Reliabilität und Validität von Fragebögen prüfen: Methoden 2026

Ein Fragebogen ist nur so gut wie seine Messeigenschaften. Wer in der empirischen Bachelorarbeit oder Masterarbeit einen Fragebogen einsetzt — ob standardisiert oder selbst entwickelt —, muss belegen, dass das Instrument tatsächlich das misst, was es messen soll (Validität), und dies mit hinreichender Genauigkeit und Konsistenz tut (Reliabilität). Die Prüfung dieser beiden zentralen Gütekriterien des Fragebogens ist kein optionaler Zusatz, sondern methodisches Pflichtprogramm jeder quantitativen Studie.

Dieser Leitfaden erklärt die wichtigsten Reliabilitätsmaße — Cronbachs Alpha, Retest-Reliabilität, Split-Half — sowie die zentralen Validitätsformen (Inhaltsvalidität, Konstruktvalidität, Kriteriumsvalidität) und zeigt, wie die Berechnungen in SPSS und JASP durchgeführt werden.

Reliabilität und Validität — Grundlagen und Unterschied

Die Unterscheidung zwischen Reliabilität und Validität lässt sich an einem einfachen Bild veranschaulichen: Eine Waage, die bei jeder Messung 2 kg zu viel anzeigt, ist reliabel (konsistent), aber nicht valide (trifft nicht das Wahre). Eine Waage, die mal 2 kg zu viel, mal 1 kg zu wenig anzeigt, ist weder reliabel noch valide. Nur eine Waage, die stets das korrekte Gewicht anzeigt, ist beides.

Übertragen auf Fragebögen:

• Reliabilität ist die Präzision der Messung: Würde dasselbe Instrument bei denselben Personen unter gleichen Bedingungen zu einem späteren Zeitpunkt zu denselben Ergebnissen führen?
• Validität ist die Gültigkeit der Messung: Misst das Instrument tatsächlich das theoretische Konstrukt, für das es entwickelt wurde?

Reliabilität ist eine notwendige, aber nicht hinreichende Bedingung für Validität. Ein Instrument muss reliabel sein, um valide sein zu können — aber Reliabilität allein garantiert keine Validität. Dieses Verhältnis ist für die Interpretation von Messergebnissen fundamental (vgl. Döring & Bortz, 2016, S. 442 ff.).

Die Prüfung der Gütekriterien steht in engem Zusammenhang mit der Operationalisierung des theoretischen Konstrukts. Wie ein Konstrukt in messbare Items übersetzt wird, ist im Beitrag zu Operationalisierung von Variablen ausführlich beschrieben.

Reliabilitätsmaße im Überblick

Für die Prüfung der Fragebogenreliabilität stehen mehrere Verfahren zur Verfügung, die je nach Studiensituation eingesetzt werden:

Cronbachs Alpha: Berechnung und Interpretation

Cronbachs Alpha (α) ist das in Abschlussarbeiten bei weitem am häufigsten eingesetzte Reliabilitätsmaß. Es wurde 1951 von Lee J. Cronbach veröffentlicht und misst die interne Konsistenz einer Skala — also den Grad, in dem alle Items der Skala dasselbe latente Konstrukt erfassen.

Die Formel für α lautet:

Dabei ist k die Anzahl der Items, Σσ²_i die Summe der Itemvarianzen und σ²_gesamt die Varianz der Gesamtskala. In der Praxis wird α nie manuell berechnet, sondern stets über Statistiksoftware.

Interpretationsrichtwerte

Wichtig: Cronbachs Alpha ist kein einheitliches Maß für “Reliabilität überhaupt”, sondern spezifisch für interne Konsistenz. Es setzt voraus, dass alle Items eine einzige latente Dimension messen (Eindimensionalität). Bei mehrdimensionalen Skalen sollte α separat für jede Subdimension berechnet werden.

Achtung: Ein niedriges α kann verschiedene Ursachen haben — heterogene Items, zu wenige Items, aber auch inhaltliche Mehrdimensionalität. Die Diagnose erfordert eine Analyse der Item-Trennschärfe (korrigierte Item-Skala-Korrelation, r_it) und ggf. eine explorative Faktorenanalyse.

Validitätsformen im Überblick

Validität ist kein binäres Merkmal (“valide oder nicht valide”), sondern ein Kontinuum und ein mehrdimensionales Konzept. Unterschieden werden drei klassische Validitätsformen:

1. Inhaltsvalidität (content validity)

Das Instrument erfasst alle relevanten Facetten des Konstrukts vollständig und ausgewogen — nicht nur einen Ausschnitt. Inhaltsvalidität wird nicht statistisch, sondern durch Expertenbeurteilung geprüft. Typisches Instrument: Content Validity Index (CVI), bei dem Expertengruppen beurteilen, ob jedes Item “essenziell”, “nützlich” oder “nicht notwendig” für das Konstrukt ist.

2. Konstruktvalidität (construct validity)

Das Instrument misst das theoretisch postulierte Konstrukt und nicht etwas anderes. Konstruktvalidität wird über statistische Verfahren geprüft:

• Konvergente Validität: Das Instrument korreliert hoch mit anderen Maßen desselben Konstrukts.
• Diskriminanzvalidität: Das Instrument korreliert niedrig mit Maßen anderer, theoretisch unverwandter Konstrukte.
• Explorative Faktorenanalyse (EFA): Prüft, welche Faktorstruktur sich empirisch aus den Daten ergibt.
• Konfirmatorische Faktorenanalyse (KFA): Prüft, ob ein vorab theoretisch postuliertes Faktormodell zu den Daten passt.

3. Kriteriumsvalidität (criterion validity)

Das Instrument sagt ein außenvalidiertes Kriterium vorher. Unterschieden wird:

• Prädiktive Validität: Das Instrument sagt ein zukünftiges Außenkriterium vorher (z. B. ein Persönlichkeitsfragebogen sagt Berufsleistung vorher).
• Übereinstimmungsvalidität: Das Instrument korreliert mit einem gleichzeitig erhobenen Außenkriterium.

Konstruktvalidität und Faktorenanalyse

Die explorative Faktorenanalyse (EFA) wird eingesetzt, wenn die Faktorstruktur einer Skala noch nicht bekannt ist oder empirisch überprüft werden soll. Wichtige Schritte:

1. Stichprobengröße prüfen: Als Faustregel gelten mindestens 5–10 Probanden pro Item, mindestens jedoch n ≥ 100. Kaiser-Meyer-Olkin-Koeffizient (KMO) ≥ 0,60 als Mindestanforderung; ≥ 0,80 als gut.
2. Extraktionsmethode wählen: Hauptkomponentenanalyse (PCA) für explorative Zwecke; Maximum-Likelihood-Analyse, wenn Normalverteilung angenommen wird.
3. Faktoranzahl bestimmen: Kaiser-Kriterium (Eigenwert ≥ 1), Scree-Plot, Parallelanalyse.
4. Rotation: Varimax (wenn Faktoren als unkorreliert angenommen werden), Oblimin oder Promax (wenn Korrelation der Faktoren möglich).
5. Interpretation: Items mit Ladungen ≥ 0,40 auf einem Faktor als bedeutsam behandeln; Querladungen ≥ 0,30 kritisch prüfen.

Die Stichprobenplanung für eine valide Faktorenanalyse ist direkt mit der Wahl des Stichprobenverfahrens verknüpft. Grundlagen dazu im Beitrag zu Stichprobenverfahren in der empirischen Forschung.

Berechnung in SPSS und JASP

Cronbachs Alpha in SPSS

Pfad: Analysieren → Skalierung → Reliabilitätsanalyse

1. Alle Items der Skala in das Feld “Items” übertragen.
2. Modell “Alpha” auswählen.
3. Unter “Statistiken”: “Deskriptive Statistiken für Items”, “Skalierung” und “Item gelöscht” aktivieren.
4. In der Ausgabe: α-Wert in der Tabelle “Reliabilitätsstatistiken”; Item-Trennschärfen in der Tabelle “Item-Skala-Statistiken” (Spalte “Korrigierte Item-Skala-Korrelation”).

Cronbachs Alpha in JASP

JASP (kostenlos, open source) bietet eine benutzerfreundliche Alternative zu SPSS:

1. Daten importieren (CSV oder SPSS-Datei).
2. Modul “Reliabilität” öffnen.
3. Items auswählen, Alpha-Berechnung aktivieren.
4. Unter “Erweitert”: Item-Statistiken und “McDonald’s Omega” hinzuschalten (Omega ist ein robusteres Maß als Alpha, wenn Eindimensionalität nicht gegeben ist).

Explorative Faktorenanalyse in SPSS

Pfad: Analysieren → Dimensionsreduktion → Faktorenanalyse

1. Items in das Feld “Variablen” übertragen.
2. Extraktion: Hauptkomponentenanalyse; Anzahl der Faktoren über Eigenwert-Kriterium oder fixiert.
3. Rotation: Varimax (orthogonal) oder Oblimin/Promax (oblique).
4. Optionen: KMO und Bartlett-Test aktivieren.

Praxistipps für die Abschlussarbeit

Für eine methodisch einwandfreie Darstellung der Güteprüfung im Methodenteil empfehlen sich folgende Schritte:

• Theoretische Begründung voranstellen: Warum wurden diese spezifischen Reliabilitäts- und Validitätsmaße gewählt? Verweis auf Methodenliteratur (Döring & Bortz, 2016; Lienert & Raatz, 1998).
• Ergebnisse vollständig berichten: Nicht nur den α-Wert, sondern auch Item-Trennschärfen und Hinweise auf problematische Items.
• Pilotstudie durchführen: Wenn möglich, den Fragebogen an einer kleinen Vorstichprobe (n = 20–30) testen und die Gütekriterien prüfen, bevor die Haupterhebung beginnt.
• Limitationen benennen: Wenn die Stichprobengröße für eine Faktorenanalyse nicht ausreicht, ehrlich begrenzte Validierungstiefe eingestehen.
• Operationalisierung transparent machen: Jede Subskala mit ihrer theoretischen Grundlage begründen.

Der breite methodische Kontext — von der Hypothesenformulierung über die Operationalisierung bis zur statistischen Auswertung — ist im Überblick zu Forschungsmethoden für Abschlussarbeiten zusammengefasst. Die Grundlagen guter wissenschaftlicher Praxis bei der Datenerhebung behandelt der Beitrag zu Forschungsethik und DSGVO.

Häufige Fragen zu Reliabilität und Validität