Einführung
Im Laufe der Jahre wurden zahlreiche Methoden zur Messung von Charakter- und Persönlichkeitseigenschaften verwendet (Likert, 1932). Die Schwierigkeit bei der Messung von Einstellungen, Charakter- und Persönlichkeitsmerkmalen liegt in dem Verfahren zur Übertragung dieser Eigenschaften in ein quantitatives Maß für die Datenanalyse. Die jüngste Popularität qualitativer Forschungstechniken hat die mit diesem Dilemma verbundene Last etwas gemildert; dennoch verlassen sich viele Sozialwissenschaftler nach wie vor auf quantitative Messungen von Einstellungen, Charakter und Persönlichkeitsmerkmalen.
Als Reaktion auf die Schwierigkeiten bei der Messung von Charakter- und Persönlichkeitsmerkmalen entwickelte Likert (1932) ein Verfahren zur Messung von Einstellungsskalen. Die ursprüngliche Likert-Skala bestand aus einer Reihe von Fragen mit fünf Antwortalternativen: sehr zustimmend (1), zustimmend (2), unentschieden (3), ablehnend (4) und sehr ablehnend (5). Er kombinierte die Antworten aus den Frageserien, um eine Skala zur Messung der Einstellung zu erstellen. Seine Datenanalyse basierte auf der zusammengesetzten Punktzahl aus der Reihe von Fragen, die die Einstellungsskala darstellte. Er analysierte keine einzelnen Fragen. Während Likert eine Fünf-Punkte-Skala verwendete, sind andere Variationen seiner Antwortalternativen angemessen, einschließlich der Streichung der neutralen Antwort (Clason & Dormody, 1994).
Während Variationen der Likert-Antwortalternative in der Extension-Forschung üblich geworden sind, hat die häufige Verwendung auch zu Missbräuchen oder Fehlern geführt. Ein Fehler, der häufig gemacht wird, ist die unsachgemäße Analyse einzelner Fragen auf einer Einstellungsskala. Bevor wir die Analyse von Likert-Daten erörtern, sollten wir die grundlegenden Konzepte des Verfahrens überprüfen.
Likert-Typ versus Likert-Skalen
Clason und Dormody (1994) beschrieben den Unterschied zwischen Items vom Likert-Typ und Likert-Skalen. Sie identifizierten Items vom Likert-Typ als Einzelfragen, die einen Aspekt der ursprünglichen Likert-Antwortalternativen verwenden. Während in einem Forschungsinstrument mehrere Fragen verwendet werden können, versucht der Forscher nicht, die Antworten der Items zu einer zusammengesetzten Skala zu kombinieren. Tabelle 1 enthält ein Beispiel für fünf Likert-Fragen.
| Stimmt überhaupt nicht zu | Stimmt nicht zu | Neutral | Stimmt zu | Stimmt voll und ganz zu | |
| 1. 4-H war eine gute Erfahrung für mich. | SD | D | N | A | SA |
| 2. Meine Eltern haben mich bei meinen 4-H-Projekten unterstützt. | SD | D | N | A | SA |
| 3. Mein 4-H-Engagement wird es mir ermöglichen, etwas zu bewirken. | SD | D | N | A | SA |
| 4. Mein 4-H-Berater war immer für mich da. | SD | D | N | A | SA |
| 5. Collegiate 4-H ist wichtig für die Wahl eines Colleges. | SD | D | N | A | SA |
Eine Likert-Skala hingegen besteht aus einer Reihe von vier oder mehr Likert-Items, die während der Datenanalyse zu einer einzigen zusammengesetzten Punktzahl/Variablen kombiniert werden. Die kombinierten Items werden verwendet, um ein quantitatives Maß für einen Charakter oder eine Persönlichkeitseigenschaft zu erhalten. In der Regel ist der Forscher nur an der zusammengesetzten Punktzahl interessiert, die den Charakter/das Persönlichkeitsmerkmal darstellt. Tabelle 2 enthält ein Beispiel für fünf Fragen, die zu einer Likert-Skala zur Messung der Essgewohnheiten kombiniert werden können.
| Stimmt überhaupt nicht zu | Stimme nicht zu | Neutral | Stimme zu | ||
| Stimme voll und ganz zu | |||||
| 1. Ich esse regelmäßig gesunde Lebensmittel. | SD | D | N | A | SA |
| 2. Wenn ich im Lebensmittelgeschäft einkaufe, ignoriere ich „Junkfood“. | SD | D | N | A | SA |
| 3. Bei der Zubereitung der Mahlzeiten achte ich auf den Fettgehalt der Lebensmittel. | SD | D | N | A | SA |
| 4. Bei der Zubereitung der Mahlzeiten achte ich auf den Zuckergehalt der Lebensmittel. | SD | D | N | A | SA |
| 5. Eine gesunde Ernährung ist für meine Familie wichtig. | SD | D | N | A | SA |
Stevens Messskala
Beide, die Likert-Skala und die Likert-Skala, haben unterschiedliche Verfahren zur Datenanalyse. Um die Optionen zu verstehen, muss man mit der Steven’s Scale of Measurement beginnen (Ary, Jacobs, &Sorenson, 2010). Die Steven-Skala besteht aus vier Kategorien: Nominal, Ordinal, Intervall und Verhältnis.
Bei der Nominalskala werden die Beobachtungen auf der Grundlage der Äquivalenz den Kategorien zugeordnet. Die mit den Kategorien verbundenen Zahlen dienen lediglich als Kennzeichnung. Beispiele für Daten der Nominalskala sind Geschlecht, Augenfarbe und Rasse. Beobachtungen auf der Ordinalskala sind nach einem bestimmten Größenmaßstab eingestuft. Zahlen, die einer Gruppe zugeordnet sind, drücken eine „größer als“-Beziehung aus; es wird jedoch nicht angegeben, um wie viel größer. Die Zahlen geben nur die Reihenfolge an. Beispiele für ordinale Skalenmaße sind Briefnoten, Rankings und Leistungen (niedrig, mittel, hoch). Intervallskalendaten verwenden ebenfalls Zahlen, um die Reihenfolge anzugeben und einen sinnvollen relativen Abstand zwischen den Punkten auf der Skala wiederzugeben. Intervallskalen haben keinen absoluten Nullpunkt. Ein Beispiel für eine Intervallskala ist der standardisierte IQ-Test. Eine Verhältnisskala verwendet ebenfalls Zahlen zur Angabe der Reihenfolge und spiegelt einen sinnvollen relativen Abstand zwischen den Punkten auf der Skala wider. Eine Verhältnisskala verfügt über einen absoluten Nullpunkt. Beispiele für Verhältnismaße sind Alter und Erfahrungsjahre.
Analysieren von Likert-Antwort-Items
Um Likert-Daten richtig zu analysieren, muss man die Messskala verstehen, die durch die einzelnen Items dargestellt wird. Die Zahlen, die den Likert-Items zugeordnet werden, drücken eine „größer als“-Beziehung aus; es wird jedoch nicht angegeben, um wie viel größer. Aufgrund dieser Bedingungen fallen die Items vom Typ Likert in die ordinale Messskala. Zu den für ordinale Messskalen-Items empfohlenen deskriptiven Statistiken gehören ein Modus oder Median für die zentrale Tendenz und Häufigkeiten für die Variabilität. Zusätzliche Analyseverfahren, die für ordinale Skalenitems geeignet sind, umfassen das Chi-Quadrat-Maß der Assoziation, Kendall Tau B und Kendall Tau C.
Daten auf der Likert-Skala werden dagegen auf der Intervallskala analysiert. Likert-Skalen-Items werden durch Berechnung eines zusammengesetzten Scores (Summe oder Mittelwert) aus vier oder mehr Likert-Typ-Items erstellt; daher sollte der zusammengesetzte Score für Likert-Skalen auf der Intervallmessskala analysiert werden.Deskriptive Statistiken, die für Intervall-Skalen-Items empfohlen werden, umfassen den Mittelwert für die zentrale Tendenz und Standardabweichungen für die Variabilität. Weitere Datenanalyseverfahren, die für Intervallskalen-Items geeignet sind, umfassen Pearson’s r, t-Test, ANOVA und Regressionsverfahren. Tabelle 3 enthält Beispiele für Datenanalyseverfahren für Daten vom Typ Likert und Likert-Skala.
| Likert-Typ-Daten | Likert-Skala-Daten | |
| Zentrale Tendenz | Median oder Modus | Mittelwert |
| Variabilität | Häufigkeiten | Standardabweichung |
| Assoziationen | Kendall tau B oder C | Pearson’s r |
| Andere Statistiken | Chi-Quadrat | ANOVA, t-Test, Regression |
Zusammenfassung
Die Entscheidung über die Datenanalyse für Likert-Items wird in der Regel in der Phase der Fragebogenentwicklung getroffen. Haben Sie eine Reihe von Einzelfragen mit Likert-Antwortmöglichkeiten, die Ihre Teilnehmer beantworten sollen, oder haben Sie eine Reihe von Likert-Fragen, die in ihrer Kombination ein Persönlichkeitsmerkmal oder eine Einstellung beschreiben? Wenn Ihre Likert-Fragen einzigartig sind und für sich alleine stehen, dann analysieren Sie sie als Likert-Items. Modi, Mediane und Häufigkeiten sind die geeigneten statistischen Hilfsmittel, die Sie verwenden können. Wenn Sie eine Reihe von Fragen entworfen haben, die in Kombination ein bestimmtes Merkmal messen, haben Sie eine Likert-Skala erstellt. Verwenden Sie Mittelwerte und Standardabweichungen, um die Skala zu beschreiben. Wenn Sie das Bedürfnis haben, die einzelnen Items, aus denen sich die Skala zusammensetzt, auszuweisen, verwenden Sie nur statistische Verfahren des Likert-Typs.Denken Sie daran, dass, sobald die Entscheidung zwischen dem Likert-Typ und der Likertskala gefallen ist, sich die Entscheidung über die geeignete Statistik von selbst ergibt.
Ary, D., Jacobs, L. C., & Sorensen, C.(2010). Introduction to research in education (8thed.). California: Thomson Wadsworth.
Likert, R. (1932). Atechnique for the measurement of attitudes. Archivesof Psychology, 22(140),1-55.