Was ist eine Likert-Skala – Definition, Beispiel, Merkmale & Vorteile

Was ist eine Likert-Skala?

Definition: Eine Likert-Skala ist eine eindimensionale Skala, die Forscher verwenden, um die Einstellungen und Meinungen der Befragten zu erfassen. Forscher verwenden diese psychometrische Skala häufig, um die Ansichten und Perspektiven gegenüber einer Marke, einem Produkt oder einem Zielmarkt zu erfassen. Verschiedene Variationen von Likert-Skalen sind direkt auf die Messung der Meinungen von Menschen ausgerichtet, wie z. B. die Guttman-Skala, die Bogardus-Skala und die Thurstone-Skala. Der Psychologe Rensis Likert hat eine Unterscheidung zwischen einer Skala, die sich aus einer Sammlung von Antworten auf eine Gruppe von Items (vielleicht 8 oder mehr) ergibt, getroffen. Die Antworten werden in einem Wertebereich gemessen.

Beispiel für eine Likert-Skala:

Um zum Beispiel Produktfeedback zu sammeln, verwendet der Forscher eine Likert-Skala-Frage in Form einer dichotomen Optionsfrage. Er formuliert die Frage als „Das Produkt war ein guter Kauf“ mit den Optionen „stimme zu“ oder „stimme nicht zu“. Die andere Möglichkeit, diese Frage zu formulieren, lautet: „Bitte geben Sie an, wie zufrieden Sie mit dem Produkt sind“, wobei die Optionen von sehr unzufrieden bis sehr zufrieden reichen.

Bei der Beantwortung eines Items auf der Likert-Skala antwortet der Benutzer explizit auf Basis seines Zustimmungs- oder Ablehnungsgrades. Diese Skalen ermöglichen es, den Grad der Zustimmung oder Ablehnung der Befragten zu ermitteln. Die Likert-Skala geht davon aus, dass die Stärke und Intensität der Erfahrung linear sind. Daher geht sie von einer völligen Zustimmung bis zu einer völligen Ablehnung und geht davon aus, dass Einstellungen gemessen werden können.

Weiter erfahren: Thurstone vs. Guttman-Skala

Typen von Likert-Skalen mit Beispielen

Die Likert-Skala ist unter Forschern sehr beliebt, um Meinungen über Kundenzufriedenheit oder Mitarbeiterzufriedenheit zu erheben. Man kann diese Skala hauptsächlich in zwei Haupttypen unterteilen:

• Gerade Likert-Skala
• Ungerade Likert-Skala

Gerade Likert-Skala

Forscher verwenden gerade Likert-Skalen, um extremes Feedback zu sammeln, ohne eine neutrale Option anzubieten.

• 4-Punkt-Likert-Skala für Wichtigkeit: Diese Art von Likert-Skala ermöglicht es den Forschern, vier extreme Optionen ohne eine neutrale Wahlmöglichkeit einzubeziehen. Hier werden die verschiedenen Grade der Wichtigkeit in einer 4-Punkte-Likert-Skala dargestellt.
• 8-Punkte-Wahrscheinlichkeit der Empfehlung: Hierbei handelt es sich um eine Variation der zuvor erläuterten 4-Punkt-Likert-Skala, mit dem einzigen Unterschied, dass diese Skala acht Antwortmöglichkeiten hat, um Rückmeldungen über die Wahrscheinlichkeit einer Empfehlung zu sammeln.

Ungerade Likert-Skala

Forscher verwenden die ungerade Likert-Skala, um den Befragten die Möglichkeit zu geben, neutral zu antworten.

• 5-Punkt-Likert-Skala: Mit fünf Antwortoptionen verwenden Forscher diese ungerade Likert-Skala-Frage, um Informationen über ein Thema zu sammeln, indem sie eine neutrale Antwortoption einschließen, die die Befragten auswählen können, wenn sie nicht aus den extremen Auswahlmöglichkeiten antworten möchten.
• 7-Punkte-Likert-Skala: Die 7-Punkte-Likert-Skala fügt zwei weitere Antwortoptionen an den extremen Enden einer Frage mit 5-Punkte-Likert-Skala hinzu.
• 9-Punkte-Likert-Skala: Eine 9-Punkte-Likert-Skala ist eher unüblich, aber Sie können sie verwenden, indem Sie der 7-Punkte-Likert-Skala-Frage zwei weitere Antwortoptionen hinzufügen.

Charakteristika der Likert-Skala

Die Likert-Skala entstand 1932 in Form der 5-Punkte-Skala, die heute weit verbreitet ist. Diese Skalen reichen von einer Gruppe allgemeiner Themen bis hin zu den spezifischsten, bei denen die Befragten aufgefordert werden, den Grad ihrer Zustimmung, Billigung oder Überzeugung anzugeben. Einige wichtige Merkmale der Likert-Skala sind:

• Bezogene Antworten: Die Items sollten leicht mit den Antworten des Satzes in Verbindung gebracht werden können, unabhängig davon, ob die Beziehung zwischen Item und Satz offensichtlich ist.
• Skalentyp: Die Items müssen immer zwei Extrempositionen und eine dazwischenliegende Antwortmöglichkeit haben, die als Abstufung zwischen den Extremen dient.
• Anzahl der Antwortmöglichkeiten: Es ist wichtig zu erwähnen, dass, obwohl die gängigste Likert-Skala die mit 5 Items ist, die Verwendung von mehr Items hilft, eine höhere Präzision der Ergebnisse zu erzielen.
• Erhöhung der Reliabilität der Skala: Forscher erhöhen oft die Enden der Skala, um eine Sieben-Punkte-Skala zu erstellen, indem sie „sehr“ an den oberen und unteren Rand der Fünf-Punkte-Skala hinzufügen. Die siebenstufige Skala erreicht die oberen Grenzen der Reliabilität der Skala.
• Verwendung breiter Skalen: Als allgemeine Regel empfehlen Likert und andere, dass es besser ist, eine möglichst breite Skala zu verwenden. Man kann die Antworten immer in übersichtliche Gruppen zusammenfassen, falls dies für die Analyse sinnvoll ist.
• Fehlen einer neutralen Option: Unter Berücksichtigung dieser Details werden Skalen manchmal auf eine gerade Anzahl von Kategorien (meist vier) gekürzt, um die Möglichkeit „neutral“ auf einer „forced choice“-Umfrageskala zu eliminieren.
• Intrinsische Variable: Der primäre Likert-Satz besagt eindeutig, dass es eine inhärente Variable geben könnte, deren Wert die Rückmeldungen oder Einstellungen der Befragten kennzeichnet, und diese zugrundeliegende Variable ist bestenfalls die Intervallebene.

Daten und Analyse der Likert-Skala

Forscher verwenden regelmäßig Umfragen, um die Qualität von Produkten oder Dienstleistungen zu messen und zu analysieren. Die Likert-Skala ist ein Standard-Klassifizierungsformat für Studien. Die Befragten geben ihre Meinung (Daten) über die Qualität eines Produkts/einer Dienstleistung auf zwei, vier, fünf oder sieben Stufen von hoch bis niedrig bzw. besser bis schlechter an.

Forscher und Auditoren gruppieren die gesammelten Daten für die weitere Analyse in der Regel in eine Hierarchie von vier grundlegenden Messniveaus – Nominal-, Ordinal-, Intervall- und Verhältnismessniveaus:

• Nominaldaten: Daten, bei denen die Antworten, die in Variablen klassifiziert werden, nicht unbedingt eine quantitative Angabe oder Reihenfolge haben müssen, werden als nominale Daten bezeichnet.
• Ordinale Daten: Daten, bei denen es möglich ist, die Antworten zu sortieren oder zu klassifizieren, aber es ist nicht möglich, den Abstand zu messen, nennt man Ordinaldaten.
• Intervalldaten: Aggregatdaten, in denen Ordnungs- und Abstandsmessungen möglich sind, nennt man Intervalldaten.
• Verhältnisdaten: Verhältnisdaten sind den Intervalldaten ähnlich. Der einzige Unterschied besteht darin, dass ein gleiches und eindeutiges Verhältnis zwischen den einzelnen Daten besteht und der absolute „Nullpunkt“ als Ursprungspunkt behandelt wird.

Datenanalysen mit Hilfe von Nominal-, Intervall- und Ratiodaten sind im Allgemeinen transparent und einfach. Ordinale Daten analysieren Daten, insbesondere in Bezug auf Likert- oder andere Skalen in den Umfragen. Dies ist kein neues Problem. Die Effektivität des Umgangs mit ordinalen Daten als Intervalldaten ist in der Umfrageanalyse verschiedener Anwendungsbereiche nach wie vor umstritten. Einige der wichtigen Punkte, die es zu beachten gilt, sind:

• Statistische Tests: Forscher behandeln manchmal ordinale Daten als Intervalldaten, weil sie behaupten, dass parametrische statistische Tests leistungsfähiger sind als nicht-parametrische Alternativen. Außerdem sind die Schlussfolgerungen aus parametrischen Tests einfach zu interpretieren und liefern mehr Informationen als nicht-parametrische Optionen.
• Konzentration auf Likert-Skalen: Die Behandlung von ordinalen Daten als Intervalldaten, ohne die Werte des Datensatzes und die Ziele der Analyse zu untersuchen, kann die Ergebnisse einer Umfrage jedoch irreführen und falsch darstellen. Um skalare Daten angemessener zu analysieren, ziehen es Forscher vor, ordinale Daten als Intervalldaten zu betrachten und sich auf Likert-Skalen zu konzentrieren.
• Mittelwert oder Bereich zur Untersuchung von Daten: Eine allgemeingültige Richtlinie besagt, dass der Mittelwert und die Standardabweichung bei ordinalen Daten als Parameter für die Detailstatistik untauglich sind, ebenso wie jede parametrische Analyse, die auf der Normalverteilung basiert. Der nicht-parametrische Test wird auf der Grundlage des entsprechenden Medians oder Bereichs zur Überprüfung der Daten durchgeführt.

Best Practices für die Analyse der Ergebnisse von Likert-Skalen

Da es sich bei den Daten des Likert-Elements um diskrete, ordinale und in ihrem Umfang begrenzte Daten handelt, gab es lange Zeit einen Streit über die logischste Art der Analyse von Likert-Daten. Die erste Option ist die zwischen parametrischen und nicht-parametrischen Tests. Die Vor- und Nachteile jeder Analyseart werden im Allgemeinen wie folgt beschrieben:

• Parametrische Tests setzen eine regelmäßige und ununterbrochene Einteilung voraus.
• Nicht-parametrische Tests setzen keine regelmäßige und ununterbrochene Teilung voraus. Es gibt jedoch Bedenken hinsichtlich einer geringeren Fähigkeit, einen Unterschied zu erkennen, wenn einer besteht.

Welche Option ist die beste? Dies ist eine echte Entscheidung, die ein Forscher treffen muss, wenn er sich entscheidet, Informationen aus einer Umfrage zu analysieren, die Fragen auf der Likert-Skala verwendet.

• Im Laufe der Jahre hat eine Reihe von Studien versucht, diese Frage zu beantworten. Sie waren jedoch dazu geneigt, eine begrenzte Anzahl von möglichen Verteilungen für Likert-Daten zu betrachten, wodurch die Verallgemeinerung der Ergebnisse leidet. Dank der gestiegenen Rechenleistung können Simulationsstudien jetzt eine breite Palette von Verteilungen gründlich auswerten.
• Die Forscher identifizierten eine vielfältige Menge von 14 Verteilungen, die für die tatsächlichen Likert-Daten repräsentativ sind. Das Computerprogramm extrahierte autarke Stichprobenpaare, um alle möglichen Kombinationen der 14 Verteilungen zu testen.
• Insgesamt wurden 10.000 Stichproben für jede der 98 Verteilungskombinationen erzeugt. Die Stichprobenpaare wurden sowohl mit dem t-Test für zwei Stichproben als auch mit dem Mann-Whitney-Test analysiert, um die Effektivität der einzelnen Tests zu vergleichen. In der Studie wurden auch verschiedene Stichprobengrößen ausgewertet.
• Die Ergebnisse zeigen, dass die Typ-I-Fehlerraten (falsch positiv) für alle Verteilungspaare sehr nahe an den Zielgrößen liegen. Wenn ein Unternehmen eine der Analysen verwendet und die Ergebnisse statistisch signifikant sind, braucht es sich keine allzu großen Sorgen über ein falsches Positiv zu machen.
• Die Ergebnisse zeigen auch, dass für die meisten Verteilungspaare der Unterschied zwischen der Leistung der beiden Tests trivial ist. Wenn es einen Unterschied auf Populationsebene gibt, ist jede der Analysen gleich wahrscheinlich, ihn zu entdecken.
• Es gibt einige Paare spezifischer Verteilungen, bei denen es einen Leistungsunterschied zwischen den beiden Tests gibt. Wenn eine Organisation beide Tests auf denselben Daten durchführt und nicht übereinstimmt (einer ist signifikant, der andere nicht), betrifft dieser Unterschied in der Aussagekraft nur eine kleine Minderheit von Fällen.
• Im Allgemeinen ist die Wahl zwischen den beiden Analysen eine Schleife. Wenn ein Unternehmen zwei Gruppen von Fünf-Punkte-Likert-Daten vergleichen muss, spielt die Analysemethode in der Regel keine Rolle.
• Beide, parametrische und nicht-parametrische Tests, bieten durchgängig die gleiche Sicherheit gegen falsch-negative Ergebnisse und bieten auch den gleichen Schutz gegen falsch-positive Ergebnisse. Diese Muster gelten für Stichprobengrößen von 10, 30 und 200 pro Gruppe.

Vorteile der Likert-Skala

Es gibt viele Vorteile bei der Verwendung einer Likert-Skala in einer Umfrage zur Marktforschung. Sie sind:

• Einfache Implementierung: Diese universell akzeptierte Skala lässt sich leicht verstehen und in verschiedenen Umfragen zur Kunden- oder Mitarbeiterzufriedenheit anwenden.
• Quantifizierbare Antwortmöglichkeiten: Quantifizieren Sie Likert-Items, die keinen offensichtlichen Bezug zum Ausdruck haben, und führen Sie statistische Analysen der erhaltenen Ergebnisse durch.
• Analysieren Sie die Rangfolge der Meinungen: Es kann eine Stichprobe mit unterschiedlichen Ansichten zu einem bestimmten Thema geben. Die Likert-Skala bietet eine Rangfolge der Ansichten dieser befragten Personen.
• Einfach zu beantworten: Die Befragten können die Absicht dieser Skala verstehen und die Frage schnell beantworten.

Wollen Sie die Likert-Skala in einer Umfrage verwenden? Machen Sie es mit QuestionPro!

Die Likert-Skala ist eine umfassende Technik zur Messung von Feedback und Informationen, die das Verständnis und die Beantwortung der Frage erheblich erleichtert. Es handelt sich um eine kritische Frage, um die Meinung oder Einstellung zu einem bestimmten Thema zu messen, so dass sie im nächsten Schritt einer Untersuchung von großer Hilfe sein wird.

Mit QuestionPro kann ein Unternehmen eine Online-Umfrage mit der Likert-Skala durchführen. Beginnen Sie mit der Erstellung eines kostenlosen Kontos und beginnen Sie mit dem Testen dieser Art von Fragen.

Wenn eine Organisation mehr Informationen über diese und andere Fragen innerhalb unserer Plattform wünscht, konsultieren Sie unseren Online-Chat, erzählen Sie uns von dem Projekt, und wir werden Ihnen gerne eines unserer Forschungstools anbieten, das am besten zu diesen Bedürfnissen passt.