วิธีใช้มาตราส่วน Likert ในการวิเคราะห์ทางสถิติ

มาตราส่วน Likert มักใช้ในการวิจัยเชิงสำรวจ มักจะใช้เพื่อวัดทัศนคติของผู้ตอบแบบสอบถามโดยถามพวกเขาว่าพวกเขาเห็นด้วยหรือไม่เห็นด้วยกับคำถามหรือข้อความเฉพาะ ระดับทั่วไปอาจเป็น "เห็นด้วยอย่างยิ่งเห็นด้วยไม่แน่ใจ / ไม่แน่ใจไม่เห็นด้วยไม่เห็นด้วยอย่างยิ่ง" ข้อมูลจากการสำรวจโดยใช้ ระดับ Likert อาจดูเหมือนง่ายต่อการวิเคราะห์ แต่มีปัญหาสำคัญที่ต้องพิจารณาโดย นักวิเคราะห์ข้อมูล

1

รับข้อมูลรายการสำหรับการวิเคราะห์ โดยการเข้ารหัสการตอบสนอง ตัวอย่างเช่นสมมติว่าคุณมีแบบสำรวจที่ถามผู้ตอบแบบสอบถามว่าพวกเขาเห็นด้วยหรือไม่เห็นด้วยกับตำแหน่งที่ตั้งอยู่บนแพลตฟอร์มของพรรคการเมือง แต่ละตำแหน่งเป็นคำถามของแบบสำรวจและมาตราส่วนใช้คำตอบต่อไปนี้: เห็นด้วยทั้งหมดยอมรับตกลงเป็นกลางไม่เห็นด้วยไม่เห็นด้วยทั้งหมด ในตัวอย่างนี้เราจะเข้ารหัสคำตอบตามนั้น: ไม่เห็นด้วยอย่างยิ่ง = 1, ไม่เห็นด้วย = 2, เป็นกลาง = 3, เห็นด้วย = 4, เห็นด้วยอย่างยิ่ง = 5

2

อย่าลืมแยกความแตกต่างระหว่างข้อมูลลำดับและข้อมูลช่วงเวลาเนื่องจากทั้งสองประเภทต้องการวิธีการวิเคราะห์ที่แตกต่างกัน หากข้อมูลเป็นอันดับเราสามารถพูดได้ว่าหนึ่งคะแนนสูงกว่าอีก เราไม่สามารถบอกได้ว่าสูงกว่านี้มากเท่าที่เราจะทำได้พร้อมกับข้อมูลช่วงเวลาซึ่งจะบอกระยะห่างระหว่างจุดสองจุดกับคุณ นี่คือกับดักที่มีระดับ Likert: นักวิจัยหลายคนจะถือว่าเป็นสเกลช่วงเวลา นี่ถือว่าความแตกต่างระหว่างแต่ละคำตอบเท่ากันในระยะทาง ความจริงก็คือระดับ Likert ไม่ได้บอกเราว่า ในตัวอย่างของเรามันเพียงบอกเราว่าคนที่มีจำนวนการตอบสนองมากที่สุดจะเห็นด้วยกับตำแหน่งของพรรคมากกว่าคนที่ตอบน้อยที่สุด

3

เริ่มวิเคราะห์ ข้อมูลสเกล Likert ด้วยสถิติเชิงพรรณนา แม้ว่ามันอาจจะดึงดูด แต่ให้ต่อต้านการกระตุ้นให้ใช้คำตอบเชิงตัวเลขและคำนวณค่าเฉลี่ย การเพิ่มคำตอบ "เห็นด้วยอย่างยิ่ง" (5) ลงในคำตอบ "ไม่เห็นด้วย" สองข้อ (2) จะให้ค่าเฉลี่ย 4 กับเรา แต่ความหมายของตัวเลขนั้นคืออะไร โชคดีที่มีมาตรการอื่น ๆ ของแนวโน้มกลางที่คุณสามารถใช้นอกเหนือจากค่าเฉลี่ย ด้วยข้อมูลมาตราส่วน Likert การวัดที่ดีที่สุดที่จะใช้คือโหมดหรือการตอบสนองที่ใช้บ่อยที่สุด สิ่งนี้ทำให้ผลลัพธ์ของการสำรวจง่ายขึ้นมากสำหรับนักวิเคราะห์ที่จะตีความ (ไม่พูดถึงผู้ชมสำหรับการนำเสนอหรือรายงานของเขา) นอกจากนี้คุณยังสามารถดูการกระจายของการตอบสนอง (เปอร์เซ็นต์ที่เห็นด้วยไม่เห็นด้วย ฯลฯ ) บนกราฟเช่นกราฟแท่งที่มีแถบสำหรับแต่ละหมวดหมู่การตอบสนอง

4

ดำเนินการต่อจากเทคนิคการอนุมานที่ทดสอบสมมติฐานที่นำเสนอโดยนักวิจัย มีวิธีการมากมายและที่ดีที่สุดขึ้นอยู่กับลักษณะของการศึกษาและคำถามที่คุณพยายามตอบ วิธีที่นิยมใช้คือการวิเคราะห์คำตอบโดยใช้การวิเคราะห์ความแปรปรวนเช่น การทดสอบ Mann Whitney หรือการทดสอบ Kruskal Wallis สมมติว่าในตัวอย่างของเราเราต้องการวิเคราะห์คำตอบสำหรับคำถามเกี่ยวกับตำแหน่งนโยบายต่างประเทศที่มีเชื้อชาติเป็นตัวแปรอิสระ ลองสมมติว่าข้อมูลของเรามีคำตอบของการสำรวจของ Anglos, African-American และ Hispanics ดังนั้นเราสามารถวิเคราะห์คำตอบในกลุ่มผู้ตอบแบบสอบถามทั้งสามกลุ่มด้วยการทดสอบความแปรปรวน Kruskal Wallis

5

ทำให้ข้อมูลการสำรวจของคุณง่ายขึ้นโดยการรวมหมวดหมู่การตอบกลับสี่หมวด (เช่นเห็นด้วยอย่างยิ่งเห็นด้วยไม่เห็นด้วยไม่เห็นด้วยอย่างยิ่ง) เป็นสองหมวดเล็กน้อยเช่นข้อตกลง / ความไม่เห็นด้วยยอมรับหรือปฏิเสธเป็นต้น ) สิ่งนี้มีความเป็นไปได้อื่น ๆ สำหรับการวิเคราะห์ การทดสอบไคสแควร์ เป็นวิธีการวิเคราะห์ข้อมูลด้วยวิธีนี้

• จำไว้ว่ามีวิธีการวิเคราะห์มากมาย พิจารณาคำถามการวิจัยของคุณเพื่อกำหนดวิธีการวิเคราะห์ที่ดีที่สุดสำหรับการศึกษาของคุณ
• สเกล Likert แตกต่างกันไปตามจำนวนคะแนนในสเกล มาตราส่วนห้าจุดที่ใช้ที่นี่เป็นเรื่องธรรมดาที่สุด แต่สเกล Likert บางตัวมีสเกลการตอบสนอง 4 จุดซึ่งระดับที่ไม่ปลอดภัยถูกตัดออก (หมวดหมู่ที่ไม่แน่ใจ) บางคนถึงกับมีระดับการตอบสนอง 7 จุด