Kuidas kasutada Likert skaalat statistilises analüüsis

Likerti skaala kasutatakse tavaliselt uuringu-uuringutes. Seda kasutatakse sageli vastajate hoiakute mõõtmiseks, küsides neilt, mil määral nad nõustuvad või ei nõustu konkreetse küsimuse või avaldusega. Tüüpiline skaala võiks olla "tugevalt nõus, nõus, ei ole kindel / otsustamata, ei nõustu, ei nõustu". Likerti skaala abil läbiviidud uuringu andmed võivad tunduda kergesti analüüsitavad, kuid andmete analüütikul on olulised küsimused.

Järgmised sammud:

1

Saate loendiandmed analüüsimiseks vastuste kodeerimise teel. Oletame näiteks, et teil on küsitlus, milles küsitakse vastajatelt, kas nad nõustuvad või ei nõustu poliitilise partei platvormil olevate seisukohtadega. Iga positsioon on küsitluse küsimus ja skaalal kasutatakse järgmisi vastuseid: täiesti nõus, nõus, neutraalne, ei ole nõus, täiesti nõus. Selles näites kodeerime vastused vastavalt: tugevalt ei nõustu = 1, ei nõustu = 2, neutraalne = 3, nõus = 4, tugevalt nõus = 5.

2

Ärge unustage eristada ordinaalset ja intervalliandmeid, sest need kaks tüüpi nõuavad erinevaid analüütilisi lähenemisviise. Kui andmed on järjestikused, võime öelda, et üks skoor on suurem kui teine. Me ei saa öelda, kui palju kõrgem, nagu me suudame intervalliandmetega, mis annab teile teada kahe punkti vahelisest kaugusest. Siin on lõksu koos Likerti skaalaga: paljud uurijad kohtlevad seda intervalli skaalana. See eeldab, et erinevused iga vastuse vahel on vahemaas võrdsed. Tõde on see, et Likerti skaala ei ütle meile seda . Meie näites ütleb see ainult meile, et kõige rohkem vastuseid omavad inimesed on rohkem nõus partei seisukohtadega kui need, kellel on kõige vähem vastuseid.

3

Alustage Likerto skaala andmete analüüsimist kirjeldava statistikaga. Kuigi see võib olla ahvatlev, vastupanu soovile võtta arvulisi vastuseid ja arvutada keskmine. Vastuseks "tugevalt nõus" vastusele (5) kahele "vastuolus" vastusele (2) annaks meile keskmiselt 4, kuid mis on selle numbri tähendus? Õnneks on lisaks keskmisele ka muid keskseid suundumusi. Likerti skaala andmete puhul on parimaks meetmeks kõige sagedasem režiim või vastus. See muudab analüüsija tulemuste tõlgendamise palju lihtsamaks (rääkimata tema ettekande või aruande publikust). Saate vaadata ka vastuste jaotust (protsendid, mis on nõus, ei nõustu jne) graafikul, näiteks ribadiagrammil, kus iga vastusekategooria jaoks on riba.

4

Jätkake järeldustehnikate kõrval, mis testivad teadlaste esitatud hüpoteesi. Saadaval on palju meetodeid ning parim sõltub teie uuringu iseloomust ja küsimustele, mida proovite vastata. Populaarne meetod on analüüsida vastuseid variatsioonianalüüsi abil, nagu Mann Whitney test või Kruskal Wallis test . Oletame, et meie näites soovisime analüüsida vastuseid välispoliitiliste positsioonide küsimustele kui iseseisva muutujana etnilisust. Oletame, et meie andmed sisaldavad Anglosi, Aafrika-ameeriklaste ja hispaanlaste küsitletud vastuseid, et saaksime analüüsida vastuseid kolme vastajate rühma vahel Kruskal Wallis'e variatsioonikatsega.

5

Lihtsustage oma uuringuandmeid, kombineerides nelja vastusekategooriat (näiteks nõustuge tugevalt, nõustuge, ei nõustu, ei nõustu) kahes nominaalses kategoorias, näiteks kokkuleppel / lahkarvamusel, aktsepteerimisel või tagasilükkamisel jne. ). See pakub muid analüüsi võimalusi. Chi-square test on selline analüüsianalüüs andmete analüüsimiseks.

Nõuanded
  • Pea meeles, et analüüsimisel on palju lähenemisviise. Vaadake oma uurimisküsimusi, et määrata oma uuringu jaoks parim analüüsimeetod.
  • Likerti skaalad varieeruvad skaalal olevate punktide arvus. Siin kasutatav viie punkti skaala on kõige levinum, kuid mõnedel Likerti skaaladel on 4-punktilised vastuskaalud, kus ohtlik skaala on kõrvaldatud (otsustamata kategooria). Mõnedel on isegi 7-punktiline vastuskaal.