Hur man använder likertskalan i statistisk analys

De Likert skala används ofta i enkätforskning. Det används ofta för att mäta respondenternas attityder och fråga dem i vilken utsträckning de håller med eller inte håller med om en viss fråga eller påstående. En typisk skala kan vara "håller helt med, osäker/obestämd, håller inte med, håller inte med". Data från en undersökning med hjälp av en Likert skala kan verka lätt att analysera, men det finns viktiga frågor att överväga av en dataanalytiker.

1. Hämta data från listan för analys genom att koda svaren. Säg till exempel att du har en undersökning som frågar respondenterna om de håller med eller inte håller med om en uppsättning ståndpunkter på ett politiskt partis plattform. Varje position är en fråga för undersökningen, och skalan kommer att använda följande svar: håller helt med = 1, håller inte med= 2, neutral= 3, håller med=4, håller helt med =5.

2. Kom ihåg att skilja mellan ordinaldata och intervalldata eftersom båda typerna kräver olika analytiska tillvägagångssätt. Om uppgifterna är ordinal, kan vi säga att en poäng är högre än en annan. Vi kan inte säga hur högt vi kan göra med intervalldata, som kommer att berätta avståndet mellan två punkter. Här är haken med Likert-skalan: många forskare kommer att behandla den som en intervallskala. Detta innebär att skillnaderna mellan varje svar är lika i avstånd. Sanningen är att Likertskalan inte säger oss detta. Det säger oss bara att personer med fler svar ligger mer i linje med partiets ståndpunkter än de som har det lägre antalet svar.

3. Börja analysera data från Likert-skalan med beskrivande statistik. Även om det kan vara frestande, motstå lusten att ta numeriska svar och beräkna ett medelvärde. Lägg till ett svar "håller starkt med" (5) till två "instämmer inte alls" (2) svar, vilket skulle ge ett genomsnitt på 4, men vad betyder denna siffra? Lyckligtvis finns det andra mått på central tendens som kan användas utöver genomsnittet. Med hjälp av data från Likert-skalan är det bästa måttet att använda läget eller det vanligaste svaret. Detta gör undersökningens resultat mycket lättare att tolka för analytikern (för att inte tala om publiken, för din presentation eller rapport). Du kan också visualisera fördelningen av svar (andel av personer som håller med eller inte håller med osv.) i ett diagram, ett stapeldiagram eller en stapel för varje svarskategori.

4. Fortsätt med slutledningstekniker som testar de hypoteser som forskarna föreslagit. Det finns många metoder tillgängliga, och det bästa beror på studiens natur och de frågor de försöker besvara. En populär metod är att analysera svaren med hjälp av variansanalystekniker som t.ex Mann Whitney-testet eller Kruskal Wallis-testet. Anta att vi i vårt exempel ville analysera svaren på frågorna om utrikespolitiska positioner med etnicitet som en oberoende variabel. Anta att våra data inkluderar dessa svar: anglos, afroamerikanska och latinamerikanska respondenter, så det kan analysera svaren bland de tre grupperna av svarande med Kruskal Wallis-variansen.

5. Förenkla dina enkätdata genom att kombinera de fyra svarskategorierna (t.ex. håller helt med, håller med, håller inte med, håller inte med) i två nominella kategorier som håller med/håller inte med, accepterar eller förkastar, etc.). Detta ger ytterligare analys. Chi square testet är ett tillvägagångssätt för analys av data på detta sätt.

• Kom ihåg att det finns många analyspositioner. Överväg dina utredningsfrågor för att avgöra den bästa analysmetoden för din studie.
• Likert-skalor varierar i antal poäng på skalan. Den femgradiga skalan som används här är den vanligaste, men vissa Likert-skalor har 4 poäng, där "vet inte" kategori tas bort (obeslutsam kategori). Vissa har till och med skalor på upp till 7 poäng.