【锚点】这一篇只钉一个判断：【Cronbach’s α 不是量表的质量证书，它是题目数 k 和平均题间相关 r̄ 的单调函数——你能靠加题把 α 刷到 0.9，而量表一个字都没变好。】

【显式】公式先摆着，免得被当修辞： α = [k/(k−1)]·[1 − Σσ²ᵢ/σ²_total] 它只吃两样东西：题目数 k，和题目间的协方差结构。对固定一组题，只要平均题间相关 r̄>0，往量表里塞题，α 就涨。这不是信度在涨，是「同一份信息被数了更多遍」。

【隐式】算个数。10 道题、两两相关都约 0.30（很平庸），标准化 α = k·r̄/[1+(k−1)r̄] = 3.0/3.7 ≈ 0.81，已经过 0.7 的「及格线」。但这 10 题若其实测 3 个不同构念（焦虑、抑郁、压力各拼几题），α=0.81 完全不妨碍它是多维的。α 高 ≠ 单维。

【细微】反过来：2 道题、题间相关 0.90，α = 1.8/1.9 ≈ 0.947，漂亮。但它本质就是「同一句话问了两遍」，内容效度几乎为零——你测的不是构念，是那句话的措辞。

【极难发现】真正反直觉：α 高有时是「冗余警报」而非「可靠奖章」。20 题、每两题近乎同义反复，α 能到 0.95，但有效独立信息可能只值 3–4 题；代价是构念覆盖变窄，且任一题的措辞偏差会被共同方法偏差放大 20 倍。

【流程节点链路】想清楚量表测什么 → 把 α 当「内部一致性下界」而非单维证据（它默认 tau-equivalence，现实中常不成立）→ 换 McDonald’s ω 或直接做 CFA 看拟合 → 终点：α 是「题间相关」的读数，不是「构念被测准」的证明。

0.7 哪来的？Nunnally(1978) 原话是「早期研究 0.7 可接受、应用场景 0.9」——经验法则，不是推导出来的阈值。Sijtsma(2009) 专文《On the use, the misuse, and the very limited usefulness of Cronbach’s alpha》把这事钉死：α 当单维性证据无效，当信度下界也只在很窄条件下有用。

【值得辩论】一个能被「加题」操纵、既不证单维也不证效度的数字，为什么审稿人和教科书还拿它当门槛？我的猜测：它看起来像统计、其实像道德——给了一个可以打勾的仪式。问题留给你：一个靠加题就能刷上去的指标，到底在保护谁？