Bizonyos változó-szettek összevonásakor felmerül a kérdés, hogy valóban ugyanazt a jelenséget mérik-e az összevont itemek (változók), vagy mégsem: például ellentmondásosak. Gondoljunk arra, hogy ha az iskolai érdemjegyeket egyetlen átlag segítségével értékeljük ki, akkor a különböző területek (humán, reál vagy készség-tantárgyak) mind egy-egy számba sűrítve jelennek meg egyetlen értékben. Ha ezen 1 érték helyett több, egyenként kevesebb itemet használó részátlaggal értékelnénk, valószínűleg árnyaltabb képet nyerhetnénk, nem beszélve arról, hogy konzisztensebb mutatók segítségével tudnánk a diákjainkat jellemezni.

E konzisztens viselkedés egyik mérőeszköze a Cronbach-alfa, melynek számos interpretációja, magyarázó leírása létezik. Ezek közül az egyik – most matematikai értelemben igen pongyolán megfogalmazott – magyarázat az, hogy a Cronbach-alfa mutató felfogható oly módon, mint egy korrelációs együttható, melyet akkor mérnénk, ha egymás után, ugyanazon véletlen változókkal (itemekkel) megmérnénk az egyedeinket, majd újra és újra kiértékelnénk azokat. Más megfogalmazásban: például ha megmérjük most, majd egy hónap múlva, majd ismét és ismét a populációnkat, akkor várhatóan mennyire mérünk hasonló eredményeket a különböző időpontokban (vagy akár helyzetekben). Mind ROPstatban, mind SPSS-ben elvégezhető ez az elemzés. E fejezetben a bonyolultabb, SPSS-megvalósítást mutatom be azért, hogy ha ezt az outputot és felépítést kezelni tudjuk, akkor a ROPstat már könnyen értelmezhető lesz.

Más megközelítésben olyan összefüggőségi mutatóként is értelmezhetjük a Cronbach-alfát, mint a valódi skálaérték, illetve a tesztben mért tapasztalati pontszám közötti korrelációs együtthatót (egészen pontosan annak négyzetét). Így tulajdonképpen a Cronbach-alfa a skálák megbízhatóságának egyik megszokott mutatójává vált, e mutató a skálák reliabilitását, konzisztenciáját jelzi.