Como usar a escala Likert na análise estatística Uma escala Likert (lkrt pronunciada, 1 também lakrt) é uma escala psicométrica comumente usada em questionários e é a escala mais amplamente utilizada na pesquisa de pesquisa, de modo que o termo é freqüentemente usado de forma intercambiável com classificação Escala, mesmo que os dois não sejam sinônimos. Ao responder a um item do Questionário Likert, os inquiridos especificam seu nível de acordo para uma declaração. A escala tem o nome de seu inventor, o psicólogo Rensis Likert.2 Exemplo de pergunta apresentada usando um item Likert de cinco pontos. Uma distinção importante deve ser feita entre uma escala Likert e um item Likert. A escala Likert é a soma das respostas em vários itens Likert. Como os itens de Likert são freqüentemente acompanhados por uma escala analógica visual (por exemplo, uma linha horizontal, na qual um sujeito indica sua resposta ao circular ou verificando marcas), os itens às vezes são chamados de escalas. Esta é a fonte de muita confusão, é melhor, portanto, reservar o termo escala Likert para aplicar à escala sumada e o item Likert para se referir a um item individual. Um item Likert é simplesmente uma declaração que o entrevistado é solicitado a avaliar de acordo com qualquer tipo de critérios subjetivos ou objetivos, geralmente o nível de acordo ou desacordo é medido. Muitas vezes, cinco níveis de resposta ordenados são usados, embora muitos psicométricos defendam o uso de sete ou nove níveis, um estudo empírico recente3 descobriu que uma escala de 5 ou 7 pontos pode produzir pontuações médias ligeiramente mais altas em relação ao maior resultado possível possível, em comparação com os produzidos a partir de Uma escala de 10 pontos, e essa diferença foi estatisticamente significante. Em termos de outras características dos dados, houve uma diferença muito pequena entre os formatos de escala em termos de variação sobre a média, a aspeto ou a curtose. O formato de um item típico de Likert de cinco níveis é: 1. Totalmente em desacordo 2. Desacordo 3. Nem concordar nem discordar 4. Concordo 5. Concorrer fortemente a escala Likert é um método de escala bipolar, medindo resposta positiva ou negativa a uma declaração. Às vezes, uma escala de quatro pontos é usada, é uma metodologia de escolha forçada necessária porque a opção do meio de Nem concordar nem discordar não está disponível. As escalas de Likert podem estar sujeitas a distorções de várias causas. Os entrevistados podem evitar o uso de categorias de resposta extrema (tendência de tendência central) concordam com declarações apresentadas (viés de aquiescência) ou tentam se retratar ou sua organização em uma luz mais favorável (viés de desejabilidade social). A concepção de uma escala com clusters balanceados (um número igual de afirmações positivas e negativas) pode evitar o problema do viés de aquiescência, uma vez que a aquiescência em itens de chave positiva equilibrará a aquiescência em itens com chave negativa, mas a tendência central e a desejabilidade social são um pouco mais problemáticas. Pontuação e análise Após o preenchimento do questionário, cada item pode ser analisado separadamente ou, em alguns casos, as respostas dos itens podem ser somadas para criar uma pontuação para um grupo de itens. Portanto, as escalas de Likert geralmente são chamadas de escalas sumativas. Se os itens Likert individuais podem ser considerados como dados de nível de intervalo, ou se eles devem ser considerados meramente ordenados, os dados categóricos são objeto de desacordo. Muitos consideram esses itens apenas como dados ordinários, porque, especialmente quando se usam apenas cinco níveis, não se pode assumir que os entrevistados percebem todos os pares de níveis adjacentes como equidistantes. Por outro lado, muitas vezes (como no exemplo acima), a redação dos níveis de resposta implica claramente uma simetria de níveis de resposta sobre uma categoria média pelo menos, tal item cairia entre a medição do nível ordinal e do intervalo para tratá-lo Como simples ordinal perderia informações. Além disso, se o item for acompanhado por uma escala analógica visual, onde o espaçamento igual dos níveis de resposta é claramente indicado, o argumento para tratá-lo como dados de nível de intervalo é ainda mais forte. Quando tratados como dados ordinais, as respostas de Likert podem ser agrupadas em gráficos de barras, tendência central resumida pela mediana ou pelo modo (mas alguns dirijam não a média), dispersão resumida pela faixa entre os quartis (mas alguns diriam que não o desvio padrão ), Ou analisados usando testes não-paramétricos, por exemplo, Teste de qui-quadrado, teste de Mann8211Whitney, teste de classificação assinado de Wilcoxon ou teste de Kruskal8211Wallis.4 A análise paramétrica das médias comuns dos dados da escala de Likert também é justificável pelo teorema do limite central, embora alguns não concordem que as médias comuns devem ser usadas para a escala de Likert dados. As respostas a várias perguntas de Likert podem ser somadas, desde que todas as questões usem a mesma escala de Likert e que a escala seja uma aproximação defendível a uma escala de intervalo, caso em que elas podem ser tratadas como dados de intervalo que medem uma variável latente. Se as respostas somadas preencherem esses pressupostos, podem ser aplicados testes estatísticos paramétricos, como a análise de variância. Estes podem ser aplicados somente quando mais de 5 perguntas Likert forem somadas. Recitação necessária. Os dados das escalas Likert às vezes são reduzidos ao nível nominal ao combinar todas as respostas acordadas e em desacordo em duas categorias de aceitar e rejeitar. O teste do qui-quadrado, Cochran Q ou McNemar são procedimentos estatísticos comuns usados após essa transformação. A avaliação baseada em consenso (CBA) pode ser usada para criar um padrão objetivo para escalas Likert em domínios onde não existe padrão padrão ou objetivo geralmente aceito. A avaliação baseada em consenso (CBA) pode ser usada para refinar ou até mesmo validar padrões geralmente aceitos. Nível de medida As cinco categorias de resposta geralmente são consideradas como representando um nível de medição de Intervalo. Mas isso só pode ser o caso se os intervalos entre os pontos da escala correspondem a observações empíricas em um sentido métrico. Na verdade, também pode aparecer fenômenos que até questionam o nível da escala ordinal. Por exemplo, em um conjunto de itens A, B, C avaliado com uma escala Likert, relações circulares como AgtB, BgtC e CgtA podem aparecer. Isso viola o axioma da transitividade para a escala ordinal. O modelo de Rasch Os dados da escala Likert podem, em princípio, ser usados como base para a obtenção de estimativas de nível de intervalo em um contínuo, aplicando o modelo Rasch politótico, quando os dados podem ser obtidos que se encaixam nesse modelo. Além disso, o modelo de Rasch politótico permite testar a hipótese de que as declarações refletem os níveis crescentes de uma atitude ou traço, como pretendido. Por exemplo, a aplicação do modelo geralmente indica que a categoria neutra não representa um nível de atitude ou traço entre as categorias em desacordo e concordar. Novamente, nem todos os conjuntos de itens escalados Likert podem ser usados para a medição de Rasch. Os dados devem ser cuidadosamente verificados para cumprir os rígidos axiomas formais do modelo. Pronúncia Rensis Likert, o desenvolvedor da escala, pronunciou seu nome lick-urt com um som curto i56. Foi alegado que o nome de Likerts está entre os mais erroneamente no campo.7 Embora muitas pessoas usem a variante longa (mentira) - kurt), aqueles que tentam permanecer fiel à pronúncia do Dr. Likerts usar a pronúncia short i (lick-urt). De Wikipedia, a enciclopédia livre A escala de Likert é comumente usada na pesquisa de pesquisa. É freqüentemente usado para medir as atitudes dos entrevistados, perguntando até que ponto eles concordam ou discordam de uma questão ou declaração particular. Uma escala típica pode estar fortemente de acordo, concordar, não estar de acordo, discordar, discordar fortemente. Na superfície, os dados da pesquisa usando a escala Likert podem parecer fáceis de analisar, mas há problemas importantes para um analista de dados considerar. 1. Prepare seus dados para análise, codificando as respostas. Por exemplo, dizemos que você tem uma pesquisa que pergunta aos entrevistados se eles concordam ou discordam de um conjunto de posições em uma plataforma de partes políticas. Cada posição é uma questão de pesquisa, e a escala usa as seguintes respostas: Concordo plenamente, concordar, neutro, discordar, discordar fortemente. Neste exemplo, cite bem as respostas em conformidade: fortemente em desacordo 1, discordar 2, neutro 3, acordar 4, concordar firmemente 5. 2. Lembre-se de diferenciar entre dados ordinais e intervalos, pois os dois tipos requerem diferentes abordagens analíticas. Se os dados forem comuns, podemos dizer que uma pontuação é maior que a outra. Não podemos dizer o quanto mais alto, como podemos, com dados de intervalo, que lhe dizem a distância entre dois pontos. Aqui está a armadilha com a escala Likert: muitos pesquisadores tratam isso como uma escala de intervalo. Isso pressupõe que as diferenças entre cada resposta são iguais em distância. A verdade é que a escala Likert não nos diz isso. No nosso exemplo aqui, apenas nos diz que as pessoas com respostas de maior número estão mais de acordo com as posições das partes do que aquelas com as respostas de menor número. 3. Comece a analisar seus dados da escala Likert com estatística descritiva. Embora possa ser tentador, resista ao impulso de tomar as respostas numéricas e calcular uma média. Adicionando uma resposta de concordância forte (5) a duas respostas de discordância (2) nos daria uma média de 4, mas qual é o significado desse número. Felizmente, existem outras medidas de tendência central que podemos usar além da média. Com os dados da escala Likert, a melhor medida para usar é o modo, ou a resposta mais freqüente. Isso torna os resultados da pesquisa muito mais fáceis para o analista (para não mencionar o público para sua apresentação ou relatório) para interpretar. Você também pode exibir a distribuição de respostas (porcentagens que concordam, discordam, etc.) em um gráfico, como um gráfico de barras, com uma barra para cada categoria de resposta. 4. Proceda ao lado de técnicas inferenciais, que avaliam as hipóteses colocadas pelos pesquisadores. Existem muitas abordagens disponíveis, e a melhor depende da natureza do seu estudo e das questões que você está tentando responder. Uma abordagem popular é analisar as respostas usando técnicas de análise de variância, como o teste de Mann Whitney ou Kruskal Wallis. Suponhamos que, em nosso exemplo, desejássemos analisar respostas a questões sobre posições de política externa com etnia como variável independente. Digamos que nossos dados incluem respostas de entrevistados anglo, afro-americanos e hispânicos, para que possamos analisar as respostas entre os três grupos de entrevistados usando o teste de variância de Kruskal Wallis. 5. Simplifique os dados da pesquisa adicionalmente, combinando as quatro categorias de resposta (por exemplo, concorda fortemente, concorda, discorda, discorda fortemente) em duas categorias nominais, como acordado em concordância, aceitação, etc.). Isso oferece outras possibilidades de análise. O teste chi quadrado é uma abordagem para analisar os dados desta maneira. Leia mais: Como usar a escala Likert na análise estatística eHow ehowhow4855078use-likert-scale-statistics-analysis. htmlixzz1LGrJsRUS Existe um grande debate nas ciências comportamentais sociais sobre se as escalas de Likert devem ser tratadas como ordinais ou intervalos. Conte-me como alguém que pensa estar OK para tratá-los como um intervalo. Eu analisaria os dados em ambos os sentidos - com o qui-quadrado e com a ANOVA, e ver como ele se mostra - se os resultados forem os mesmos, você está todo definido. Se você conseguir algo diferente com cada método, então você tem algo interessante. Em geral, você pode tratar as escalas como intervalos e executar métodos que comparam significa, como ANOVA. As escalas estão próximas o suficiente para o intervalo, de modo que esses métodos não deveriam levá-lo a desviar-se. Sim, Tukey seria bom para um teste pós-hoc. O meio-da-estrada em termos de conservador liberal (Fishers LSD é liberal, Bonferroni é conservador). Em termos de como você usaria o qui-quadrado, você poderia configurar uma comparação entre os grupos que deseja contrastar e fazer a análise da freqüência de cada escolha, entre os grupos (ou seja, um grupo escolhe concordar com mais freqüência do que outro grupo). Sim, seria um teste de independência do qui-quadrado. A tabela de contingência pode ser configurada com grupos como linhas e itens de escala como 8 colunas. As células da tabela conteriam as frequências de resposta. Para o pós-hoc do qui-quadrado, use uma comparação simples de duas proporções independentes com um teste z. Você não necessariamente reportará meios com uma análise do Qui-quadrado, pois seu interesse é comparar as freqüências, mas isso não quer dizer que você não faria algum tipo de comparação estatística básica baseada nas estatísticas (medias, medias, etc.) Caro todos, eu Agradecemos esse artigo, mas ainda me sinto preso. Eu tenho todos os dados no SPSS, eu usei o significado e SD para questões de escala, mas eles não conseguem responder minhas perguntas de pesquisa. Eu acho as maneiras como esses artigos são interessantes, mas não sei qual é o trabalho para mim e como aplicá-lo no spss. Espero que um de vocês possa ajudar, posso enviar uma amostra das minhas mesas ... Agradeço antecipadamente Oi, por favor, estou realmente confuso sobre como eu posso analisar meus itens da escala likert nesse sentido. Tenho uma escala de liker de 5 pontos ( Totalmente em desacordo 1, discordar 2, neutro 3, concordar 4, concordar plenamente 5) e ter alguns entrevistados selecionando indecisos. Ao analisar, devo apenas jogar fora as respostas neutras e analisar com Totalmente em desacordo 1, discordar 2, concordar 3, concordar plenamente 4 Obrigado pela orientação muito aguardada. Komentar ini telah dihapus ole pengarang. Komentar ini telah dihapus ole pengarang. Obrigado por compartilhar, Esta é uma publicação muito informativa que me ajudará a arrancar meu Small Business (BuzzInc) e este poderia ser o meu ponto de inflexão. Escalas de leitura e análise de dados por I. Elaine Allen e Christopher A. Seaman Os exames são consistentemente usados para medir qualidade. Por exemplo, pesquisas podem ser usadas para avaliar a percepção do cliente quanto à qualidade do produto ou desempenho de qualidade na entrega de serviços. As escalas Likert são um formato de classificação comum para pesquisas. Os entrevistados classificam a qualidade de alto para baixo ou melhor para pior usando cinco ou sete níveis. Os estatísticos geralmente agruparam os dados coletados dessas pesquisas em uma hierarquia de quatro níveis de medição: Dados nominais: o nível de medição mais fraco que representa categorias sem representação numérica. Dados ordinais: dados em que uma ordenação ou classificação de respostas é possível, mas nenhuma medida de distância é possível. Dados de intervalo: Geralmente dados inteiros em que a medida de pedidos e a distância são possíveis. Dados de razão: dados em que são possíveis ordenações, distância, decimais e frações significativas entre variáveis. As análises de dados usando dados nominais, de intervalo e de proporção geralmente são diretas e transparentes. As análises de dados ordinais, particularmente no que se refere a Likert ou outras escalas em pesquisas, não são. Este não é um problema novo. A adequação do tratamento de dados ordinais como dados de intervalo continua a ser controversa em análises de pesquisa em uma variedade de campos aplicados. 1,2 Uma razão subjacente para analisar dados ordinais como dados de intervalo pode ser a afirmação de que os testes estatísticos paramétricos (com base no teorema do limite central) são mais poderosos do que alternativas não paramétricas. Além disso, as conclusões e interpretações de testes paramétricos podem ser consideradas mais fáceis de interpretar e fornecer mais informações do que alternativas não paramétricas. No entanto, o tratamento de dados ordinais como dados de intervalo (ou mesmo proporção) sem examinar os valores do conjunto de dados e os objetivos da análise podem enganar e deturpar os resultados de uma pesquisa. Para examinar as análises adequadas de dados escalares e quando é preferível tratar dados ordinais como dados de intervalo, nos concentraremos nas escalas de Likert. Fundamentos das Escalas Likert As escalas Likert foram desenvolvidas em 1932 como a resposta bipolar de cinco pontos familiar que a maioria das pessoas conhece hoje. 3 Essas escalas variam de um grupo de categorias de maquiagem até a maioria das pessoas que mostram o quanto eles concordam ou discordam, aprovam ou desaprovam, ou acreditam ser verdadeiras ou falsas. Therersquos realmente não há maneira errada de construir uma escala Likert. A consideração mais importante é incluir pelo menos cinco categorias de resposta. Alguns exemplos de grupos de categorias aparecem na Tabela 1. As extremidades da escala são muitas vezes aumentadas para criar uma escala de sete pontos, adicionando ldquoveryrdquo às respectivas partes superior e inferior das escalas de cinco pontos. A escala de sete pontos mostrou atingir os limites superiores da confiabilidade scalersquos. 4 Como regra geral, Likert e outros recomendam que seja melhor usar uma escala tão ampla quanto possível. Você pode sempre colapsar as respostas em categorias condensadas, se apropriado, para análise. Com isso em mente, as escalas às vezes são truncados para um número par de categorias (tipicamente quatro) para eliminar a opção ldquoneutralrdquo em uma escala de levantamento de choquidão. O documento original de Rensis Likertrsquos identifica claramente que pode haver uma variável contínua subjacente cujo valor caracteriza as opiniões ou atitudes dos respondentes e essa variável subjacente é, no melhor das hipóteses, o nível de intervalo. 5 Análise, generalização para índices contínuos Como regra geral, média e desvio padrão são parâmetros inválidos para estatística descritiva sempre que os dados estão em escalas ordinais, assim como qualquer análise paramétrica com base na distribuição normal. Procedimentos não-paramétricos baseados na classificação, mediana ou rangemdashare apropriados para analisar esses dados, assim como métodos livres de distribuição, como tabulações, freqüências, tabelas de contingência e estatísticas de qui-quadrado. Os modelos de Kruskall-Wallis podem fornecer o mesmo tipo de resultados que uma análise de variância, mas com base nas classificações e não nos meios das respostas. Dado que essas escalas são representativas de uma medida contínua subjacente, uma recomendação é analisá-los como dados de intervalo como um piloto antes de reunir a medida contínua. A Tabela 2 inclui um exemplo de conclusões enganosas, mostrando os resultados da pesquisa anual da Fundação Alfred P. Sloan sobre a qualidade e extensão da aprendizagem on-line nos Estados Unidos. Os entrevistados usaram uma escala Likert para avaliar a qualidade do aprendizado online em comparação com o aprendizado presencial. Enquanto 60 mais dos entrevistados percebiam que o aprendizado on-line era igual ou melhor do que face a face, existe uma minoria persistente que percebeu a aprendizagem on-line como pelo menos um pouco inferior. Se esses dados foram analisados usando meios, com uma escala de 1 a 5 de inferior a superior, essa separação seria perdida, dando meios de 2,7, 2,6 e 2,7 para esses três anos, respectivamente. Isso indicaria um acordo ligeiramente inferior à média, em vez da distribuição real das respostas. Um exemplo mais extremo seria colocar todos os entrevistados nos extremos da escala, produzindo uma média de ldquosamerdquo, mas uma interpretação completamente diferente das respostas atuais. Em que circunstâncias as escalas de Likert podem ser usadas com procedimentos de intervalo Suponhamos que os dados de classificação incluíam uma pesquisa de renda medindo 0, 25,000, 50,000, 75,000 ou 100,000 exatamente, e estas foram medidas como ldquolow, rdquo ldquomediumrdquo e ldquohigh. rdquo. O ldquointervalnessrdquo aqui é um Atributo dos dados, não dos rótulos. Além disso, o item da escala deve ser pelo menos cinco e, de preferência, sete categorias. Outro exemplo de análise de escalas Likert como valores de intervalo é quando os conjuntos de itens Likert podem ser combinados para formar índices. No entanto, há uma forte ressalva para esta abordagem: a maioria dos pesquisadores insiste que tais combinações de escalas passam o Cronbachrsquos alfa ou o teste Kappa de intercorrelação e validade. Além disso, a combinação de escalas para formar um índice de nível de intervalo assume que esta combinação forma uma característica ou variável subjacente. Medidas contínuas alternativas para escalas Alternativas ao uso de uma escala Likert formal pode ser o uso de uma linha contínua ou barra de trilhos. Para a medição da dor, uma linha de 100 mm pode ser usada em um levantamento de papel para medir desde o pior até o momento, produzindo uma medida de intervalo contínuo. No advento de muitas pesquisas on-line, isso pode ser feito com barras de trilhas semelhantes às ilustradas na Figura 1. Os entrevistados aqui podem calibrar suas respostas a intervalos contínuos que podem ser capturados pelo software de pesquisa como valores contínuos. Conclusão Sua análise inicial dos dados escalares de Likert não deve envolver estatísticas paramétricas, mas deve confiar na natureza ordinária dos dados. Embora as variáveis de escala de Likert geralmente representem uma medida contínua subjacente, a análise de itens individuais deve usar procedimentos paramétricos apenas como uma análise piloto. Combinar as escalas Likert em índices adiciona valores e variabilidade aos dados. Se os pressupostos de normalidade forem cumpridos, a análise com procedimento paramétrico pode ser seguida. Finalmente, a conversão de um instrumento de cinco ou sete categorias para uma variável contínua é possível com uma linha calibrada ou uma barra de trilhos. REFERÊNCIAS Gideon Vigderhous, ldquoO nível de medição e lsquoPermissiblersquo Análise estatística na pesquisa social, rdquo Pacific Sociological Review, vol. 20, No. 1, 1977, pp. 61-72. Ulf Jakobsson, ldquo Apresentação estatística e análise de dados ordinais na pesquisa em enfermagem, rdquo Scandinavian Journal of Caring Sciences, vol. 18, 2004, pp. 437-440. Rensis Likert, ldquoA Técnica para a Medição das Atitudes, rdquo Archives of Psychology, 1932, Vol. 140, nº 55. Jum C. Nunnally, Teoria Psicométrica, McGraw Hill, 1978. Dennis L. Clasen e Thomas J. Dormody, ldquoAnalizando dados medidos por itens individuais de tipo Likert, rdquo Journal of Agricultural Education, vol. 35, No. 4, 1994. BIBLIOGRAFIA Jacoby, Jacob e Michael S. Matell, ldquoThree-Point Likert Scales são suficientes, rdquo Journal of Marketing Research, Vol. 8, nº 4, 1971, pp. 495-500. Jamieson, Susan, ldquoLikert Scales: Como (Ab) usá-los, rdquo Medical Education, Vol. 38, nº 12), 2004, pp. 1,217-1,218. I. ELAINE ALLEN é professora associada de estatística e empreendedorismo no Babson College, em Babson Park, MA. Ela possui doutorado em estatísticas da Universidade Cornell em Ithaca, NY. Allen é um membro sênior da ASQ. CHRISTOPHER A. SEAMAN é doutoranda em matemática no Graduate Center da City University de Nova York.
No comments:
Post a Comment