I diversi approcci all'affidabilità che abbiamo descritto, servono a documentare l'assenza di errori nella valutazione mediante RS; c'è però un modo diretto per calcolare l'entità dell'errore legato allo strumento ed è l'errore standard (o standard error – SE) che è, in sostanza, una stima della deviazione standard dell'errore. Questo indice consente di valutare in che misura le variazioni di punteggio sono dovute all'errore. Così, se lo SE di una scala è pari a 3, solo variazioni del punteggio, tra una valutazione e l'altra, superiori a 3 potranno essere considerate cambiamenti reali. In linea generale, una scala è tanto più affidabile quanto minore è lo SE. Poiché il valore dello SE varia in funzione del range di punteggio della scala, scale con range diverso non sono confrontabili direttamente; il confronto è tuttavia possibile trasformando il valore dello SE in percentuale.
In realtà l'affidabilità è una caratteristica non tanto di una RS di per sé quanto della scala applicata ad uno specifico campione, da un particolare valutatore ed in un determinato contesto. Così, ad esempio, una RS risulterà "non affidabile" se è usata in un campione che per una qualche ragione non mostra alcuna variabilità nelle dimensioni esplorate da quella scala, e potrà ancora risultare "non affidabile" se è applicata da un valutatore inesperto piuttosto che da uno ben addestrato. In teoria, quindi, sarebbe necessario che ogni ricercatore procedesse alla verifica dell'affidabilità dello strumento che intende usare in condizioni il più possibile simili a quelle della ricerca che intende effettuare (campione, valutatori, setting, eccetera). Nella pratica la maggior parte dei ricercatori accetta i dati relativi agli studi di affidabilità riportati in letteratura, studi di solito effettuati dall'Autore dello strumento. È bene ricordare, in questo caso, che coefficienti di affidabilità inferiori a .70 rendono molto aleatoria l'affidabilità dello strumento in condizioni diverse da quelle originali poiché non forniscono sufficienti garanzie contro gli errori di tipo 1 (rifiutare l'ipotesi che non esistano differenze quando le differenze non esistono) e di tipo 2 (accettare l'ipotesi che non esistano differenze quando invece le differenze esistono).
