Wprowadzenie
Przez lata stosowano wiele metod do pomiaru cech charakteru i osobowości (Likert, 1932). Trudność pomiaru postaw, charakteru i cech osobowości polega na procedurze przeniesienia tych cech na miarę ilościową dla celów analizy danych. Niedawna popularność jakościowych technik badawczych zmniejszyła niektóre z obciążeń związanych z dylematem; jednak wielu naukowców społecznych nadal polega na ilościowych miarach postaw, charakteru i cech osobowości.
W odpowiedzi na trudności w mierzeniu cech charakteru i osobowości, Likert (1932) opracował procedurę pomiaru skal podłużnych. Oryginalna skala Likerta używała serii pytań z pięcioma wariantami odpowiedzi: zdecydowanie aprobuję(1), aprobuję (2), niezdecydowany (3), nie aprobuję (4) i zdecydowanie dezaprobuję (5). Połączył odpowiedzi z serii pytań, aby stworzyć skalę pomiaru postaw. Jego analiza danych opierała się na wyniku złożonym z serii pytań, które reprezentowały skalę postaw. Nie analizował on poszczególnych pytań. Podczas gdy Likert użył pięciopunktowej skali, inne wariacje jego alternatyw odpowiedzi są odpowiednie, włączając w to usunięcie neutralnej odpowiedzi (Clason & Dormody, 1994).
Choć wariacje alternatywy odpowiedzi Likerta stały się powszechne w badaniach nad rozszerzeniem, wspólne użyciehas również stworzyło nadużycia lub błędy. Jednym z powszechnie popełnianych błędów jest niewłaściwa analiza poszczególnych pytań na skali postaw. Zanim omówimy analizę danych Likerta, przyjrzyjmy się podstawowym koncepcjom tej procedury.
Skale typu Likerta a skale Likerta
Clason i Dormody (1994) opisali różnicę pomiędzy pozycjami typu Likerta a skalami Likerta. Zidentyfikowali oni pozycje typu Likerta jako pojedyncze pytania, które wykorzystują pewien aspekt oryginalnych alternatyw odpowiedzi Likerta. Podczas gdy wiele pytań może być użytych w instrumencie badawczym, nie ma próby połączenia przez badacza odpowiedzi z pozycji w złożoną skalę. Tabela 1 przedstawia przykład pięciu pytań typu Likerta.
| Strongly Disagree | Disagree | Neutral | Agree | Strongly Agree | |
| 1. 4-H było dla mnie dobrym doświadczeniem. | SD | D | N | A | SA |
| 2. Moi rodzice wspierali mnie w moich projektach 4-H. | SD | D | N | A | SA |
| 3. Moje zaangażowanie w 4-H pozwoli mi coś zmienić. | SD | D | N | A | SA |
| 4. Mój doradca 4-H zawsze był tam dla mnie. | SD | D | N | A | SA |
| 5. Kolegium 4-H jest ważne przy wyborze szkoły wyższej. | SD | D | N | A | SA |
Skala Likerta, z drugiej strony, składa się z serii czterech lub więcej pozycji typu Likerta, które są połączone w jeden złożony wynik/zmienną podczas procesu analizy danych. Łącznie, pozycje są używane, aby zapewnić ilościową miarę cechy charakteru lub osobowości. Zazwyczaj badacz jest zainteresowany tylko wynikiem złożonym, który reprezentuje cechę charakteru/osobowości. Tabela 2 przedstawia przykład pięciu pytań zaprojektowanych do połączenia w skalę Likerta mierzącą nawyki żywieniowe.
| Strongly Disagree | Disagree | Neutral | Agree | Strongly Agree | |
| 1. Regularnie jem zdrową żywność. | SD | D | N | A | SA |
| 2. Kupując żywność w sklepie spożywczym, ignoruję „śmieciowe” jedzenie. | SD | D | N | A | SA |
| 3. Przygotowując posiłki, biorę pod uwagę zawartość tłuszczu w produktach spożywczych. | SD | D | N | A | SA |
| 4. Przygotowując posiłki, biorę pod uwagę zawartość cukru w produktach spożywczych. | SD | D | N | A | SA |
| 5. Zdrowa dieta jest ważna dla mojej rodziny. | SD | D | N | A | SA |
Steven’s Scale of Measurement
Dane typu Likerta i skali Likerta mają unikalne procedury analizy danych. Aby zrozumieć te opcje, należy zacząć od Skali Pomiaru Stevena (Ary, Jacobs, &Sorenson, 2010). Skala Stevena składa się z czterech kategorii: nominalnej, porządkowej, interwałowej i stosunkowej.
W skali nominalnej obserwacje są przypisywane do kategorii na podstawie równoważności. Liczby związane z kategoriami służą jedynie jako etykiety. Przykłady danych w skali nominalnej obejmują płeć, kolor oczu i rasę. Obserwacje w skali porządkowej są uszeregowane pod względem pewnej miary wielkości. Liczby przypisane do grup wyrażają relację „większy niż”; jednakże, o ile większy nie jest implikowany. Liczby wskazują jedynie kolejność. Przykłady miar skali porządkowej obejmują oceny literowe, rankingi i osiągnięcia (niskie, średnie, wysokie). Dane skali interwałowej również wykorzystują liczby do wskazania kolejności i odzwierciedlają znaczącą względną odległość między punktami na skali. Skale interwałowe nie mają zera bezwzględnego. Przykładem skali przedziałowej jest standaryzowany test IQ. Skala proporcji również używa liczb do wskazania kolejności i odzwierciedla znaczącą względną odległość między punktami na skali. Skala stosunkowa ma zero bezwzględne. Przykłady miar proporcji obejmują wiek i lata doświadczenia.
Analiza Pozycji Odpowiedzi Likerta
Aby właściwie przeanalizować dane Likerta, należy zrozumieć skalę pomiaru reprezentowaną przez każdą z nich. Liczby przypisane do pozycji typu Likerta wyrażają związek „większy niż”; jednakże, o ile większy nie jest implikowany. Ze względu na te warunki, pozycje typu Likerta należą do porządkowej skali pomiarowej. | Czy kiedykolwiek [ubiegał się Pan/ubiegała się Pani] o rentę inwalidzką z tytułu niezdolności do pracy lub o dodatek opiekuńczy? Dodatkowe procedury analityczne odpowiednie dla pozycji skali porządkowej obejmują miarę asocjacji chi kwadrat, Kendall Tau B i Kendall Tau C.
Dane w skali Likerta, z drugiej strony, są analizowane w przedziałowej skali pomiaru. Pozycje skali Likerta są tworzone przez obliczenie wyniku złożonego (sumy lub średniej) z czterech lub więcej pozycji typu Likerta; dlatego wynik złożony dla skal Likerta powinien być analizowany w skali pomiaru interwałowego.Statystyki opisowe zalecane dla pozycji skali interwałowej obejmują średnią dla tendencji centralnej i odchylenia standardowe dla zmienności. Dodatkowe procedury analizy danych odpowiednie dla pozycji skali interwałowej obejmowałyby r Pearsona, test t, ANOVA i procedury regresji. Tabela 3 przedstawia przykłady procedur analizy danych dla danych typu Likerta i skali Likerta.
| Likert-Dane typu Likerta | Dane skali Likerta | ||||
| Centralna tendencja | Mediana lub tryb | Średnia | |||
| Zmienność | Częstotliwość | Odchylenie standardowe | |||
| Asocjacje | Kendall tau B lub C | Pearson’s r | |||
| Inne statystyki | Chi-kwadrat | Kolejność | Kolejnośćsquare | ANOVA, t-test, regresja |
Podsumowanie
Decyzja o analizie danych dla pozycji Likerta jest zwykle podejmowana na etapie tworzenia kwestionariusza. Czy masz serię pojedynczych pytań z opcjami odpowiedzi Likerta, na które Twoi uczestnicy mają odpowiedzieć, czy też masz serię pytań typu Likerta, które w połączeniu opisują cechę osobowości lub postawę? Jeśli Twoje pytania Likerta są unikalne i samodzielne, przeanalizuj je jako pozycje typu Likerta. Modele, mediany i częstotliwości są odpowiednimi narzędziami statystycznymi, których należy użyć. Jeśli zaprojektowałeś serię pytań, które po połączeniu mierzą konkretną cechę, stworzyłeś skalę Likerta. Do opisania skali należy użyć średnich i odchyleń standardowych. Jeśli czujesz potrzebę raportowania poszczególnych pozycji, które składają się na skalę, używaj tylko procedur statystycznych typu Likerta. Pamiętaj, że po podjęciu decyzji pomiędzy skalą typu Likerta a skalą Likerta, decyzja o odpowiednich statystykach zapadnie sama.
Ary, D., Jacobs, L. C., & Sorensen, C.(2010). Wprowadzenie do badań w edukacji (8thed.). California: Thomson Wadsworth.
Likert, R. (1932). Atechnique for the measurement of attitudes. Archivesof Psychology, 22(140),1-55.
Likert, R. (1932).