Hvordan bruke likert-skalaen i statistisk analyse

De Likert skala brukes ofte i spørreundersøkelser. Det brukes ofte til å måle holdningene til respondentene, og spørre dem i hvilken grad de er enige eller uenige i et bestemt spørsmål eller utsagn. En typisk skala kan være "helt enig, usikker/ubestemt, uenig, helt uenig". Data fra en undersøkelse ved hjelp av en Likert skala kan virke lett å analysere, men det er viktige spørsmål å vurdere av en data analytiker.

1. Få dataene fra listen for analyse ved å kode svarene. Si for eksempel at du har en undersøkelse som spør respondentene om de er enige eller uenige i et sett med posisjoner på plattformen til et politisk parti. Hver posisjon er et spørsmål fra undersøkelsen, og skalaen vil bruke følgende svar: helt uenig = 1, uenig= 2, nøytral= 3, enig=4, helt enig =5.

2. Husk å skille mellom ordinaldata og intervalldata fordi begge typer krever ulike analytiske tilnærminger. Hvis dataene er ordinale, kan vi si at en poengsum er høyere enn en annen. Vi kan ikke si hvor høyt vi kan gjøre med intervalldata, som vil fortelle deg avstanden mellom to punkter. Her er fangsten til Likert-skalaen: mange forskere vil behandle den som en intervallskala. Dette betyr at forskjellene mellom hver respons er like i avstand. Sannheten er at Likert-skalaen ikke forteller oss dette. Det forteller oss bare at personer med flere svar er mer i tråd med partiets standpunkter enn de med lavere antall svar.

3. Begynn å analysere data fra Likert-skalaen med beskrivende statistikk. Selv om det kan være fristende, motstå trangen til å ta numeriske svar og beregne et gjennomsnitt. Legg til et svar "veldig enig" (5) til to "være uenig" (2) svar, som ville gitt et gjennomsnitt på 4, men hva betyr dette tallet? Heldigvis finnes det andre mål på sentral tendens som kan brukes i tillegg til gjennomsnittet. Ved å bruke data fra Likert-skalaen er det beste målet å bruke modusen eller den hyppigste responsen. Dette gjør undersøkelsens resultater mye lettere å tolke for analytikeren (for ikke å snakke om publikum, for presentasjonen eller rapporten din). Du kan også visualisere fordelingen av svar (prosentandel av personer som er enige eller uenige osv.).) i en graf, et stolpediagram eller én stolpe for hver svarkategori.

4. Fortsett med slutningsteknikker som tester hypotesene foreslått av forskerne. Det er mange metoder tilgjengelig, og den beste avhenger av studiens art og spørsmålene de prøver å svare på. En populær metode er å analysere svarene ved å bruke variansanalyseteknikker som f.eks Mann Whitney-testen eller Kruskal Wallis-testen. Anta at vi i vårt eksempel ønsket å analysere svarene på spørsmålene om utenrikspolitiske posisjoner med etnisitet som en uavhengig variabel. Anta at dataene våre inkluderer disse svarene: anglos, afroamerikanske og latinamerikanske respondenter, så det kan analysere svarene blant de tre gruppene av respondenter med Kruskal Wallis-variansen.

5. Forenkle undersøkelsesdataene dine ved å kombinere de fire svarkategoriene (f. helt enig, enig, uenig, helt uenig) i to nominelle kategorier som enig/uenig, godta eller forkaste osv.). Dette gir ytterligere analyse. Chi square testen er en tilnærming til analyse av dataene på denne måten.

• Husk at det er mange analyseposisjoner. Vurder etterforskningsspørsmålene dine for å finne 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 poeng , hvor "ikke sikker" kategori er tatt ut (ubesluttende kategori). Noen har til og med skalaer på opptil 7 poeng.