Indledning
Igennem årene er der blevet anvendt mange metoder til at måle karakter- og personlighedstræk (Likert, 1932). Det vanskelige ved at måle holdninger, karakter- og personlighedstræk ligger i proceduren for overførsel af disse kvaliteter til en kvantitativ målestok med henblik på dataanalyse. Den nylige popularitet af kvalitative forskningsteknikker har lettet noget af den byrde, der er forbundet med dette dilemma; mange samfundsforskere er dog stadig afhængige af kvantitative målinger af holdninger, karakter og personlighedstræk.
Som svar på vanskelighederne ved at måle karakter- og personlighedstræk udviklede Likert (1932) en procedure til måling af holdningsskalaer. Den oprindelige Likert-skala anvendte en række spørgsmål med fem svaralternativer: stærkt enig (1), enig (2), ubeslutsom (3), uenig (4), uenig (4) og stærkt uenig (5). Han kombinerede svarene fra rækken af spørgsmål for at skabe en skala til måling af holdninger. Hans dataanalyse var baseret på den sammensatte score fra rækken af spørgsmål, der repræsenterede holdningsskalaen. Han analyserede ikke de enkelte spørgsmål. Likert anvendte en fempunktsskala, men andre variationer af hans svaralternativer er hensigtsmæssige, herunder udeladelse af det neutrale svar (Clason & Dormody, 1994).
Mens variationer af Likert-svaralternativet er blevet almindelige i Extension-forskningen, har den almindelige brug også skabt misbrug eller fejltagelser. En fejl, der ofte begås, er den ukorrekte analyse af de enkelte spørgsmål på en holdningsskala. Før vi diskuterer analysen af Likert-data, skal vi gennemgå de grundlæggende begreber i proceduren.
Likert-type Versus Likert-skalaer
Clason og Dormody (1994) beskrev forskellen mellem Likert-emner og Likert-skalaer. De identificerede elementer af Likert-typen som enkeltspørgsmål, der anvender et eller andet aspekt af de oprindelige Likert-svaralternativer. Selv om der kan anvendes flere spørgsmål i et forskningsinstrument, forsøger forskeren ikke at kombinere svarene fra punkterne til en samlet skala. Tabel 1 indeholder et eksempel på fem spørgsmål af Likert-typen.
| Stærk uenig | Ikke enig | Nej enig | Neutral | Enig | Stærk enig | |
| 1. 4-H har været en god oplevelse for mig. | SD | SD | D | N | A | SA |
| 2. Mine forældre har støttet mine 4-H-projekter. | SD | D | N | A | SA | |
| 3. Mit 4-H engagement vil give mig mulighed for at gøre en forskel. | SD | D | N | A | SA | SA |
| 4. Min 4-H-rådgiver var der altid for mig. | SD | D | N | A | SA | |
| 5. Collegiate 4-H er vigtig i forbindelse med valget af et college. | SD | D | N | A | SA |
En Likert-skala består på den anden side af en række fire eller flere elementer af Likert-typen, der kombineres til en enkelt sammensat score/variabel under dataanalyseprocessen. Sammen anvendes elementerne til at give et kvantitativt mål for et karakter- eller personlighedstræk. Typisk er forskeren kun interesseret i den sammensatte score, der repræsenterer karakteren/personlighedstrækket. Tabel 2 indeholder et eksempel på fem spørgsmål, der er udformet med henblik på at blive kombineret til en Likert-skala, der måler spisevaner.
| Svært uenig | Uenig | Neutral | Enig | Svært enig | Strongly Agree | |
| 1. Jeg spiser regelmæssigt sunde fødevarer | SD | D | N | A | SA | |
| 2. Når jeg køber mad i købmandsbutikken, ser jeg bort fra “junk “mad. | SD | D | N | A | SA | |
| 3. Når jeg tilbereder måltider, tager jeg hensyn til fedtindholdet i fødevarerne. | SD | D | N | A | SA | |
| 4. Når jeg tilbereder måltider, tager jeg hensyn til madvarernes sukkerindhold. | SD | D | N | A | SA | |
| 5. En sund kost er vigtig for min familie. | SD | D | N | A | SA |
Stevens måleskala
Både data af Likert-typen og Likert-skalaer harunikke dataanalyseprocedurer. For at forstå mulighederne skal man starte med Steven’s Scale of Measurement (Ary, Jacobs, &Sorenson, 2010). Steven’s skala består af fire kategorier: nominel, ordinal, interval og ratio.
I den nominelle skala tildeles observationer til kategorier på grundlag af ækvivalens. Tal, der er knyttet til kategorierne, tjener kun som etiketter. Eksempler på data på nominel skala omfatter køn, øjenfarve og race. Observationer på ordinalskalaen er rangeret efter et eller andet mål for størrelsen. Tal, der er tildelt grupper, udtrykker et “større end”-forhold; det er dog ikke angivet, hvor meget større der er tale om. Tallene angiver kun rækkefølgen. Eksempler på foranstaltninger på ordinale skalaer omfatter bogstavkarakterer, ranglister og præstationer (lav, middel, høj). Intervalskala-data anvender også tal til at angive rækkefølgen og afspejler en meningsfuld relativ afstand mellem punkterne på skalaen. Intervalskalaer har ikke et absolut nulpunkt. Et eksempel på en intervalskala er den standardiserede IQ-test. En ratioskala anvender også tal til at angive rækkefølge og afspejler en meningsfuld relativ afstand mellem punkterne på skalaen. En ratioskala har et absolut nulpunkt. Eksempler på forholdsskalaer omfatter alder og års erfaring.
Analyse af Likert-responselementer
For at kunne analysere Likert-data korrekt skal man forstå den måleskala, som hver skala repræsenterer. Tal, der er tildelt elementer af Likert-typen, udtrykker en “større end”-relation; det er dog ikke implicit, hvor meget større der er tale om. På grund af disse forhold hører Likert-elementer til den ordinale måleskala. De beskrivende statistikker, der anbefales for ordinalmålingsskalaen, omfatter en mode eller median for central tendens og hyppigheder for variabilitet. Yderligere analyseprocedurer, der er hensigtsmæssige for ordinale skalaelementer, omfatter chi2-måling af sammenhæng, Kendall Tau B og Kendall Tau C.
Likert-skala-data analyseres på den anden side på en intervalmåleskala. Likert-skalaelementer oprettes ved at beregne en sammensat score (sum eller gennemsnit) fra fire eller flere elementer af Likert-typen; derfor bør den sammensatte score for Likert-skalaer analyseres på intervalmålingsskalaen.Deskriptiv statistik, der anbefales for intervalskalaelementer, omfatter middelværdien for central tendens og standardafvigelser for variabilitet. Yderligere dataanalyseprocedurer, der er hensigtsmæssige for emner på intervalskalaer, omfatter Pearson’s r, t-test, ANOVA og regressionsprocedurer. Tabel 3 indeholder eksempler på dataanalyseprocedurer for data af Likert-typen og Likert-skalaer.
| Likert-Type Data | Likert-skala Data | |
| Central Tendens | Median eller mode | Middelværdi |
| Variabilitet | Frekvenser | Standardafvigelse |
| Sammenhænge | Kendall tau B eller C | Pearson’s r |
| Andre statistikker | Chi-kvadrat | ANOVA, t-test, regression |
Summary
Den beslutning om dataanalyse for Likert-items træffes normalt i spørgeskemaudviklingsfasen. Har du en række individuelle spørgsmål med Likert-svarmuligheder, som dine deltagere skal besvare, eller har du en række spørgsmål af Likert-typen, der, når de kombineres, beskriver et personlighedstræk eller en holdning? Hvis dine Likert-spørgsmål er unikke og selvstændige, skal du analysere dem som Likert-elementer. Modes, medianer og frekvenser er de relevante statistiske værktøjer, der skal anvendes. Hvis du har udformet en række spørgsmål, der tilsammen måler et bestemt træk, har du skabt en Likert-skala. Brug middelværdier og standardafvigelser til at beskrive skalaen. Hvis du føler et behov for at rapportere de enkelte elementer, der indgår i skalaen, skal du kun anvende statistiske procedurer af Likert-typen.Husk, at når først beslutningen om Likert-typen eller Likertsskalaen er truffet, falder beslutningen om den relevante statistik på plads.
Ary, D., Jacobs, L. C., & Sorensen, C.(2010). Introduktion til forskning i uddannelse (8thed.). California: Thomson Wadsworth.
Likert, R. (1932). Atechnique for the measurement of attitudes (En teknik til måling af holdninger). Archivesof Psychology, 22(140),1-55.