Kā izmantot Likert skalu statistikas analīzē

Pētījuma pētījumos parasti izmanto Likert skalu . To bieži izmanto, lai novērtētu respondentu attieksmi, jautājot viņiem, cik lielā mērā viņi piekrīt vai nepiekrīt konkrētam jautājumam vai paziņojumam. Tipisks mērogs varētu būt "stingri piekrīt, vienoties, nav pārliecināts / neapstrīdams, nepiekrītat, nepiekrītat". Dati no aptaujas, izmantojot Likert skalu, var šķist viegli analizējami, bet datu analītiķim ir svarīgi izskatīt svarīgus jautājumus.

1

Iegūstiet sarakstu datus analīzei, kodējot atbildes. Piemēram, pieņemsim, ka jums ir apsekojums, kas prasa respondentiem, vai viņi piekrīt vai nepiekrīt nostāju kopumam politiskās partijas platformā. Katra nostāja ir aptaujas jautājums, un skala izmanto šādas atbildes: pilnīgi piekrīt, piekrīt, neitrāls, nepiekrītu, pilnīgi nepiekrītu. Šajā piemērā mēs attiecīgi kodēsim atbildes: stingri nepiekrīt = 1, nepiekrīt = 2, neitrāls = 3, piekrīt = 4, stingri piekrīt = 5.

2

Atcerieties atšķirt kārtas un intervāla datus, jo abiem veidiem ir vajadzīgas dažādas analītiskās pieejas. Ja dati ir kārtas, mēs varam teikt, ka viens rezultāts ir augstāks par citu. Mēs nevaram pateikt, cik daudz augstāks, kā mēs varam ar intervālu datiem, kas jums parādīs attālumu starp diviem punktiem. Šeit ir lamatas ar Likert skalu: daudzi pētnieki to uzskatīs par intervālu skalu. Tas pieņem, ka atšķirības starp katru atbildi ir vienādas attālumā. Patiesība ir tāda, ka Likertas skala mums to nenorāda . Mūsu piemērā tas tikai norāda, ka cilvēki ar vislielāko atbilžu skaitu vairāk piekrīt partijas nostājai nekā tiem, kuriem ir vismazākais atbilžu skaits.

3

Sāciet analizēt Likert skalas datus ar aprakstošu statistiku. Lai gan tas var būt vilinoši, pretoties vēlmei veikt skaitliskas atbildes un aprēķināt vidējo. Pievienojot "stingri piekrītu" atbildi (5) uz divām "nepiekrītu" atbildēm (2), mums būtu vidēji 4, bet kāda ir šī numura nozīme? Par laimi, papildus vidējam rādītājam ir arī citi centrālās tendences rādītāji. Izmantojot Likert skalas datus, labākais pasākums ir visbiežākais režīms vai atbilde. Tas padara analītiķu aptaujas rezultātus daudz vieglāk interpretēt (nemaz nerunājot par viņa prezentācijas vai ziņojuma auditoriju). Varat arī apskatīt atbildes sadalījumu (procentus, kas piekrīt, nepiekrīt utt.) Grafikā, piemēram, joslu diagrammā, ar joslu katrai atbildes kategorijai.

4

Turpiniet pie secinājuma metodes, kas pārbauda pētnieku izvirzīto hipotēzi. Ir pieejamas daudzas metodes, un vislabākais ir atkarīgs no jūsu pētījuma veida un jautājumiem, kurus mēģināt atbildēt. Populāra metode ir analizēt reakcijas, izmantojot dispersijas metožu analīzi, piemēram, Mann Whitney testu vai Kruskal Wallis testu . Pieņemsim, ka mūsu piemērā mēs gribējām analizēt atbildes uz jautājumiem par ārpolitikas pozīcijām ar etnisko piederību kā neatkarīgu mainīgo. Pieņemsim, ka mūsu dati ietver aptaujāto Anglos, Āfrikas amerikāņu un Hispanics atbildes, lai mēs varētu analizēt atbildes starp trim respondentu grupām ar Kruskal Wallis testu par dispersiju.

5

Vienkāršojiet aptaujas datus, apvienojot četras atbildes kategorijas (piemēram, stingri piekrītat, piekrītat, nepiekrītat, nepiekrītat) divām nominālajām kategorijām, piemēram, vienošanās / domstarpības, pieņemt vai noraidīt utt ). Tas piedāvā citas analīzes iespējas. Chi-square tests ir veids, kā analizēt datus šādā veidā.

• Atcerieties, ka ir daudz pieejas analīzei. Apsveriet savus izpētes jautājumus, lai noteiktu vislabāko analīzes metodi.
• Likert skalas atšķiras pēc punktu skaita skalā. Šeit izmantotā piecu punktu skala ir visizplatītākā, bet dažiem Likert svariem ir 4 punktu atbildes skalas, kurās tiek novērsta nedroša skala (nediskriminēta kategorija). Dažiem pat ir 7 punktu atbildes skalas.