Machine Translated by Google
ESTADÍSTICAS
MESA REDONDA
Escalas de Likert y análisis de datos
por I. Elaine Allen y Christopher A. Seaman
S
Las encuestas se utilizan sistemáticamente para
medir la calidad. Por ejemplo,
Se pueden utilizar encuestas para medir
percepción del cliente de la calidad del producto
o desempeño de la calidad en el servicio
entrega.
Las escalas de Likert son clasificaciones comunes
formato para encuestas. Clasificación de los encuestados
calidad de mayor a menor o mejor a
peor usando cinco o siete niveles.
Los estadísticos generalmente han agrupado
datos recopilados de estas encuestas en
una jerarquía de cuatro niveles de medición:
1. Datos nominales: el nivel más débil
de medida que representa
categorías sin número
representación.
2. Datos ordinales: Datos en los que un
ordenar o clasificar las respuestas
es posible pero no hay medida de
la distancia es posible.
3. Datos de intervalo: generalmente enteros
datos en los que es posible ordenar y
medir distancias.
4. Datos de razón: Datos en los que el
ordenamiento significativo, la distancia, los
decimales y las fracciones entre
Las variables son posibles.
Los análisis de datos que utilizan datos
nominales, de intervalo y de razón son generalmente
directa y transparente.
Análisis de datos ordinales, particularmente
en lo que se refiere a Likert u otras escalas en
encuestas, no lo son. esto no es nuevo
tema. La idoneidad de tratar los datos ordinales
como datos de intervalo continúa
ser controvertido en los análisis de encuestas en
una variedad de campos aplicados.1, 2
Una razón subyacente para analizar
datos ordinales como los datos de intervalo podrían ser
TABLA 1 Categorías de respuesta de la escala de Likert
Escala 1 2
Nunca Raramente
Totalmente de acuerdo Aceptar
Lo más importante Importante
64 I JULIO 2007 I www.asq.org
el argumento de que las pruebas estadísticas
paramétricas (basadas en el límite central
teorema) son más poderosos que
alternativas no paramétricas. Además, se podrían
considerar las conclusiones e interpretaciones de
las pruebas paramétricas.
¿Puede este método
ser usado como intervalo
¿medidas?
más fácil de interpretar y proporcionar más
información que las alternativas no paramétricas.
Sin embargo, tratar los datos ordinales como
datos de intervalo (o incluso razón) sin
examinar los valores del conjunto de datos
y los objetivos del análisis pueden
engañar y tergiversar la
conclusiones de una encuesta. para examinar el
análisis apropiados de datos escalares
y cuando sea preferible tratar los datos ordinales
como datos de intervalo, nos concentraremos en
las escalas de Likert.
Conceptos básicos de las escalas de Likert
Las escalas de Likert se desarrollaron en
1932 como el familiar bipolar de cinco puntos
respuesta que la mayoría de la gente conoce
con hoy.3 Estas escalas van desde un
grupo de categorías—de menor a mayor—
pedirle a la gente que indique cuánto
están de acuerdo o en desacuerdo, aprueban o
desaprueba, o cree que es verdad o
falso. Realmente no hay una manera incorrecta de
construir una escala tipo Likert. lo mas importante
3 4 5
A veces a menudo Siempre
Neutral Discrepar Muy en desacuerdo
Neutral Sin importancia No es importante en absoluto
Escala Likert
TABLA 2
Ejemplo
En comparación con el aprendizaje presencial, los resultados
del aprendizaje en línea son actualmente:
2003 2004 2006
Superior 0,6% 1% 1,8%
Algo superior 11,5% 10% 15,1%
Mismo 50,6% 50,6% 45%
Algo inferior 28,4% 28,4% 30,3%
Inferior 10,1% 10,1% 7,8%
Fuente: I. Elaine Allen y JR Seaman, “Making
el Grado: Educación en Línea en los Estados Unidos,”
www.sloan-c.org, 2006.
consideración importante es incluir al menos
cinco categorías de respuesta. Algunos ejemplos
de grupos de categorías aparecen en
Tabla 1.
Los extremos de la escala a menudo son
aumentado para crear una escala de siete puntos
agregando "muy" a la parte superior respectiva
y la parte inferior de las escalas de cinco puntos.
La escala de siete puntos se ha mostrado
alcanzar los límites superiores de la escala
confiabilidad.4 Como regla general, Likert
y otros recomiendan que es mejor
utilizar una escala lo más amplia posible. Tú
siempre puede colapsar las respuestas en
categorías condensadas, en su caso,
para analizar.
Con eso en mente, las escalas a veces se
truncan a un número par de
categorías (típicamente cuatro) para eliminar
la opción “neutral” en un “forzado”
Escala de encuesta de elección. Rensis Likert
el documento original identifica claramente allí
podría ser un continuo subyacente
variable cuyo valor caracteriza
opiniones o actitudes de los encuestados
y esta variable subyacente es el nivel de intervalo,
en el mejor de los casos.5
Análisis, Generalización
A índices continuos
Como regla general, la media y la desviación
estándar son parámetros no válidos.
para estadísticas descriptivas siempre que
Machine Translated by Google
los datos están en escalas ordinales, al igual que cualquier
análisis paramétricos basados en la distribución
normal. Procedimientos no paramétricos—
basados en el rango, la mediana
o rango—son apropiados para analizar estos
datos, al igual que la distribución libre
métodos tales como tabulaciones, frecuencias,
tablas de contingencia y estadísticas de chi
cuadrado.
Los modelos de Kruskall-Wallis pueden proporcionar
el mismo tipo de resultados que un análisis
de varianza, pero basado en los rangos
y no los medios de las respuestas.
Dado que estas escalas son representativas
de una medida continua subyacente,
Una recomendación es analizar
como datos de intervalo como piloto antes
para reunir la medida continua.
La Tabla 2 incluye un ejemplo de conclusiones
erróneas, que muestra la
resultados del estudio anual Alfred P. Sloan
Encuesta de la fundación sobre la calidad y
alcance del aprendizaje en línea en los Estados Unidos
estados Los encuestados utilizaron una escala de Likert
evaluar la calidad del aprendizaje en línea en
comparación con el aprendizaje presencial.
Mientras que más del 60% de los encuestados
aprendizaje en línea percibido como igual a
o mejor que cara a cara, hay una
minoría persistente que percibía
el aprendizaje en línea como al menos algo
inferior. Si estos datos fueran analizados
utilizando medios, con una escala del 1 al 5
de inferior a superior, esta separación se
perdería, dando medios de
2.7, 2.6 y 2.7 para estos tres años,
respectivamente. Esto indicaría un
acuerdo ligeramente inferior al promedio
en lugar de la distribución real de
las respuestas.
Un ejemplo más extremo sería
colocar a todos los encuestados en el
extremos de la escala, dando como resultado un
significa "igual" pero completamente
interpretación diferente de las respuestas reales.
¿Bajo qué circunstancias podría
¿Se pueden usar escalas de Likert con procedimientos
de intervalo? Supongamos que los datos de clasificación
incluyó una encuesta de ingresos que midió $0,
$25,000, $50,000, $75,000 o
$ 100,000 exactamente, y estos se midieron
como "bajo", "medio" y "alto".
El "intervalo" aquí es un
atributo de los datos, no de las etiquetas.
Además, el elemento de escala debe ser al menos
cinco y preferiblemente siete categorías.
Otro ejemplo de análisis
Escalas de Likert como valores de intervalo es
cuando los conjuntos de elementos de Likert pueden ser
FIGURA 1 Barra de seguimiento
Ejemplos
Fuentes:
MSDN, http://msdn.microsoft.com/library/default.
asp?url=/library/en-us/shellcc/plataforma/commctls/
barra de seguimiento/barra de seguimiento.asp
DevX, http://archive.devx.com/dhtml/articles/
nm061102/Mano.html
combinados para formar índices. Sin embargo,
hay una fuerte advertencia a esto
enfoque: la mayoría de los investigadores insisten en que
combinaciones de escalas pasan el
El alfa de Cronbach o la prueba Kappa de
intercorrelación y validez.
Además, la combinación de escalas para
formar un índice de nivel de intervalo asume
esta combinación forma un subyacente
característica o variable.
Alternativa Continua
Medidas para Balanzas
Alternativas al uso de un formal
La escala de Likert puede ser el uso de una
línea continua o barra de seguimiento. Para
medir el dolor, se puede utilizar una línea de 100 mm
en una encuesta en papel para medir
lo peor de lo mejor de lo mejor nunca, lo que produce doctorado en estadística de la Universidad de Cornell en
una medida de intervalo continuo.
En la llegada de muchas encuestas en línea,
esto se puede hacer con barras de seguimiento
similares a los ilustrados en la figura 1.
Los encuestados aquí pueden calibrar
sus respuestas a intervalos continuos que
pueden ser capturados por la encuesta
software como valores continuos.
Conclusión
Tu análisis inicial del escalar de Likert
los datos no deben involucrar datos paramétricos
estadísticas, pero debe basarse en la naturaleza
ordinal de los datos. Mientras Likert
Las variables de escala generalmente representan una
medida continua subyacente,
el análisis de elementos individuales debe
utilizar procedimientos paramétricos sólo como
análisis piloto.
La combinación de escalas de Likert en
índices agrega valores y variabilidad a la
datos. Si los supuestos de normalidad
se cumplen, se puede seguir el análisis con
procedimiento paramétrico. Finalmente, convertir
una categoría de cinco o siete
instrumento a una variable continua es
posible con una línea o pista calibrada
bar.
REFERENCIAS
1. Gideon Vigderhous, “El nivel de
Medición y Estadística 'Permisible'
Análisis en la Investigación Social”, Pacific Sociological
Revisión, vol. 20, N° 1, 1977, págs. 61-72.
2. Ulf Jakobsson, “Presentación estadística y
Análisis de datos ordinales en la investigación en enfermería”,
Revista escandinava de ciencias del cuidado, vol. 18,
2004, págs. 437-440.
3. Rensis Likert, “Una técnica para la
Medición de Actitudes”, Archivos de
Psicología, 1932, vol. 140, núm. 55.
4. Jum C. Nunnally, Teoría Psicométrica,
McGrawHill, 1978.
5. Dennis L. Clasen y Thomas J. Dormody,
"Análisis de datos medidos por elementos individuales de
tipo Likert", Revista de educación agrícola,
Vuelo. 35, No. 4, 1994.
BIBLIOGRAFÍA
Jacoby, Jacob y Michael S. Matell,
“Las escalas de Likert de tres puntos son buenas
Suficiente”, Revista de Investigación de Mercados,
Vol. 8, No. 4, 1971, pp. 495-500.
Jamieson, Susan, “Escalas de Likert: Cómo
(Ab)úselos”, Educación médica, vol.
38, núm. 12), 2004, págs. 1217-1218.
I. ELAINE ALLEN es profesora asociada de
estadísticas y emprendimiento en Babson
Universidad en Babson Park, MA. Tiene un
Ítaca, Nueva York. Allen es un miembro senior de ASQ.
CHRISTOPHER A. SEAMAN es doctor
estudiante de matemáticas en el Graduate Center
de la Universidad de la Ciudad de Nueva York.
Por favor
comentario
Si desea comentar sobre esto
artículo, publique sus comentarios en
la Progreso de calidad Discusión
Junta en www.asq.org, o correo electrónico
a editor@asq.org.
PROGRESO DE LA CALIDAD I JULIO DE 2007 I 65