Definición de escala de Likert y ejemplos

Actualizado el 19 de mayo de 2022, por Luis Benites.

¿Qué es la Escala de Likert?

Variaciones de la Escala de Likert.

Una escala de Likert es un tipo de escala de calificación utilizada para medir actitudes u opiniones. Con esta escala, se pide a los encuestados que califiquen los elementos en un nivel de acuerdo. Por ejemplo:

• Totalmente de acuerdo
• Aceptar
• Neutral
• Discrepar
• Muy en desacuerdo

En la escala se suelen utilizar de cinco a siete ítems. La escala no tiene que decir «de acuerdo» o «en desacuerdo»; son posibles docenas de variaciones sobre temas como el acuerdo, la frecuencia, la calidad y la importancia. Por ejemplo:

• Acuerdo : Totalmente de acuerdo a totalmente en desacuerdo.
• Frecuencia : A menudo a nunca.
• Calidad : Muy buena a muy mala.
• Probabilidad : Definitivamente nunca.
• Importancia : Muy importante a sin importancia.

Estos elementos se denominan anclas de respuesta de la escala de Likert .

Una vez que los encuestados han respondido, se asignan números a las respuestas. Por ejemplo:
Totalmente de acuerdo=5
De acuerdo=4
Neutral=3 En
desacuerdo=2
Totalmente en desacuerdo=1
Esto le permite asignar significado a las respuestas. Por ejemplo, una encuesta sobre servicio al cliente puede permitirle ver cuáles de sus representantes de servicio al cliente brindan un buen servicio (una puntuación promedio de 4-5) y cuáles brindan un servicio deficiente (una puntuación promedio de 1-2).

Pasos para desarrollar una escala de Likert

1. Defina el enfoque : ¿qué es lo que está tratando de medir? Su tema debe ser unidimensional. Por ejemplo, «Servicio al cliente» o «Este sitio web».
2. Genera los ítems de la Escala de Likert. Los ítems deben poder calificarse en algún tipo de escala. La imagen en la parte superior de esta página tiene algunas sugerencias. Por ejemplo, cortés/grosero podría calificarse como «muy cortés», «cortés», «no cortés» o «muy descortés». La cortesía también se puede calificar en una escala del 1 al 10, donde 1 es nada cortés y 10 es extremadamente cortés.
3. Califica los ítems de la escala de Likert. Desea asegurarse de que su enfoque sea bueno, así que elija un equipo de personas para revisar los elementos del paso 2 anterior y califíquelos como favorables/neutrales/desfavorables para su enfoque. Elimine los elementos que en su mayoría se consideran desfavorables.
4. Administre su prueba de escala de Likert .

Pruebas de hipótesis en escalas de Likert

Si sabe que va a realizar un análisis en datos de escala Likert, es más fácil adaptar sus preguntas en la etapa de desarrollo, en lugar de recopilar sus datos y luego tomar una decisión sobre el análisis. El análisis que ejecute depende del formato de su cuestionario.

Existe cierto desacuerdo en la educación y la investigación sobre si debe ejecutar pruebas paramétricas como la prueba t o pruebas de hipótesis no paramétricas como los datos de la escala de Likert de Mann-Whitney . Winter y Dodou (2010) investigaron este tema, con los siguientes resultados:

“En conclusión, la prueba t y [Mann-Whitney] generalmente tienen un poder equivalente, excepto por distribuciones sesgadas , con picos o multimodales para las cuales ocurrieron fuertes diferencias de poder entre las dos pruebas. La tasa de error Tipo I de ambos métodos nunca estuvo más del 3 % por encima de la tasa nominal del 5 %, incluso cuando los tamaños de muestra eran muy desiguales”.

En otras palabras, parece que no hay una diferencia real entre los resultados de las pruebas paramétricas y no paramétricas , excepto en el caso de las distribuciones sesgadas, con picos o multimodales. El camino que tome depende de usted, su departamento y quizás la revista a la que se está enviando (si corresponde). El paso más importante en la etapa de decisión es decidir si desea tratar sus datos como datos ordinales o de intervalo. Luego lea la sección a continuación para su tipo de datos. Un par de pautas generales:

• Para una serie de preguntas individuales con respuestas tipo Likert, trate los datos como variables ordinales .
• Para una serie de preguntas tipo Likert que juntas describen un solo constructo (rasgo de personalidad o actitud), trate los datos como variables de intervalo .

Dos opciones

La mayoría de las escalas de Likert se clasifican como variables ordinales. Si está 100% seguro de que la distancia entre las variables es constante, entonces pueden tratarse como variables de intervalo para fines de prueba. En la mayoría de los casos, sus datos serán ordinales, ya que es imposible distinguir entre, por ejemplo, «muy de acuerdo» y «de acuerdo» frente a «de acuerdo» y «neutral».

Datos de escala ordinal

Con la mayoría de los tipos de variables (intervalo, razón, nominal), puede encontrar la media . Esto no es cierto para los datos de la escala de Likert. No se puede encontrar la media en una escala de Likert porque no conoce la «distancia» entre los elementos de datos. En otras palabras, aunque puede encontrar un promedio de 1, 2 y 3, no puede encontrar un promedio de «de acuerdo», «en desacuerdo» y «neutral».

“El promedio de ‘regular’ y ‘bueno’ no es ‘regular y medio’; ¡ lo cual es cierto incluso cuando uno asigna números enteros para representar ‘justo’ y ‘bueno’!” – Susan Jamieson parafraseando a Kuzon Jr et al. (Jamieson, 2004)

Opciones de estadísticas

Las estadísticas que puede utilizar son:

• La moda : la respuesta más común.
• La mediana : la respuesta «media» cuando todos los elementos se colocan en orden.
• El rango y el rango intercuartílico : para mostrar la variabilidad.
• Un gráfico de barras o tabla de frecuencias : para mostrar una tabla de resultados. No hagas un histograma , ya que los datos no son continuos.

Evaluación de la hipótesis

En las pruebas de hipótesis para escalas de Likert, la variable independiente representa los grupos y la variable dependiente representa el constructo que está midiendo. Por ejemplo, si encuesta a estudiantes de enfermería para medir su nivel de compasión, la variable independiente son los grupos de estudiantes de enfermería y la variable dependiente es el nivel de compasión.

Tipos de prueba que puede ejecutar:

• Kruskal Wallis : determina si la mediana para dos grupos es diferente.
• Prueba U de Mann Whitney : determina si las medianas de dos grupos son diferentes. Simple para evaluar las preguntas de una sola escala de Likert, pero sufre de varias formas de sesgo , incluido el sesgo de tendencia central, el sesgo de aquiescencia y el sesgo de deseabilidad social. Además, la validez suele ser difícil de demostrar.

Más opciones para dos categorías

Si combina sus respuestas en dos categorías, por ejemplo, de acuerdo y en desacuerdo, se le abren más opciones de prueba.

• Chi-cuadrado : la prueba está diseñada para experimentos multinomiales, donde los resultados son conteos colocados en categorías.
• Prueba de McNemar : prueba si las respuestas a las categorías son las mismas para dos grupos/condiciones.
• Prueba Q de Cochran: una extensión de McNemar que prueba si las respuestas a las categorías son las mismas para tres o más grupos/condiciones.
• Prueba de Friedman: para encontrar diferencias en los tratamientos a través de múltiples intentos.

Medidas de Asociación

A veces, desea saber si un grupo de personas tiene una respuesta diferente (más alta o más baja) de otro grupo de personas a un determinado elemento de la escala de Likert. Para responder a esta pregunta, usaría una medida de asociación en lugar de una prueba de diferencias (como las enumeradas anteriormente).

Si sus grupos son ordinales (es decir, ordenados) de alguna manera, como los grupos de edad, puede usar:

• Coeficiente tau de Kendall o variantes de tau (p. ej., coeficiente gamma ; D de Somers).
• Correlación de rangos de Spearman.

Si sus grupos no son ordinales, use uno de estos:

• Coeficiente phi .
• Coeficiente de contingencia .
• V de Cramer

Datos de escala de intervalo

Estadísticas que son adecuadas para datos de Likert de escala de intervalo:

• Significar.
• Desviación estándar .

Pruebas de hipótesis adecuadas para datos de escala de intervalo Likert:

• Prueba T.
• ANOVA .
• Análisis de regresión ( regresión logística ordenada o regresión logística multinomial ). Si puede combinar sus variables dependientes en dos respuestas (por ejemplo, de acuerdo o en desacuerdo), ejecute una regresión logística binaria.

Referencias

Beyer, WH CRC Standard Mathematical Tables, 31ª ed. Boca Raton, FL: CRC Press, págs. 536 y 571, 2002.
Levine, D. (2014). Incluso usted puede aprender estadísticas y análisis: una guía fácil de entender sobre estadísticas y análisis, 3.ª edición. Pearson FT Press
Vogt, WP (2005). Diccionario de estadística y metodología: una guía no técnica para las ciencias sociales . SABIO.
Salkind, N. (2016). Estadísticas para personas que (creen que) odian las estadísticas: uso de Microsoft Excel 4.ª edición.