chose. Vous pouvez :

• vérifier d'abord qu'il ne s'agit pas d'un item inversé oublié ;

• le retirer de la dimension, en le justifiant dans votre méthodologie ;

• ne pas supprimer plus d'un ou deux items, sinon l'échelle perd son sens.

Un alpha faible peut aussi venir d'un échantillon trop petit ou de questions mal comprises. D'où l'intérêt de faire un pré-test (voir construire un questionnaire).

Comment l'écrire dans votre mémoire

Dans la partie méthodologie (ou au début des résultats), un tableau suffit, avec pour chaque dimension le nombre d'items et l'alpha :

• Satisfaction au travail : 5 items, alpha = 0,84

• Motivation : 4 items, alpha = 0,78

• Stress perçu : 6 items, alpha = 0,81

Puis une phrase : « Les coefficients alpha de Cronbach varient de 0,78 à 0,84, ce qui indique une bonne cohérence interne des échelles utilisées (Nunnally, 1978). »

Les valeurs ci-dessus sont un exemple, pas des résultats réels.

Le parcours complet de l'analyse de données

Pour un mémoire fondé sur un questionnaire, les étapes s'enchaînent dans cet ordre :

1. construire le questionnaire ;

2. déterminer la taille de l'échantillon ;

3. vérifier la fiabilité des échelles avec l'alpha de Cronbach ;

4. croiser des variables qualitatives avec le test du khi-deux ;

5. tester l'effet de plusieurs variables avec la régression linéaire ;

6. pour les modèles avec variables latentes : SmartPLS et PLS-SEM.

Documentation officielle du logiciel : IBM SPSS Statistics.

Questions fréquentes

Peut-on calculer l'alpha de Cronbach sur des questions oui/non ?

Pour des items dichotomiques, on utilise plutôt le KR-20, qui est un cas particulier de l'alpha. SPSS donne le même résultat avec le modèle Alpha si les items sont codés 0/1.

Faut-il calculer l'alpha pour un questionnaire déjà validé ?

Oui, c'est recommandé : une échelle validée ailleurs peut se comporter différemment sur votre échantillon, surtout après traduction en arabe ou en français.

Quelle différence avec la fiabilité composite (CR) ?

La fiabilité composite est utilisée dans les modèles d'équations structurelles, par exemple sur SmartPLS. Voir notre guide SmartPLS pour débutants.

Faut-il calculer l'alpha pour chaque variable ?

Oui : un alpha par échelle (par variable mesurée avec plusieurs items), pas un alpha global pour tout le questionnaire.

Apprendre SPSS ou faire analyser vos données

Notre formation SPSS vous apprend à faire ces analyses vous-même, avec vos propres données. Si vous préférez un accompagnement complet de l'analyse, découvrez notre accompagnement académique ou écrivez-nous sur WhatsApp.