Wat is een Likert-schaal?
Definitie: Een Likert-schaal is een unidimensionale schaal die onderzoekers gebruiken om de attitudes en meningen van respondenten te verzamelen. Onderzoekers gebruiken deze psychometrische schaal vaak om inzicht te krijgen in de opvattingen en perspectieven ten aanzien van een merk, product of doelmarkt. Verschillende varianten van Likert-schalen zijn rechtstreeks gericht op het meten van de meningen van mensen, zoals de Guttman-schaal, de Bogardus-schaal en de Thurstone-schaal. De psycholoog Rensis Likert maakte een onderscheid tussen een schaal die ontstaat uit een verzameling antwoorden op een groep items (misschien 8 of meer). De antwoorden worden gemeten in een bereik van waarden.
Voorbeeld van een Likert-schaal:
Bij voorbeeld, om productfeedback te verzamelen, gebruikt de onderzoeker een Likert-schaalvraag in de vorm van een dichotome optievraag. Hij/zij formuleert de vraag als “Het product was een goede aankoop” met de opties eens of oneens. De andere manier om deze vraag te formuleren is: “Geef aan in welke mate u tevreden bent over de producten”, waarbij de opties variëren van zeer ontevreden tot zeer tevreden.
Bij het beantwoorden van een item op de Likert-schaal, reageert de gebruiker expliciet op basis van het niveau van instemming of onenigheid. Met deze schalen kan het niveau van instemming of onenigheid van de respondenten worden vastgesteld. De Likert-schaal gaat ervan uit dat de sterkte en de intensiteit van de ervaring lineair zijn. Daarom gaat ze van volledige instemming naar volledige onenigheid, ervan uitgaande dat attitudes kunnen worden gemeten.
Lees meer: Thurstone vs Guttman Schaal
Types van Likert schalen met voorbeelden
De Likert schaal is een favoriet geworden onder onderzoekers om meningen te verzamelen over klanttevredenheid of werknemerstevredenheid. Je kunt deze schaal voornamelijk onderverdelen in twee hoofdtypen:
- Even Likert Schaal
- Odd Likert Schaal
Even Likert Schaal
Onderzoekers gebruiken even Likert schalen om extreme feedback te verzamelen zonder een neutrale optie te bieden.
- 4-Punts Likert Schaal voor belangrijkheid: Dit type Likert-schaal stelt onderzoekers in staat om vier extreme opties op te nemen zonder een neutrale keuze. Hier worden de verschillende maten van belangrijkheid weergegeven in een 4-punts Likertschaal.
- 8-Punts Waarschijnlijkheid van aanbeveling: Dit is een variatie op de eerder toegelichte 4-punts Likertschaal, met als enige verschil dat deze schaal acht opties heeft om feedback te verzamelen over de waarschijnlijkheid van een aanbeveling.
Even Likertschaal
Onderzoekers gebruiken de oneven Likertschaal om de respondenten de keuze te geven neutraal te antwoorden.
- 5-punts Likertschaal: Met vijf antwoordopties gebruiken onderzoekers deze oneven Likert-schaalvraag om informatie over een onderwerp te verzamelen door een neutrale antwoordoptie op te nemen die respondenten kunnen selecteren als ze niet willen antwoorden uit de extreme keuzes.
- 7-punts Likert-schaal: De 7-punts Likert-schaal voegt nog twee antwoordopties toe aan de uiterste uiteinden van een 5-punts Likert-schaalvraag.
- 9-punts Likert-schaal: Een 9-punts Likert-schaal is vrij ongewoon, maar u kunt deze gebruiken door twee extra antwoordopties toe te voegen aan de 7-punts Likert-schaalvraag.
Karakteristieken van Likert-schaal
De Likert-schaal ontstond in 1932 in de vorm van de 5-puntsschaal, die tegenwoordig veel gebruikt wordt. Deze schalen variëren van een groep algemene onderwerpen tot de meest specifieke waarbij de respondenten wordt gevraagd hun mate van instemming, goedkeuring of, overtuiging aan te geven. Enkele belangrijke kenmerken van de Likert-schaal, zijn:
- Gerelateerde antwoorden: Items moeten gemakkelijk in verband kunnen worden gebracht met de antwoorden van de zin, ongeacht of het verband tussen item en zin evident is.
- Schaaltype: De items moeten altijd twee extreme posities hebben en een tussenliggende antwoordoptie die dient als graduatie tussen de extremen.
- Aantal antwoordmogelijkheden: Het is essentieel om te vermelden dat, hoewel de meest voorkomende Likert-schaal die van 5 items is, het gebruik van meer items helpt om meer precisie in de resultaten te genereren.
- Vergroting van de betrouwbaarheid van de schaal: Onderzoekers verhogen vaak de uiteinden van de schaal om een zevenpuntsschaal te creëren door “zeer” toe te voegen aan de boven- en onderkant van de vijfpuntsschalen. De zevenpuntsschaal bereikt de bovengrens van de betrouwbaarheid van de schaal.
- Brede schalen gebruiken: Als algemene regel bevelen Likert en anderen aan dat het beter is om een zo breed mogelijke schaal te gebruiken. Men kan de antwoorden altijd samenvatten in beknopte groepen, indien nodig, voor analyse.
- Gebrek aan een neutrale optie: Door rekening te houden met deze details, worden schalen soms ingekort tot een even aantal categorieën (meestal vier) om de “neutrale” mogelijkheid op een “gedwongen keuze” enquêteschaal te elimineren.
- Intrinsieke variabele: Het primaire Likert-record stelt duidelijk dat er een inherente variabele kan zijn waarvan de waarde de feedback of de attitudes van de respondenten markeert, en deze onderliggende variabele is in het beste geval het intervalniveau.
Likert-schaalgegevens en analyse
Onderzoekers gebruiken regelmatig enquêtes om de kwaliteit van producten of diensten te meten en te analyseren. De Likert-schaal is een standaardindeling voor onderzoeken. De respondenten geven hun mening (gegevens) over de kwaliteit van een product/dienst van hoog naar laag of van beter naar slechter met behulp van twee, vier, vijf of zeven niveaus.
Onderzoekers en auditors groeperen verzamelde gegevens doorgaans in een hiërarchie van vier fundamentele meetniveaus – nominale, ordinale, interval, en ratio meetniveaus voor verdere analyse:
- Nominale gegevens: Gegevens waarbij de in variabelen ingedeelde antwoorden niet noodzakelijkerwijs een kwantitatieve gegeven of volgorde behoeven te hebben, worden nominale gegevens genoemd.
- Ordinale gegevens: Gegevens waarin het mogelijk is de antwoorden te sorteren of te classificeren, maar het onmogelijk is de afstand te meten, worden ordinale gegevens genoemd.
- Intervalgegevens: Geaggregeerde gegevens waarin metingen van orden en afstanden kunnen worden gedaan, worden intervalgegevens genoemd.
- Verhoudingsgegevens: Ratiogegevens zijn vergelijkbaar met intervalgegevens. Het enige verschil is een gelijke en definitieve verhouding tussen elk gegeven en het absolute “nulpunt” dat als beginpunt wordt behandeld.
Gegevensanalyse met behulp van nominale, interval- en ratiogegevens zijn over het algemeen transparant en ongecompliceerd. Ordinale gegevens analyseren gegevens, met name met betrekking tot Likert of andere schalen in de enquêtes. Dit is geen nieuw probleem. De doeltreffendheid van de behandeling van ordinale gegevens als intervalgegevens is nog steeds omstreden bij de analyse van enquêtes op diverse toegepaste gebieden. Enkele van de belangrijkste punten om in gedachten te houden zijn:
- Statistische tests: Onderzoekers behandelen ordinale gegevens soms als intervalgegevens omdat zij beweren dat parametrische statistische tests krachtiger zijn dan niet-parametrische alternatieven. Bovendien zijn gevolgtrekkingen uit parametrische toetsen gemakkelijk te interpreteren en leveren ze meer informatie op dan niet-parametrische opties.
- Concentratie op Likert-schalen: De behandeling van ordinale gegevens als intervalgegevens zonder de waarden van de gegevensverzameling en de doelstellingen van de analyse te onderzoeken, kan echter misleidend zijn en een verkeerde voorstelling geven van de resultaten van een enquête. Om scalaire gegevens beter te analyseren, geven onderzoekers er de voorkeur aan ordinale gegevens als intervalgegevens te beschouwen en zich te concentreren op Likert-schalen.
- Mediaan of bereik voor het inspecteren van gegevens: Een universele richtlijn suggereert dat het gemiddelde en de standaardafwijking basisloze parameters zijn voor gedetailleerde statistieken wanneer de gegevens op ordinale schalen staan, net als elke parametrische analyse op basis van de normale verdeling. De niet-parametrische test wordt gedaan op basis van de juiste mediaan of range voor het inspecteren van gegevens.
Best practices voor het analyseren van de resultaten van Likert-schalen
Omdat de gegevens van Likert-elementen discreet, ordinaal, en beperkt van omvang zijn, is er lang getwist over de meest logische manier om Likert-gegevens te analyseren. De eerste optie is die tussen parametrische en niet-parametrische tests. De voor- en nadelen van elk type analyse worden in het algemeen als volgt beschreven:
- Parametrische tests gaan uit van een regelmatige en ononderbroken verdeling.
- Niet-parametrische toetsen gaan niet uit van een regelmatige of ononderbroken verdeling. Er bestaat echter bezorgdheid over een geringer vermogen om een verschil te detecteren wanneer dat wel bestaat.
Wat is de beste optie? Dit is een reële beslissing die een onderzoeker moet nemen wanneer hij besluit informatie te analyseren die hij heeft verkregen uit een enquête waarin gebruik wordt gemaakt van Likert Scale-vragen.
- In de loop der jaren is in een reeks studies getracht deze vraag te beantwoorden. Zij zijn echter geneigd geweest een beperkt aantal mogelijke verdelingen voor Likert-gegevens te bekijken, waardoor de generalisatie van de resultaten eronder lijdt. Dankzij de toegenomen rekenkracht kunnen simulatiestudies nu een breed scala van verdelingen grondig evalueren.
- De onderzoekers identificeerden een gevarieerde set van 14 verdelingen die representatief zijn voor de werkelijke Likert-gegevens. Het computerprogramma extraheerde zelfvoorzienende paren van steekproeven om alle mogelijke combinaties van de 14 verdelingen te testen.
- In totaal werden 10.000 willekeurige steekproeven gegenereerd voor elk van de 98 verdelingscombinaties. De paren van steekproeven zijn geanalyseerd met behulp van zowel de two-sample t-test als de Mann-Whitney-test om de doeltreffendheid van elke test te vergelijken. In het onderzoek zijn ook verschillende steekproefgroottes geëvalueerd.
- Uit de resultaten blijkt dat de Type I-foutenpercentages (fout-positieven) voor alle verdelingenparen zeer dicht bij de doelgrootheden liggen. Als een organisatie een van de analyses gebruikt en de resultaten statistisch significant zijn, hoeft zij zich niet al te veel zorgen te maken over een vals-positief.
- De resultaten laten ook zien dat voor de meeste paren van verdelingen het verschil tussen de power van de twee tests triviaal is. Als er een verschil is op populatieniveau, is het even waarschijnlijk dat een van de analyses dit detecteert.
- Er zijn enkele paren van specifieke verdelingen waarbij er een verschil in power is tussen de twee tests. Als een organisatie beide tests op dezelfde gegevens uitvoert en het niet eens wordt (de ene is significant, de andere niet), heeft dit verschil in power slechts invloed op een kleine minderheid van de gevallen.
- In het algemeen is de keuze tussen de twee analyses een lus. Als een organisatie twee groepen vijfpunts Likert-gegevens moet vergelijken, doet de analysemethode er meestal niet toe.
- Zowel parametrische als niet-parametrische tests bieden consequent dezelfde beveiliging tegen vals-negatieven en bieden ook dezelfde bescherming tegen vals-positieven. Deze patronen gelden voor steekproefgroottes van 10, 30, en 200 per groep.
Voordelen van Likert-schaal
Er zijn veel voordelen van het gebruik van een Likert-schaal in een enquête voor marktonderzoek. Deze zijn:
- Eenvoudige implementatie: Deze universeel geaccepteerde schaal kan gemakkelijk worden begrepen en toegepast op diverse klanttevredenheids- of werknemerstevredenheidsonderzoeken.
- Kwantificeerbare antwoordopties: Kwantificeer Likert-items zonder duidelijke relatie tot de uiting en voer statistische analyses uit op de ontvangen resultaten.
- Analyseer de rangorde van meningen: Er kan een steekproef zijn met uiteenlopende meningen over een bepaald onderwerp. Een Likert-schaal biedt een rangschikking van de opvattingen van deze ondervraagden.
- Eenvoudig te beantwoorden: Respondenten kunnen de bedoeling van deze schaal begrijpen en de vraag snel beantwoorden.
Wilt u de Likert-schaal gebruiken in een enquête? Doe het met QuestionPro!
De Likert-schaal is een uitgebreide techniek voor het meten van feedback en informatie, waardoor het aanzienlijk gemakkelijk te begrijpen en te beantwoorden is. Dit is een kritische vraag om de mening of houding ten opzichte van een specifiek onderwerp te meten, zodat het van grote hulp zal zijn bij de volgende stap van een onderzoek.
Met QuestionPro, kan een organisatie een online enquête uitvoeren met behulp van de Likert-schaal. Begin met het aanmaken van een gratis account en begin met het testen van dit type vraag.
Als een organisatie meer informatie wil over deze en andere vragen binnen ons platform, raadpleeg dan onze online chat, vertel ons over het project, en we bieden graag een van onze onderzoekstools aan die het beste aansluit bij die behoeften.