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

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

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

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

equivalentes.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. la fórmula del coeficiente de Spearman-Brown se simplifica a: r= 2r ' 1+ r ' Por ejemplo.) La fórmula de Spearman-Brown sirve para estimar la confiabilidad al alargar o acortar un instrumento.70. la correlación será alta. y r es la confiabilidad de la nueva escala. k=. julianrc@uvm.de Viña del Mar. la confiabilidad estimada del nuevo test será: 2 (.5 si se acorta a la mitad). k=2 si se aumenta al doble.79. k es el tamaño de la nueva escala con respecto a la escala inicial (por ejemplo. se quiere acortar un test de treinta a veinte items. ----------------------------------------------------------------------------------------------------------J.75 1 + (. Se puede ver que en este caso. Está atenuada porque cada parte tiene la mitad de los items del test. Ésta no indica la confiabilidad del instrumento sino la de cada una de las mitades. como cuando sabemos la confiabilidad de las mitades y queremos conocer la del test entero. Por ejemplo.85) 1+ 3 ( ) ( ) en que k = 20/30 = 2/3. Rodríguez Cano. eligiéndolos al azar. (Se sabe que la confiabilidad aumenta al alargar un test.80? La respuesta es 26 items.cl .60) entero será r = = . al aumentar o disminuir el número de items: r= kr ' 1 + (k − 1)r ' en que r’ es la confiabilidad de la escala inicial. si un escala de quince items tiene confiabilidad .60.79 2 − 1 (.85. El nuevo test tendrá una confiabilidad de . ¿cuántos items se estima debería tener para que la confiabilidad fuera . U. si la correlación de las mitades ( r ' ) es . la confiabilidad del test 2(. Si se duplica el tamaño del test.85) 3 r= = . k = 2. Si la confiabilidad del test de treinta items es .

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

más consistente es la escala. En la tabla de datos siguiente. Si es menor.cl . 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. Es simétrica: ----------------------------------------------------------------------------------------------------------J. y s x es la varianza de la escala total. 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. Una escala Likert de cinco items es aplicada a doce personas. Los valores de α van de 0 a 1.70 ó . como en esta salida de Spss. julianrc@uvm. Se presenta abajo una salida de Spss a la que he agregado comentarios. 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’). Rodríguez Cano. 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). ‘de varianza-covarianza’). Se considera que un valor superior a . U.de Viña del Mar. los items están en las columnas y las personas en las líneas.80 es aceptable. Muestra el análisis de la consistencia interna de una escala Likert. si2 es la varianza del ítem i.Cuanto mayores son los valores de las covarianzas y menores los de las varianzas.

4683 Alpha if Item Deleted . pero la última columna (‘Alpha if Item Deleted’) nos dice que puede aumentar a .090909 0. VARIANCE-COVARIANCE MATRIX ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 ITEM1 0.1929 (columna ‘Corrected ItemTotal Correlation’).3333 5. ----------------------------------------------------------------------------------------------------------J.sus triángulos superior e inferior son iguales. U.0000 Variance 9.5374 . Spss muestra sólo uno. julianrc@uvm.8175 .727273 0.2727 Std Dev 3.181818 0. el inferior.181818 ITEM3 ITEM4 ITEM5 0.6667 12. Se puede ver la baja correlación de este ítem con el conjunto de los demás: . Rodríguez Cano.6098 .090909 0.7537 Scale Variance if Item Deleted 5. En la diagonal principal aparecen las varianzas de cada ítem.6364 6.363636 ITEM2 0.628788 0.0000 .0451 N of Variables 5 ---------------------------------------------------------------- ITEM-TOTAL Statistics Scale Mean if Item Deleted ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 Alpha = 11.7537).9091 Corrected ItemTotal Correlation .4167 12.8175 si se elimina el ítem 4.7687 .787879 0.492424 0.090909 0.272727 0.9167 11.de Viña del Mar.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 15.0000 12.1929 .515152 0.9015 7.992424 0.7281 El coeficiente α es aceptable (.cl .7064 .6436 .7197 5.7118 .515152 0.

7656 . después sólo el item 3.4441 .0606 4.6667 8.4743 Alpha if Item Deleted .0000 Variance 7.1143 6.4000 13.6282 .5696 ----------------------------------------------------------------------------------------------------------J. Calcular α a partir de la siguiente matriz de covarianzas.8099 .5282 . después sólo el item 2.6364 Std Dev 2.de Viña del Mar. R E L I A B I L I T Y Scale Mean if Item Deleted ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 Alpha = 14.2652 4. Después calcularlo eliminando sólo el item1.4470 5.4167 8.7066 A N A L Y S I S Scale Variance if Item Deleted 6.7155 . Rodríguez Cano.9167 8.6996 .5333 .8175 Ejercicio 1.5781 .2396 .8286 7.6430 Alpha if Item Deleted .A continuación.6434 . 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 11.5402 .4545 Corrected ItemTotal Correlation .1333 12.7793 . julianrc@uvm.6667 .7634 N of Variables 4 ITEM-TOTAL Statistics Scale Mean if Item Deleted VAR00001 VAR00002 VAR00003 VAR00005 7.0000 Scale Variance if Item Deleted 4.8381 S C A L E (A L P H A) Corrected ItemTotal Correlation .7515 . U.7810 6.2667 4. Item 1 Item 1 Item 2 Item 3 10 5 4 Item 2 5 5 3 Item3 4 3 8 Ejercicio 2.0667 12. Analizar la siguiente salida de Spss para una escala de cinco items.cl .8375 Alpha = .4000 12.

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

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

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

Sign up to vote on this title
UsefulNot useful