A megbízhatóság azt a mértéket jelenti, amennyire egy teszt konzisztens eredményeket ad. Egy megbízható eszköz hasonló pontszámokat produkál, ha hasonló körülmények között alkalmazzák, vagy ha a tételeit egymással összehasonlítják.

Az ismételt tesztek megbízhatósága (parallel-test reliabilitása) az időbeli stabilitást vizsgálja. A párhuzamos tesztek megbízhatósága ugyanazon teszt két egyenértékű változatát hasonlítja össze. A belső konzisztencia, amelyet gyakran Cronbach-alfával mérnek, azt vizsgálja, hogy az ugyanazon konstrukciót mérni szándékozó tételek összetartoznak-e. Az értékelők közötti megbízhatóság a különböző pontozók közötti egyezést értékeli. A magas megbízhatóság az érvényesség előfeltétele; egy megbízhatatlan teszt nem lehet semminek az érvényes mércéje.

A megbízhatósági együtthatók 0 és 1,00 között mozognak. A 0,80 feletti értékeket általában elfogadhatónak tekintik a legtöbb kutatási és alkalmazott célra, bár a szabványok kontextustól függően változnak. A megbízhatatlanság forrásai közé tartoznak a kétértelmű tételek, a következetlen adminisztráció, a pontozási hibák és a tesztelő személyének átmeneti ingadozása. A gondos tesztfelépítés és a szabványosított eljárások javítják a megbízhatóságot.

Az a teszt megbízható, amely ismételten nagyjából ugyanazt az eredményt adja.