Introduktion
Under årens lopp har många metoder använts för att mäta karaktärs- och personlighetsdrag (Likert, 1932). Svårigheten med att mäta attityder, karaktär och personlighetsdrag ligger i förfarandet för att överföra dessa egenskaper till ett kvantitativt mått för dataanalys. Den senaste tidens popularitet för kvalitativa forskningsmetoder har lättat en del av den börda som är förknippad med dilemmat, men många samhällsvetare förlitar sig fortfarande på kvantitativa mätningar av attityder, karaktär och personlighetsdrag.
Som svar på svårigheten att mäta karaktärs- och personlighetsdrag utvecklade Likert (1932) ett förfarande för att mäta attitydskalor. Den ursprungliga Likert-skalan använde sig av en rad frågor med fem svarsalternativ: instämmer starkt (1), instämmer (2), är obeslutsam (3), ogillar (4) och ogillar starkt (5). Han kombinerade svaren från frågeserierna för att skapa en skala för attitydmätning. Hans dataanalys baserades på den sammansatta poängen från frågeserien som representerade attitydskalan. Han analyserade inte enskilda frågor. Likert använde en femgradig skala, men andra variationer av hans svarsalternativ är lämpliga, inklusive strykningen av det neutrala svaret (Clason & Dormody, 1994).
Och även om variationer av Likerts svarsalternativ har blivit vanliga inom forskning om utvidgning, har det vanliga användandet också skapat missbruk eller misstag. Ett misstag som ofta görs är den felaktiga analysen av enskilda frågor på en attitydskala. Innan vi diskuterar analysen av Likert-data, låt oss gå igenom de grundläggande begreppen för förfarandet.
Likert-Type Versus Likert Scales
Clason och Dormody (1994) beskrev skillnaden mellan Likert-frågor och Likert-skalor. De identifierade Likert-frågor som enskilda frågor som använder någon aspekt av de ursprungliga Likert-svarsalternativen. Även om flera frågor kan användas i ett forskningsinstrument finns det inget försök av forskaren att kombinera svaren från frågorna till en sammansatt skala. Tabell 1 ger ett exempel på fem frågor av Likert-typ.
| Strängt oenig | Inte enig | Neutral | Enlig | Strängt överens | |
| 1. 4-H har varit en bra erfarenhet för mig. | SD | D | N | A | SA |
| 2. Mina föräldrar har stöttat mina 4-H-projekt. | SD | D | N | A | SA |
| 3. Mitt 4-H-engagemang kommer att ge mig möjlighet att göra skillnad. | SD | D | N | A | SA |
| 4. Min 4-H-rådgivare fanns alltid där för mig. | SD | D | N | A | SA |
| 5. Collegiate 4-H är viktigt vid valet av högskola. | SD | D | N | A | SA |
En Likertskala består å andra sidan av en serie av fyra eller fler poster av Likert-typ som kombineras till ett enda sammanvägt resultat/variabel under dataanalysen. Tillsammans används punkterna för att ge ett kvantitativt mått på ett karaktärs- eller personlighetsdrag. Vanligtvis är forskaren endast intresserad av det sammansatta resultatet som representerar karaktären/personlighetsdraget. I tabell 2 finns ett exempel på fem frågor som är utformade för att kombineras till en Likertskala som mäter matvanor.
| Stark oenig | Inte enig | Neutral | Enlig | Stark enig | Strängande enig | |
| 1. Jag äter regelbundet hälsosam mat. | SD | D | N | A | SA | |
| 2. När jag köper mat i mataffären ignorerar jag skräpmat. | SD | D | N | A | SA | |
| 3. När jag förbereder måltider tar jag hänsyn till matvarornas fetthalt. | SD | D | N | A | SA | |
| 4. När jag förbereder måltider tar jag hänsyn till sockerinnehållet i livsmedlen. | SD | D | N | A | SA | |
| 5. En hälsosam kost är viktig för min familj. | SD | D | N | A | SA |
Stevens mätskala
Både uppgifter av Likert-typ och uppgifter på Likert-skalan har unika förfaranden för analys av uppgifter. För att förstå alternativen måste man börja med Steven’s Scale of Measurement (Ary, Jacobs, &Sorenson, 2010). Steven’s skala består av fyra kategorier: nominell skala, ordinalskala, intervallskala och kvotskala.
I den nominella skalan tilldelas observationer till kategorier baserat på likvärdighet. Siffror som är kopplade till kategorierna fungerar endast som etiketter. Exempel på data på nominell skala är kön, ögonfärg och ras. Observationer på ordinalskalan är rangordnade i något mått av storleksordning. Siffror som tilldelas grupper uttrycker ett ”större än”-förhållande, men det framgår inte hur mycket större det är. Siffrorna anger endast ordningen. Exempel på mått på ordinalskala är bokstavsbetyg, rankningar och prestationer (låg, medelhög, hög). Intervallskalauppgifter använder också siffror för att ange ordningen och återspeglar ett meningsfullt relativt avstånd mellan punkter på skalan. Intervallskalor har ingen absolut nollpunkt. Ett exempel på en intervallskala är det standardiserade IQ-testet. En ratioskala använder också siffror för att ange ordningen och återspeglar ett meningsfullt relativt avstånd mellan punkterna på skalan. En kvotskala har en absolut nollpunkt. Exempel på kvotmått är ålder och år av erfarenhet.
Analys av Likert-frågor
För att korrekt analysera Likert-data måste man förstå den mätskala som representeras av varje fråga. Siffror som tilldelas poster av Likert-typ uttrycker ett ”större än”-förhållande, men hur mycket större är inte underförstått. På grund av dessa förhållanden hör poster av Likert-typ till den ordinala mätskalan. Deskriptiv statistik som rekommenderas för objekt på ordinalmätningsskalan omfattar ett modus eller en median för central tendens och frekvenser för variabilitet. Ytterligare analysförfaranden som lämpar sig för objekt på ordinalskalan omfattar chi-två måttet för samband, Kendall Tau B och Kendall Tau C.
Likertskaledata analyseras å andra sidan på intervallmätningsskalan. Poster på Likert-skalan skapas genom att beräkna ett sammansatt resultat (summa eller medelvärde) från fyra eller fler poster av Likert-typ; därför bör det sammansatta resultatet för Likert-skalor analyseras på intervallmätningsskalan.Deskriptiv statistik som rekommenderas för poster på intervallskalan omfattar medelvärde för central tendens och standardavvikelser för variabilitet. Ytterligare dataanalysförfaranden som lämpar sig för intervallskalor omfattar Pearsons r, t-test, ANOVA och regressionsförfaranden. Tabell 3 innehåller exempel på dataanalysförfaranden för data av Likert-typ och Likert-skalor.
| Likert-Typdata | Likertskaladata | |
| Central tendens | Median eller modus | Medelvärde |
| Variabilitet | Frekvenser | Standardavvikelse |
| Samband | Kendall tau B eller C | Pearson’s r |
| Övrig statistik | Chi-kvadrat | ANOVA, t-test, regression |
Sammanfattning
Beslutet om dataanalys för Likert-frågor fattas vanligen i samband med utarbetandet av frågeformuläret. Har du en serie enskilda frågor med Likert-svarsalternativ som deltagarna ska besvara eller har du en serie frågor av Likert-typ som när de kombineras beskriver ett personlighetsdrag eller en attityd? Om dina Likert-frågor är unika och fristående, analysera dem då som Likert-frågor. Moduler, medianer och frekvenser är de lämpliga statistiska verktygen att använda. Om du har utformat en serie frågor som tillsammans mäter en viss egenskap har du skapat en Likertskala. Använd medelvärden och standardavvikelser för att beskriva skalan. Om du känner ett behov av att redovisa de enskilda punkterna som ingår i skalan, använd endast statistiska förfaranden av Likert-typ.Tänk på att när väl beslutet om Likert-typ eller Likertsskala har fattats, kommer beslutet om lämplig statistik att falla på plats.
Ary, D., Jacobs, L. C., & Sorensen, C.(2010). Introduktion till forskning inom utbildning (8thed.). Kalifornien: Thomson Wadsworth.
Likert, R. (1932). En teknik för att mäta attityder. Archivesof Psychology, 22(140),1-55.