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

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

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

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

Si la confiabilidad del test de treinta items es .equivalentes. y r es la confiabilidad de la nueva escala. ----------------------------------------------------------------------------------------------------------J. la correlación será alta.79.80? La respuesta es 26 items.de Viña del Mar. k es el tamaño de la nueva escala con respecto a la escala inicial (por ejemplo.5 si se acorta a la mitad). la confiabilidad del test 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.60.79 2 − 1 (. Está atenuada porque cada parte tiene la mitad de los items del test.85. Rodríguez Cano. k=. como cuando sabemos la confiabilidad de las mitades y queremos conocer la del test entero. ¿cuántos items se estima debería tener para que la confiabilidad fuera .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. Por ejemplo. se quiere acortar un test de treinta a veinte items. Ésta no indica la confiabilidad del instrumento sino la de cada una de las mitades.70. (Se sabe que la confiabilidad aumenta al alargar un test.75 1 + (.cl . Se puede ver que en este caso. U. la confiabilidad estimada del nuevo test será: 2 (. El nuevo test tendrá una confiabilidad de . k=2 si se aumenta al doble.85) 1+ 3 ( ) ( ) en que k = 20/30 = 2/3.) La fórmula de Spearman-Brown sirve para estimar la confiabilidad al alargar o acortar un instrumento. si la correlación de las mitades ( r ' ) es . Si se duplica el tamaño del test.85) 3 r= = . si un escala de quince items tiene confiabilidad . k = 2. julianrc@uvm. eligiéndolos al azar. la fórmula del coeficiente de Spearman-Brown se simplifica a: r= 2r ' 1+ r ' Por ejemplo.60) entero será r = = .

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

Es simétrica: ----------------------------------------------------------------------------------------------------------J. y s x es la varianza de la escala total. si2 es la varianza del ítem i. ‘de varianza-covarianza’). los items están en las columnas y las personas en las líneas. 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’). U. Una escala Likert de cinco items es aplicada a doce personas. En la tabla de datos siguiente.70 ó .de Viña del Mar.cl . Los valores de α van de 0 a 1. julianrc@uvm.Cuanto mayores son los valores de las covarianzas y menores los de las varianzas. Si es menor. Se presenta abajo una salida de Spss a la que he agregado comentarios. 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). 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. más consistente es la escala. Muestra el análisis de la consistencia interna de una escala Likert. como en esta salida de Spss. Se considera que un valor superior a . 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.80 es aceptable. Rodríguez Cano.

090909 0.6364 6.0000 .6667 12.1929 .0451 N of Variables 5 ---------------------------------------------------------------- ITEM-TOTAL Statistics Scale Mean if Item Deleted ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 Alpha = 11.4683 Alpha if Item Deleted .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. Se puede ver la baja correlación de este ítem con el conjunto de los demás: .181818 0.4167 12.sus triángulos superior e inferior son iguales. ----------------------------------------------------------------------------------------------------------J.2727 Std Dev 3.0000 Variance 9.5374 . Rodríguez Cano.090909 0.7197 5.8175 si se elimina el ítem 4. VARIANCE-COVARIANCE MATRIX ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 ITEM1 0.7537).787879 0.6098 .515152 0.090909 0. julianrc@uvm.272727 0.9091 Corrected ItemTotal Correlation .7064 . Spss muestra sólo uno.492424 0.3333 5.1929 (columna ‘Corrected ItemTotal Correlation’).0000 12.7118 .992424 0.363636 ITEM2 0.9015 7. pero la última columna (‘Alpha if Item Deleted’) nos dice que puede aumentar a .515152 0.727273 0.181818 ITEM3 ITEM4 ITEM5 0.6436 .7537 Scale Variance if Item Deleted 5.7687 . el inferior.7281 El coeficiente α es aceptable (.8175 .cl .628788 0. U.de Viña del Mar. En la diagonal principal aparecen las varianzas de cada ítem.9167 11.

2652 4.6282 .5696 ----------------------------------------------------------------------------------------------------------J.4470 5.4545 Corrected ItemTotal Correlation .4000 13.8381 S C A L E (A L P H A) Corrected ItemTotal Correlation .7793 . Después calcularlo eliminando sólo el item1.4167 8. Calcular α a partir de la siguiente matriz de covarianzas.0000 Scale Variance if Item Deleted 4. julianrc@uvm.0606 4.9167 8. después sólo el item 3. R E L I A B I L I T Y Scale Mean if Item Deleted ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 Alpha = 14.7515 . Analizar la siguiente salida de Spss para una escala de cinco items.8099 .7155 .8175 Ejercicio 1.de Viña del Mar.6364 Std Dev 2.2667 4.6667 8. Rodríguez Cano.5781 .4000 12.6434 .0000 Variance 7.8375 Alpha = . Item 1 Item 1 Item 2 Item 3 10 5 4 Item 2 5 5 3 Item3 4 3 8 Ejercicio 2. 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 11.6430 Alpha if Item Deleted .A continuación.7656 .4441 .7634 N of Variables 4 ITEM-TOTAL Statistics Scale Mean if Item Deleted VAR00001 VAR00002 VAR00003 VAR00005 7.cl .5402 .5333 .8286 7.1143 6.4743 Alpha if Item Deleted . U.1333 12.5282 .2396 .7810 6.6667 .0667 12.6996 .7066 A N A L Y S I S Scale Variance if Item Deleted 6. después sólo el item 2.

o sea. julianrc@uvm. con la varianza (piqi) del ítem dicotómico i. y q es la proporción en desacuerdo. Para demostrar esto empecemos calculando el promedio Lo haremos con la siguiente tabla. El promedio de un ítem dicotómico es p y su varianza es pq. la suma de las covarianzas tiene que ser negativa. Esto puede producirse: (1) cuando los items negativos no han sido recodificados. Para que esto ocurra.A veces puede aparecernos un α negativo. p + q = 1. y hay que rehacer la escala. 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. (2) si los items tienen realmente covarianzas negativas porque miden cosas diferentes. La fórmula es similar a α. Rodríguez Cano. si el numerador es mayor que el 2 sx denominador.de Viña del Mar. En la fórmula de α se puede ver que es mayor que 1. p es la proporción de personas de acuerdo con el ítem. en que las frecuencias están expresadas en proporciones (p y q) cuya suma es n = 1. 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’.cl . x 1 0 f p q 1 fx p 0 p ----------------------------------------------------------------------------------------------------------J. por lo tanto. con puntajes 1 y 0 respectivamente. U.

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

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