Kaip naudoti Likert skalę statistinėje analizėje

„ Likert“ skalė dažniausiai naudojama tyrimams atlikti. Jis dažnai naudojamas respondentų požiūriui įvertinti, klausiant jų, kiek jie sutinka ar nesutinka su konkrečiu klausimu ar pareiškimu. Tipiška skalė galėtų būti „griežtai sutinku, sutinku, neužtikrinta / neapsisprendusi, nesutinku, labai nesutinku“. Tyrimo duomenys, naudojantys „ Likert“ skalę, gali būti lengvai analizuojami, tačiau yra svarbių klausimų, kuriuos turi apsvarstyti duomenų analitikas .

1

Gauti sąrašo duomenis analizei koduodami atsakymus. Pavyzdžiui, tarkime, kad turite apklausą, kurioje klausiama respondentų, jei jie sutinka ar nesutinka su pozicijų rinkiniu politinės partijos platformoje. Kiekviena pozicija yra apklausos klausimas, o skalėje naudojami šie atsakymai: visiškai sutinku, sutinku, neutralus, nesutinku, visiškai nesutinku. Šiame pavyzdyje mes atitinkamai koduosime atsakymus: labai nesutinkame = 1, nesutinkame = 2, neutralus = 3, sutinkame = 4, labai sutinkate = 5.

2

Nepamirškite atskirti eilės ir intervalo duomenų, nes dviem tipams reikalingi skirtingi analizės metodai. Jei duomenys yra eiliniai, galime pasakyti, kad vienas balas yra didesnis nei kitas. Mes negalime pasakyti, kiek didesnis, kaip galime su intervalo duomenimis, kurie parodys atstumą tarp dviejų taškų. Čia yra „Likert“ skalės spąstai: daugelis mokslininkų ją vertins kaip intervalo skalę. Tai reiškia, kad atstumai tarp kiekvieno atsakymo yra lygūs. Tiesa ta, kad Likert skalė mums to neduoda . Mūsų pavyzdyje jis tik sako, kad žmonės, turintys didžiausią atsakymų skaičių, labiau sutinka su partijos pozicijomis nei tie, kurie turi mažiausiai atsakymų.

3

Pradėkite analizuoti Likert skalės duomenis su aprašoma statistika. Nors tai gali būti viliojanti, atsispirti norui imtis skaitinių atsakymų ir apskaičiuoti vidurkį. Įtraukus „tvirtai sutinkantį“ atsakymą (5) į du „nesutinkančius“ atsakymus (2), mums būtų vidutiniškai 4, bet koks yra šio numerio reikšmė? Laimei, yra ir kitų centrinės tendencijos priemonių, kurias galite naudoti ne tik vidutiniškai. Naudojant Likert skalės duomenis, geriausia priemonė yra dažniausias būdas arba atsakas. Todėl analitikai lengviau interpretuoja tyrimo rezultatus (jau nekalbant apie jo pristatymo ar ataskaitos auditoriją). Taip pat galite peržiūrėti atsakymų (sutinkančių, nesutinkančių ir pan.) Pasiskirstymą diagramoje, pvz., Juostos diagramoje, su kiekvienos atsakymo kategorijos juosta.

4

Pereikite prie išvadų metodų, kurie išbando tyrėjų pateiktą hipotezę. Yra daugybė būdų, o geriausia priklauso nuo jūsų studijų pobūdžio ir klausimų, kuriuos bandote atsakyti. Populiarus metodas yra analizuoti atsakymus naudojant dispersijos metodų analizę, pvz., Mann Whitney testą arba Kruskalo Wallis testą . Tarkime, kad mūsų pavyzdyje norėjome išnagrinėti atsakymus į klausimus apie užsienio politikos pozicijas su etnine priklausomybe kaip nepriklausomą kintamąjį. Tarkime, kad mūsų duomenys apima apklaustų anglosų, afroamerikiečių ir ispanų atsakymus, kad galėtume analizuoti trijų respondentų grupių atsakymus su „Kruskal Wallis“ dispersijos testu.

5

Supaprastinkite apklausos duomenis, derindami keturias atsakymo kategorijas (pvz., Griežtai sutinku, sutinku, nesutinku, nesutinku) į dvi vardines kategorijas, pvz., Susitarimą / nesutikimą, sutikimą ar atmestį ir tt ). Tai suteikia kitų analizės galimybių. Chi-kvadratinis bandymas yra būdas analizuoti tokius duomenis.

• Atminkite, kad yra daug analizės metodų. Apsvarstykite savo tyrimų klausimus, kad nustatytumėte geriausią tyrimo metodą.
• Likert skalės skiriasi pagal taškų skaičių skalėje. Čia naudojama penkių taškų skalė yra labiausiai paplitusi, tačiau kai kuriose Likert skalėse yra 4 balų atsako skalės, kuriose pašalinama nesaugi skalė (neapibrėžta kategorija). Kai kurie netgi turi 7 balų atsako skalę.