كيفية استخدام مقياس ليكرت في التحليل الإحصائي

يشيع استخدام مقياس Likert في أبحاث المسح. غالبًا ما يستخدم لقياس مواقف المجيبين عن طريق سؤالهم إلى أي مدى يتفقون أو لا يتفقون مع سؤال أو بيان معين. يمكن أن يكون المقياس المعتاد "أوافق بشدة ، أوافق ، غير متأكد / لم يقرر ، أعارض ، أعارض بشدة". قد يبدو من السهل تحليل البيانات من استطلاع باستخدام مقياس Likert ، ولكن هناك مشكلات مهمة يجب مراعاتها من قبل محلل البيانات .

1

الحصول على قائمة البيانات للتحليل عن طريق ترميز الردود. على سبيل المثال ، دعنا نقول أن لديك استطلاعًا يسأل المجيبين عما إذا كانوا يوافقون أو لا يوافقون على مجموعة من المواقف على منصة حزب سياسي. كل موقف هو سؤال عن المسح ، ويستخدم المقياس الإجابات التالية: أوافق تمامًا ، أو أوافق ، أو حيادي ، أو أعارض ، أو أوافق تمامًا. في هذا المثال ، سنقوم بتشفير الإجابات وفقًا لذلك: أعارض بشدة = 1 ، أوافق = 2 ، حيادي = 3 ، أوافق = 4 ، أوافق بشدة = 5.

2

تذكر أن تفرق بين البيانات الترتيبية والفاصل الزمني ، لأن النوعين يتطلبان أساليب تحليلية مختلفة. إذا كانت البيانات ترتيبية ، فيمكننا القول أن إحدى النقاط أعلى من الأخرى. لا يمكننا أن نقول كيف أعلى بكثير ، كما يمكننا مع البيانات الفاصلة ، والتي سوف اقول لكم المسافة بين نقطتين. هنا هو الفخ بمقياس ليكرت: سيعامله العديد من الباحثين على أنه مقياس فاصل. هذا يفترض أن الاختلافات بين كل إجابة متساوية في المسافة. الحقيقة هي أن مقياس ليكرت لا يخبرنا بذلك . في مثالنا ، يخبرنا فقط أن الأشخاص الذين لديهم أكبر عدد من الردود يتفقون مع مواقف الحزب أكثر من أولئك الذين لديهم أقل عدد من الإجابات.

3

ابدأ في تحليل بيانات مقياس Likert بإحصائيات وصفية. على الرغم من أنه قد يكون مغريا ، إلا أنه يقاوم الرغبة في أخذ إجابات رقمية وحساب المتوسط. إضافة إجابة "أوافق بشدة" (5) على إجابتين من "عدم الموافقة" (2) من شأنها أن تعطينا متوسط ​​4 ، ولكن ما معنى هذا الرقم؟ لحسن الحظ ، هناك تدابير أخرى للاتجاه المركزي يمكنك استخدامها ، بالإضافة إلى المتوسط. مع بيانات مقياس Likert ، فإن أفضل مقياس يمكن استخدامه هو الوضع أو الاستجابة الأكثر شيوعًا. هذا يجعل نتائج المسح أسهل بكثير بالنسبة للمحلل في التفسير (ناهيك عن الجمهور لعرضه أو تقريره). يمكنك أيضًا عرض توزيع الاستجابات (النسب المئوية التي توافق ، لا توافق ، إلخ) على رسم بياني ، مثل الرسم البياني الشريطي ، مع شريط لكل فئة استجابة.

4

تابع تقنيات الاستدلال التي تختبر الفرضية التي طرحها الباحثون. هناك العديد من الطرق المتاحة ، والأفضل يعتمد على طبيعة دراستك والأسئلة التي تحاول الإجابة عليها. تتمثل الطريقة الشائعة في تحليل الاستجابات باستخدام تحليل أساليب التباين ، مثل اختبار مان ويتني أو اختبار Kruskal Wallis . لنفترض أننا في مثالنا أردنا تحليل الإجابات عن الأسئلة المتعلقة بمواقف السياسة الخارجية مع الإثنية كمتغير مستقل. لنفترض أن بياناتنا تتضمن إجابات Anglos والأميركيين من أصل أفريقي واللاتينيين الذين شملهم الاستطلاع ، حتى نتمكن من تحليل الإجابات بين المجموعات الثلاث من المشاركين مع اختبار Kruskal Wallis للاختلاف.

5

قم بتبسيط بيانات الاستبيان الخاصة بك عن طريق الجمع بين فئات الاستجابة الأربعة (على سبيل المثال ، أوافق بشدة ، أوافق ، أعارض ، أعارض بشدة) أعارض فئتين اسميتين ، مثل الاتفاق / عدم الموافقة ، القبول أو الرفض ، إلخ. ). هذا يوفر إمكانيات أخرى للتحليل. اختبار خي مربع هو نهج لتحليل البيانات بهذه الطريقة.

• تذكر أن هناك العديد من الأساليب للتحليل. النظر في الأسئلة البحثية الخاصة بك لتحديد أفضل طريقة لتحليل دراستك.
• تختلف قياسات Likert في عدد النقاط على المقياس. المقياس المكون من خمس نقاط المستخدم هنا هو الأكثر شيوعًا ، لكن بعض مقاييس Likert تحتوي على مقاييس استجابة من 4 نقاط ، حيث يتم التخلص من المقياس غير الآمن (فئة غير محددة). حتى أن بعض المقاييس استجابة 7 نقطة.