Etapcharterlease.com

Come utilizzare la scala di likert nell'analisi statistica

Come utilizzare la scala di likert nell'analisi statistica

La scala di Likert è comunemente usata nella ricerca di indagine. Esso viene spesso utilizzato per misurare gli atteggiamenti degli intervistati chiedendo nella misura in cui essi d'accordo o meno con una particolare domanda o affermazione. Una tipica scala potrebbe essere "fortemente d'accordo, d'accordo, non sicuri/indeciso, sono d'accordo, sono assolutamente d'accordo." Sulla superficie, dati di rilievo tramite la scala di Likert possono sembrare facili da analizzare, ma ci sono questioni importanti per un analista di dati da considerare.

Istruzioni

• Ottenere i vostri dati pronti per l'analisi di codifica delle risposte. Ad esempio, diciamo che avete un sondaggio che chiede agli intervistati se d'accordo o in disaccordo con un insieme di posizioni nella piattaforma di un partito politico. Ogni posizione è una domanda del sondaggio, e la scala utilizza le seguenti risposte: assolutamente d'accordo, d'accordo, neutro, non sono d'accordo, fortemente in disaccordo. In questo esempio, abbiamo avrai codice le risposte di conseguenza: fortemente in disaccordo = 1, in disaccordo = 2, neutro = 3, d'accordo = 4, fortemente d'accordo = 5.

• Ricordarsi di differenziare tra ordinali e l'intervallo di dati, come i due tipi richiedono approcci analitici diversi. Se i dati sono ordinali, possiamo dire che 1:20 è superiore a un altro. Non possiamo dire quanto più in alto, come possiamo con intervallo di dati, che indicano la distanza tra due punti. Ecco l'insidia con la scala di Likert: molti ricercatori lo gestirà come una scala di intervallo. Questo presuppone che le differenze tra ogni risposta sono uguali in distanza. La verità è che la scala di Likert non ci dice che. Nel nostro esempio qui, solo ci dice che le persone con il numero più alto di risposte sono più d'accordo con le posizioni del partito di quelli con le risposte di numero inferiore.

• Iniziare analizzando i dati di scala di Likert con statistiche descrittive. Anche se si potrebbe essere tentati, resistere alla tentazione di prendere le risposte numeriche e calcolare una media. Aggiunta di una risposta di "fortemente d'accordo" 1:55 risposte di "disaccordo" (2) ci darebbe una media di 4, ma qual è il significato di quel numero? Fortunatamente, ci sono altre misure di tendenza centrale che possiamo usare oltre la media. Con dati di scala di Likert, la misura migliore da utilizzare è la modalità, o la risposta più frequente. Questo rende i risultati dell'indagine molto più facile per l'analista (per non parlare del pubblico per la presentazione o il report) da interpretare. È anche possibile visualizzare la distribuzione delle risposte (percentuali che sono d'accordo, d'accordo, ecc) in un grafico, ad esempio un grafico a barre con una barra per ogni categoria di risposta.

• Procedere accanto a tecniche inferenziali, che testare le ipotesi poste dai ricercatori. Ci sono molti approcci disponibili, e uno dei migliori dipende dalla natura dello studio e le domande che si sta cercando di rispondere. Un approccio popolare è quello di analizzare le risposte utilizzando tecniche di analisi della varianza, come il test di Mann Whitney o Kruskal Wallis. Supponiamo che nel nostro esempio abbiamo voluto analizzare le risposte alle domande su posizioni di politica estera con l'etnia come variabile indipendente. Diciamo che i nostri dati includono risposte dagli intervistati Anglo, afro-americani e ispanici, così abbiamo potuto analizzare risposte fra i tre gruppi di intervistati utilizzando il test di Kruskal Wallis della varianza.

• Semplificare ulteriormente i dati di indagine combinando le categorie di quattro risposta (ad es., sono completamente d'accordo, d'accordo, d'accordo, fortemente in disaccordo) in due categorie, nominale, come d'accordo/disaccordo, accogliere o respingere, ecc). Questo offre anche altre possibilità di analisi. Il test chi quadrato è un approccio per analizzare i dati in questo modo.