Universidad de Viña del Mar Escuela de Ciencias Sociales Carrera de Sociología

TECNICAS CUANTITATIVAS ESCALA LIKERT

La escala Likert, creada en 1932 por el psicólogo norteamericano Rensis Likert (1903-1981), es el instrumento más usado para medir actitudes. La escala Likert es un conjunto de aseveraciones (items) ante las cuales la persona expresa su grado de acuerdo o desacuerdo o indecisión. Cada ítem tiene habitualmente cinco opciones de respuesta: Muy de acuerdo (MA), De acuerdo (A), Indeciso (I), En desacuerdo (D) y Muy en desacuerdo (MD). No hay respuestas correctas o incorrectas. Hay items positivos, que expresan actitud positiva hacia el objeto, e items negativos, que expresan actitud negativa hacia el objeto. Si estamos midiendo actitud hacia la televisión, un ítem positivo sería “la televisión sirve para estar al día en muchos temas” y uno negativo sería “ver televisión es perder el tiempo”. Es conveniente que la escala tenga ambos tipos de items para controlar la tendencia a estar de acuerdo con las aseveraciones o a contestar mecánicamente. Los puntajes van de 1 a 5, dando mayor puntaje a la opción de respuesta que indica actitud positiva hacia el objeto. Si el ítem es positivo, la opción MA recibe 5 puntos; si es negativo, la opción MD recibe 5 puntos. En el ejemplo del párrafo anterior, recibe puntajes máximos quien está muy de acuerdo con que la televisión sirve para estar al día, y muy en desacuerdo con que ver televisión es perder el tiempo. El puntaje de una persona en la escala es la suma de los puntajes que ha obtenido en los items. A mayor puntaje en la escala, más positiva es su actitud. La escala Likert se aplica habitualmente como parte de un cuestionario, que puede contener varias escalas y otros instrumentos. La escala Likert es una escala sumatoria: sus puntajes son la suma de los puntajes de los items. Otras escalas sumatorias son las de items con opciones de respuesta de 0 a 10, y las de items dicotómicos (1=sí, 0=no). La escala Likert fue diseñada para medir actitudes pero, por lo fácil que es construirla, contestarla y analizarla, y porque sus propiedades psicométricas (validez, confiabilidad) son relativamente fáciles de evaluar, es usada para medir opiniones, percepciones, valores, aspectos de personalidad y otras variables. Por ejemplo, la ----------------------------------------------------------------------------------------------------------J. Rodríguez Cano, U.de Viña del Mar, julianrc@uvm.cl

‘nunca’. Las diferencias en los extremos de la escala no se detectan con items extremos sino con el uso de las opciones de respuesta de los items. mayor será la confiabilidad. palabras como ‘todos’. es problemático aplicarla a niños o a personas de muy bajo nivel educacional o con grados de analfabetismo. Evitar items que contengan dos o más aseveraciones. Esto depende de las características de las personas a las que se les va a aplicar y del lugar donde se hará. Aquí hay unas cuantas: • • • • Evitar aseveraciones que se refieran a hechos del pasado. Rodríguez Cano. Las personas suelen contestar tratando de ser consistentes con su actitud actual. ‘principalmente’. ‘nadie’. con palabras simples. Aunque la confiabilidad de una escala aumenta al tener más items. También se supone que una escala mide una sola dimensión y esto es menos sostenible al haber más items.de Viña del Mar. estar escritos en forma directa. ----------------------------------------------------------------------------------------------------------J. “bien”. • • • ¿Cuántos items debe tener una escala? No se recomienda más de quince o veinte items. etc. Revelan en parte el deber ser. ‘ninguno’. “regular”. Por otra parte.pregunta “¿Qué le pareció la selección de fútbol en el último partido?” puede tener las opciones de respuesta “muy bien”. en que todos o nadie estarán de acuerdo. es preferible dos items con una cada uno. el aumento va disminuyendo al agregar (ver más adelante el coeficiente Spearman-Brown). ‘siempre’. ‘solamente’.cl . En general. suelen idealizar el pasado o inventarlo. julianrc@uvm. Los items deben ser cortos. la sacan de contexto real. U. Evitar items extremos. entendibles y familiares para el que contesta. con puntajes 5 a 1 respectivamente. Hay varias recetas para escribir items. por lo tanto. Un problema de esta escala radica en el elemento conductual de las actitudes: es la distancia que hay entre la respuesta a palabras escritas en un papel y la conducta real. en un contexto con muchos otros elementos. y similares. No usar. “mal” y “muy mal”. La conducta se da en una situación concreta. Evitar aseveraciones de hechos objetivos o de conocimientos. Son la respuesta verbal a una situación simbólica. no equivalente a la respuesta escrita. Si simplemente no recuerdan. Las palabras aíslan la conducta. Una escala larga puede aburrir y hacer que las respuestas al resto de la escala no sean contestadas o lo sean mecánicamente. Pero no tenemos mejor alternativa: una buena medición debe contextualizar lo más posible el estímulo que aparece en el papel. En vez de un ítem con dos aseveraciones. Una limitación de toda medición en papel es que exige un grado mínimo de comprensión de lectura. salvo que se justifique. Los items extremos no discriminan y. Evitar palabras como ‘sólo’. no entregan información. porque el error sistemático tenderá a compensarse. cuantos más items haya.

de Viña del Mar. se les considera cuantitativas porque tienen más de tres categorías de respuesta. contestan los items e indican qué problemas han tenido al hacerlo. (Crear más de los necesarios. Construcción de items. cuantitativa. en que la actitud que la subyace es continua. Se aplica la escala. Aplicar un pretest. Esto se justifica además. 2.) 3. se modifican. 5. de características similares a los que se les va a aplicar la escala definitiva. Esto se hace porque.Las etapas en la construcción de la escala son: 1. Para cada persona se suman los puntajes que obtuvo en los items. expresada en el puntaje de la escala. Para evaluarlo se pueden tomar los grupos de los cuartiles extremos (4° y 1°) en el puntaje total y comparar sus promedios en el ítem mediante un Anova. ANALISIS DE LOS ITEMS El análisis de los items sirve para determinar cuáles se mantendrán en la escala y cuáles se han de eliminar. Rodríguez Cano. teóricamente. Se analizan los items. Los sujetos del pretest. U.cl . para posibles reemplazos. La suma es su puntaje en la escala. Otra forma de hacerlo es correlacionar los puntajes del ítem y la escala. Un ítem discrimina si separa a los sujetos en el ítem en forma similar a como los separa en la actitud. Definir el concepto nominal y operacionalmente. aunque las opciones de respuesta de los items son variables ordinales. la validez y confiabilidad de la escala y. ----------------------------------------------------------------------------------------------------------J. Likert indica algunas posibles causas de que un ítem no discrimine: • Es poco entendible. Escribir items positivos y negativos. si corresponde. julianrc@uvm. 4. Se espera que los items discriminen y que se correlacionen positivamente entre sí.

si son ----------------------------------------------------------------------------------------------------------J. probablemente su correlación con la escala será baja. que correlaciona los puntajes de las dos mitades del test. julianrc@uvm. Un ítem que discrimina adecuadamente está también correlacionado con los demás items y con la escala. da doble ponderación al aspecto medido. la consistencia interna. que es la suma de los items. su correlación con la escala no será 0 porque el ítem es parte de la escala. Sin embargo. Esta atenuación también ocurre cuando se disminuye el número de opciones de respuesta de los items. Un ítem poco correlacionado no aporta a la escala y disminuye su validez y su confiabilidad. Si la correlación es negativa hay que considerar invertir su codificación. Es respondido igual (o casi igual) por todo el grupo. Se verá aquí otra forma de confiabilidad. como el ‘split-half’. produzca resultados similares.• • Se refiere a algo diferente del resto de los items (por lo tanto. Rodríguez Cano. Cuando hay pocos items conviene correlacionar cada ítem con la escala sin el ítem. y de cada uno con los demás. La correlación disminuye si los items tienen poca varianza. Los items deben estar correlacionados entre sí. Un peligro al eliminar muchos items es que algunas dimensiones pueden quedar con muy pocos items o con ninguno. el mismo concepto. conviene eliminar uno porque está midiendo lo mismo que el otro. U. Los items que están poco correlacionados miden cosas diferentes. quiere decir que miden lo mismo. es extremadamente alta.cl . de manera que sea indiferente cuál parte del instrumento usamos en nuestra medición. además. Un ítem debe ser también eliminado si está correlacionado positivamente con algunos items y negativamente con otros. Esto se da habitualmente en items muy extremos. mayor es la medición común del concepto. Los primeros métodos usados fueron los de equivalencia. CONFIABILIDAD: CONSISTENCIA INTERNA Se han analizado antes dos formas de confiabilidad: la estabilidad del instrumento y el grado de acuerdo entre jueces. Además de alargar inútilmente la escala. personas en diferentes posiciones de la escala tienen igual probabilidad de estar de acuerdo). si la correlación entre dos items. Se deben eliminar los items que están poco correlacionados con los demás y con la escala. deben estar también correlacionados con la escala. Si miden lo mismo. La consistencia interna de un instrumento consiste en que cada parte de la escala mida lo mismo. especialmente aplicable a escalas y tests. Si dos items están correlacionados. Cuanto más alta es la correlación. Por lo tanto. Hay que tener presente que aunque un ítem no esté correlacionado con ninguno otro.de Viña del Mar.

80? La respuesta es 26 items.79. la fórmula del coeficiente de Spearman-Brown se simplifica a: r= 2r ' 1+ r ' Por ejemplo. la confiabilidad del test 2(.60) Se puede también usar la fórmula de Spearman-Brown para estimar cuántos items se necesitan para conseguir una determinada confiabilidad: k= r (1 − r ') r '(1 − r ) Por ejemplo. Si se duplica el tamaño del test. Se puede ver que en este caso.60.de Viña del Mar. Si la confiabilidad del test de treinta items es . julianrc@uvm. Rodríguez Cano. U. ¿cuántos items se estima debería tener para que la confiabilidad fuera . (Se sabe que la confiabilidad aumenta al alargar un test. si la correlación de las mitades ( r ' ) es .5 si se acorta a la mitad).cl . Ésta no indica la confiabilidad del instrumento sino la de cada una de las mitades. eligiéndolos al azar. ----------------------------------------------------------------------------------------------------------J. la confiabilidad estimada del nuevo test será: 2 (.79 2 − 1 (. k=2 si se aumenta al doble.70.85) 3 r= = .) La fórmula de Spearman-Brown sirve para estimar la confiabilidad al alargar o acortar un instrumento. Por ejemplo. la correlación será alta. como cuando sabemos la confiabilidad de las mitades y queremos conocer la del test entero. k=.85. si un escala de quince items tiene confiabilidad .85) 1+ 3 ( ) ( ) en que k = 20/30 = 2/3.75 1 + (.equivalentes. k es el tamaño de la nueva escala con respecto a la escala inicial (por ejemplo. El nuevo test tendrá una confiabilidad de .60) entero será r = = . Está atenuada porque cada parte tiene la mitad de los items del test. k = 2. al aumentar o disminuir el número de items: r= kr ' 1 + (k − 1)r ' en que r’ es la confiabilidad de la escala inicial. se quiere acortar un test de treinta a veinte items. y r es la confiabilidad de la nueva escala.

Esto se puede superar correlacionando los puntajes de los items pares e impares. que van en la misma dirección. Los elementos de la matriz de covarianzas son las varianzas en la diagonal principal y las covarianzas en los dos triángulos (arriba y abajo de la diagonal principal). Las covarianzas indican consistencia de los items. dado que la ubicación de los items en la escala es arbitraria. Si x es la suma de k elementos. Es una matriz simétrica porque los dos triángulos son iguales. la varianza de x es igual a la suma de la varianza de x1 más la de x2 más dos veces la covarianza de x1 y x2 . julianrc@uvm. ----------------------------------------------------------------------------------------------------------J. Mide el grado en que los items son consistentes.cl . se puede decir que es varianza ‘buena’. en que miden lo mismo. Ésta crece en menor proporción. la varianza es la suma de las varianzas de los k items más dos veces la suma de las covarianzas de todos los pares de items. Si una escala Likert tiene dos items. Los items pueden variar conjuntamente con otros items (covarianzas) o separadamente (varianzas). U. Esto se debe al factor ‘techo’: r no puede ser mayor de 1. sino de una manera más fácil. se puede decir que es varianza ‘mala’. usando la matriz de covarianza de los items. su varianza es: s = ∑ s + 2∑ 2 x i =1 2 i i =1 k k ∑ Cov j=1 k ij . y es aun menor al continuar aumentando k. pueden haber muchas correlaciones. el promedio de estas correlaciones es numéricamente igual al coeficiente α creado por Lee Cronbach en los años 50. en que i<j. las varianzas indican variación no compartida por los items. El coeficiente α es la medida más usada para medir confiabilidad de escalas y tests. las varianzas indican inconsistencia.de Viña del Mar. y también menor cuanto mayor sea r. Si hay k items. La objeción que se hace al método de ‘split-half’ es que el cansancio o la reactividad pueden hacer diferentes las respuestas de cada mitad. Pero. El cálculo de α no se realiza correlacionando todos los pares de mitades. Las covarianzas indican variación compartida por los items. su varianza es la suma de las varianzas de cada ítem más dos veces su covarianza. La suma de todos los elementos de la matriz es igual a la varianza de la escala. Es sabido que si x = x1 + x2 . Si se parte un test en todos las posibles pares de mitades y se calcula una correlación para cada par. Rodríguez Cano. En la diagonal principal.No hay una relación proporcional entre el aumento del largo del test y el aumento de la confiabilidad.

Una escala Likert de cinco items es aplicada a doce personas. Es simétrica: ----------------------------------------------------------------------------------------------------------J. Los valores de α van de 0 a 1. La fórmula de α es: k ⎛ 2 ⎞ ⎜ ∑ si ⎟ k ⎜1 − i=1 2 ⎟ α= k −1⎜ sx ⎟ ⎜ ⎟ ⎝ ⎠ en que k es el número de items. ‘de varianza-covarianza’). Rodríguez Cano.80 es aceptable. ITEMS 1 3 4 4 3 2 3 4 4 3 2 3 5 2 2 2 3 2 1 1 4 3 3 3 3 4 3 1 2 2 2 1 2 3 3 2 1 3 3 4 4 4 5 5 4 3 5 5 4 3 3 3 5 3 4 3 2 2 3 3 4 4 2 3 3 2 -------------------------------------------------------------Se muestra a continuación la matriz de covarianzas (llamada a veces. pueden desecharse los items que menos aportan a la confiabilidad de la escala (la salida de Spss indica qué pasaría si se eliminara cada ítem). En la tabla de datos siguiente. los items están en las columnas y las personas en las líneas. si2 es la varianza del ítem i. La fórmula contiene un factor de corrección (k / k-1) y la proporción de varianza ‘buena’ (igual a uno menos la proporción de varianza ‘mala’). julianrc@uvm. como en esta salida de Spss. más consistente es la escala.70 ó . y s x es la varianza de la escala total. Muestra el análisis de la consistencia interna de una escala Likert. Si es menor.Cuanto mayores son los valores de las covarianzas y menores los de las varianzas. U. Se presenta abajo una salida de Spss a la que he agregado comentarios.de Viña del Mar. Se considera que un valor superior a .cl .

4167 12.090909 0. ----------------------------------------------------------------------------------------------------------J.sus triángulos superior e inferior son iguales.1929 (columna ‘Corrected ItemTotal Correlation’).492424 0.628788 0.5374 .363636 ITEM2 0.7537).0000 Variance 9.1929 .7687 . Se puede ver la baja correlación de este ítem con el conjunto de los demás: . Spss muestra sólo uno. pero la última columna (‘Alpha if Item Deleted’) nos dice que puede aumentar a .0000 12.7281 El coeficiente α es aceptable (.7537 Scale Variance if Item Deleted 5.7197 5.515152 0. el inferior. julianrc@uvm.090909 0.6098 .cl .992424 0. VARIANCE-COVARIANCE MATRIX ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 ITEM1 0.0000 .8175 si se elimina el ítem 4. U.3333 5.181818 0.4683 Alpha if Item Deleted .de Viña del Mar.181818 ITEM3 ITEM4 ITEM5 0.9015 7. En la diagonal principal aparecen las varianzas de cada ítem. Rodríguez Cano.2727 Std Dev 3.8175 .7118 .727273 0.545455 --------------------------------------------------------------- R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A) Statistics for SCALE Mean 15.6667 12.6436 .0451 N of Variables 5 ---------------------------------------------------------------- ITEM-TOTAL Statistics Scale Mean if Item Deleted ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 Alpha = 11.272727 0.515152 0.9091 Corrected ItemTotal Correlation .6364 6.090909 0.9167 11.7064 .787879 0.

6667 .8175 Ejercicio 1. después sólo el item 3. después sólo el item 2.1143 6.2396 .4000 13. julianrc@uvm.8381 S C A L E (A L P H A) Corrected ItemTotal Correlation .8286 7.6364 Std Dev 2.0606 4.1333 12.A continuación.6667 8.6282 .6434 .7066 A N A L Y S I S Scale Variance if Item Deleted 6.4470 5.5333 . los cambios que ha producido la eliminación del ítem 4: R E L I A B I L I T Y A N A L Y S I S S C A L E (A L P H A) Statistics for SCALE Mean 11.5696 ----------------------------------------------------------------------------------------------------------J.6996 .2652 4.7793 . R E L I A B I L I T Y Scale Mean if Item Deleted ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 Alpha = 14.9167 8.cl .0000 Variance 7. Item 1 Item 1 Item 2 Item 3 10 5 4 Item 2 5 5 3 Item3 4 3 8 Ejercicio 2.4545 Corrected ItemTotal Correlation .7634 N of Variables 4 ITEM-TOTAL Statistics Scale Mean if Item Deleted VAR00001 VAR00002 VAR00003 VAR00005 7. Calcular α a partir de la siguiente matriz de covarianzas.6430 Alpha if Item Deleted .4441 . Después calcularlo eliminando sólo el item1.7810 6.5402 .8099 .2667 4.7155 .8375 Alpha = .0667 12.4000 12.de Viña del Mar.7656 .5282 . Analizar la siguiente salida de Spss para una escala de cinco items.4743 Alpha if Item Deleted .4167 8. U.0000 Scale Variance if Item Deleted 4.7515 .5781 . Rodríguez Cano.

esto es posible sólo si ∑s i =1 k 2 i El coeficiente KR20 de Kuder-Richardson es usado para medir la consistencia interna de escalas de items dicotómicos. En la fórmula de α se puede ver que es mayor que 1. Para que esto ocurra. El promedio de un ítem dicotómico es p y su varianza es pq. (2) si los items tienen realmente covarianzas negativas porque miden cosas diferentes.A veces puede aparecernos un α negativo. con la varianza (piqi) del ítem dicotómico i. en que las frecuencias están expresadas en proporciones (p y q) cuya suma es n = 1. con puntajes 1 y 0 respectivamente. p + q = 1. o sea. p es la proporción de personas de acuerdo con el ítem. y q es la proporción en desacuerdo. Para demostrar esto empecemos calculando el promedio Lo haremos con la siguiente tabla. k ⎛ ⎞ ⎜ ∑ pi q i ⎟ k ⎜1 − i=1 2 ⎟ KR20 = k −1⎜ sx ⎟ ⎜ ⎟ ⎝ ⎠ Una escala de items dicotómicos presenta aseveraciones y las personas optan por las respuestas ‘sí’ o ‘no’. La fórmula es similar a α. x 1 0 f p q 1 fx p 0 p ----------------------------------------------------------------------------------------------------------J. U. si el numerador es mayor que el 2 sx denominador. por lo tanto.de Viña del Mar.cl . julianrc@uvm. Esto puede producirse: (1) cuando los items negativos no han sido recodificados. la suma de las covarianzas tiene que ser negativa. Rodríguez Cano. y hay que rehacer la escala.

F.X )2 pq2 p2q pq(p+q) Dado que p+q=1. o muy cercanos a ellos. no se puede decir que tenga una actitud positiva o negativa. creado unos quince años después. significa que es una variable cuantitativa. la varianza de un ítem dicotómico es: s2 = Σ f ( x − X ) 2 pq = = pq n 1 El coeficiente KR20 fue creado por G.60. más positiva es su actitud. La fórmula de la varianza en tablas de frecuencia es: s = n x 1 0 f p q 1 x.X q -p (x . Demostremos que la varianza de un ítem dicotómico es pq usando la siguiente ∑ f ( x − X )2 2 tabla. que el resultado sea interpretable. Hay que recordar que esto es posible sólo si los valores asignados a las respuestas son 1 (sí) y 0 (no). Richardson a fines de los años 30.cl . W. y que n=1. si el promedio = p = . quiere decir que 60 % de las personas está de acuerdo. n 1 El promedio de un item dicotómico es la proporción de casos de acuerdo con el ítem. INTERPRETACION DE PUNTAJES La escala Likert diferencia personas: a mayor puntaje.El promedio de la variable dicotómica es: X = ∑ fx = p = p . Salvo que una persona tenga el puntaje máximo o el mínimo.de Viña del Mar. U. Que tenga sentido calcular el promedio de una variable dicotómica. Por lo tanto. El coeficiente α de Cronbach. Rodríguez Cano. Kuder y M. sino con respecto al grupo. no es posible interpretar un puntaje en forma absoluta. Sin embargo. No existe un puntaje ----------------------------------------------------------------------------------------------------------J.X )2 q2 p2 f (x . julianrc@uvm. es una generalización del KR20 para todo tipo de items.

U. Los datos que produce son fáciles de manejar usando programas estadísticos. Aplicada en un cuestionario. El costo por persona es relativamente bajo. grande(s) y representativa(s) de una población específica. En este caso se habla de establecer normas. lo que disminuye sus problemas de confiabilidad: las personas reciben los items presentados de la misma manera. Esto hace inncecesario formular items extremos (que además no discriminan) para detectar diferencias. Como los items no consisten en preguntas sino en aseveraciones. no lo es el puntaje central de la escala (el punto medio entre el mínimo y el máximo posibles). la escala muestra las diferencias entre las actitudes de las personas. que habitualmente contienen los coeficientes necesarios para evaluar las propiedades de la escala. Como cada ítem tiene varias opciones y los puntajes de los items se suman. y sirven para comparar. sirven para comparar. los valores son referidos al grupo.cl . Si la escala tiene buena validez y confiabilidad. sino con lo que podría ser considerada la población. Tampoco estar sobre la mediana de los puntajes del grupo indica una actitud positiva. • • • • • ----------------------------------------------------------------------------------------------------------J. la persona se siente más libre para opinar sobre temas comprometedores. VENTAJAS DE LA ESCALA LIKERT • Es un instrumento estructurado. Los puntajes. con igual introducción. formato y opciones de respuesta. no ya con el grupo o muestra.de Viña del Mar. julianrc@uvm. se pueden asociar puntajes a percentiles. Si se aplica la escala a una o más muestras. Puede abarcarse a gran cantidad de personas. Rodríguez Cano. es rápida y barata.neutral. puede ser usada como instrumento permanente. La ‘responsabilidad’ de lo afirmado en la aseveración se traslada del entrevistado al entrevistador. sólo que se está en la mitad de la muestra que tiene una actitud más favorable (o menos desfavorable). recomendaciones. Cuando los puntajes son estandarizados (se transforman a desviaciones standard: puntaje z). que permiten interpretar puntajes refiriéndolos a la población. expresados en percentiles. Se dice que la escala ha sido estandarizada.

Sign up to vote on this title
UsefulNot useful