Slik bruker du Likert-skalaen i statistisk analyse

Likert-skalaen brukes ofte i undersøkelsesforskning. Det brukes ofte til å måle holdningen til respondentene ved å spørre dem i hvilken grad de er enige eller uenige med et bestemt spørsmål eller uttalelse. En typisk skala kan være "sterkt enig, enig, ikke sikker / ubestemt, uenig, sterkt uenig". Data fra en undersøkelse ved hjelp av Likert-skalaen kan virke lett å analysere, men det er viktige problemer å vurdere av en dataanalytiker .

1

Hent listedataene for analyse ved å kode responsene. For eksempel, la oss si at du har en undersøkelse som spør respondentene om de er enige eller uenige med et sett stillinger på plattformen til et politisk parti. Hver stilling er et spørsmål om undersøkelsen, og skalaen bruker følgende svar: helt enig, enig, nøytral, uenig, helt uenig. I dette eksemplet vil vi kode svarene tilsvarende: sterkt uenig = 1, uenig = 2, nøytral = 3, enig = 4, sterkt enig = 5.

2

Husk å skille mellom ordinære og intervalldata, fordi de to typene krever forskjellige analytiske tilnærminger. Hvis dataene er ordinære, kan vi si at en poengsum er høyere enn en annen. Vi kan ikke si hvor mye høyere, som vi kan med intervalldataene, som vil fortelle deg avstanden mellom to punkter. Her er fellen med Likert-skalaen: mange forskere vil behandle det som en intervallskala. Dette forutsetter at forskjellene mellom hvert svar er like i avstanden. Sannheten er at Likert-skalaen ikke forteller oss det . I vårt eksempel forteller det oss bare at personer med størst antall svar er mer i samsvar med partiets stillinger enn de med minst antall svar.

3

Begynn å analysere Likert-skalaen med beskrivende statistikk. Selv om det kan være fristende, motstå trang til å ta numeriske svar og beregne et middel. Å gi et "sterkt enig" svar (5) til to av de "uenige" svarene (2) vil gi oss et gjennomsnitt på 4, men hva er meningen med det nummeret? Heldigvis finnes det andre tiltak av sentral tendens som du kan bruke, i tillegg til gjennomsnittet. Med Likert skala data, er det beste måten å bruke den hyppigste modusen eller responsen. Dette gjør resultatene av undersøkelsen mye lettere for analytikeren å tolke (for ikke å nevne publikum for sin presentasjon eller en rapport). Du kan også se fordelingen av svar (prosenter som er enige, uenige osv.) På en graf, for eksempel et linjediagram, med en linje for hver responskategori.

4

Fortsett ved hjelp av innledende teknikker som tester hypotesen fremsatt av forskerne. Det finnes mange metoder, og det beste avhenger av studienes natur og de spørsmålene du prøver å svare på. En populær metode er å analysere svarene ved å bruke analyse av varianseteknikker, for eksempel Mann Whitney-testen eller Kruskal Wallis-testen . Anta at i vårt eksempel ønsket vi å analysere svarene på spørsmål om utenrikspolitiske stillinger med etnisitet som en selvstendig variabel. La oss anta at våre data inneholder svarene fra anglos-, afro-amerikanerne og spanskerne som ble undersøkt, slik at vi kunne analysere svarene mellom de tre gruppene av respondenter med Kruskal Wallis-testen om varians.

5

Forenkle dine undersøkelsesdata ved å kombinere de fire responskategoriene (for eksempel sterkt enig, enig, uenig, sterkt uenig) i to nominelle kategorier, for eksempel avtale / uenighet, akseptere eller avvise, etc. ). Dette gir andre muligheter for analyse. Chi-kvadratprøven er en tilnærming til å analysere data på denne måten.

• Husk at det er mange tilnærminger til analyse. Vurder dine undersøkelsesspørsmål for å bestemme den beste analysemetoden for studien din.
• Likert skalaer varierer i antall poeng på skalaen. Fempunktsskalaen som brukes her er den vanligste, men noen Likert-skalaer har 4-punkts responsskalaer, hvor den usikre skalaen er eliminert (ubestemt kategori). Noen har til og med 7-punkts responsskalaer.