Articles

Gestaltung und Analyse von Likert-Skalen

Posted on

Eine Likert-Skala ist eine Bewertungsskala, die zur Beurteilung von Meinungen, Einstellungen oder Verhaltensweisen verwendet wird. Likert-Skalen sind in der Umfrageforschung sehr beliebt, da sie es ermöglichen, Persönlichkeitsmerkmale oder Wahrnehmungen leicht zu operationalisieren.

Um Daten zu erheben, werden den Teilnehmern Fragen oder Aussagen vom Typ Likert und ein Kontinuum möglicher Antworten, meist mit 5 oder 7 Items, vorgelegt. Jedem Item wird eine numerische Punktzahl zugeordnet, so dass die Daten quantitativ ausgewertet werden können.

  • Häufigkeit
  • Zustimmung
  • Zufriedenheit
Wie häufig kaufen Sie energieeffiziente Produkte?
Nie Selten Manchmal Oft Immer
Meine Führungskraft spielt eine aktive Rolle bei meiner beruflichen Entwicklung und Förderung.
Stimmt überhaupt nicht zu Stimmt überhaupt nicht zu Stimme nicht zu Stimme weder zu noch zu Stimme zu Stimme voll und ganz zu Stimme sehr stark zu
Wie zufrieden sind Sie mit den Rückgabebedingungen beim Online-Shopping bei Unternehmen X?
Sehr unzufrieden Bisschen unzufrieden Weder zufrieden noch unzufrieden Mäßig zufrieden Sehr zufrieden

Gestaltung von Likert-Typ-Fragen

Eine Likert-Skala besteht aus 4 oder mehr Fragen, die eine einzelne Einstellung oder Eigenschaft bewerten, wenn die Antwortwerte kombiniert werden. Jede Frage kann eine separate Komponente dieses übergeordneten Themas messen.

Wenn Sie zum Beispiel die Einstellung zu umweltfreundlichem Verhalten bewerten wollen, können Sie eine Likert-Skala mit einer Vielzahl von Fragen entwerfen, die verschiedene Aspekte dieses Themas messen.

Formulierung als Fragen vs. Aussagen

Beide, Aussagen und Fragen, werden oft in Likert-Skalen verwendet. Wenn Sie eine Mischung aus beidem verwenden, können Ihre Teilnehmer während Ihrer Umfrage engagiert und aufmerksam bleiben.

Bei der Entscheidung, wie Sie Fragen und Aussagen formulieren, ist es wichtig sicherzustellen, dass sie leicht verständlich sind und Ihre Befragten nicht auf die eine oder andere Weise beeinflussen.

Positives vs. negatives Framing

Verwenden Sie sowohl positive als auch negative Frames in Ihren Fragen. Wenn Sie bei all Ihren Fragen nur nach Dingen fragen, die sozial erwünscht sind, könnten Ihre Teilnehmer dazu neigen, allen Fragen zuzustimmen, um sich selbst in einem positiven Licht zu zeigen.

  • Positives Framing
  • Negatives Framing
Strongly disagree

Umweltschäden durch Einwegwasserflaschen sind ein ernstes Problem.
Disagree Weder zustimmen noch nicht zustimmen zustimmen stark zustimmen
Einweg-Wasserflaschen zu verbieten ist sinnlos, um Umweltschäden zu reduzieren.
Starke Ablehnung Nicht zustimmen Weder zustimmen noch ablehnen Zustimmen Starke Zustimmung

Antwortende, die der ersten Aussage zustimmen, sollten auch der zweiten nicht zustimmen. Indem Sie beide Aussagen in eine lange Umfrage einbeziehen, können Sie auch überprüfen, ob die Antworten der Teilnehmer zuverlässig und konsistent sind.

Vermeiden Sie doppelte Verneinungen

Doppelte Verneinungen können zu Verwirrung und Fehlinterpretationen führen, da die Befragten sich nicht sicher sind, dem was sie zustimmen.

  • Schlechtes Beispiel
  • Gutes Beispiel
Ich kaufe niemals nichtBio-Produkte.
Stimmt überhaupt nicht zu Stimmt nicht zu Weder zustimmen noch ablehnen Stimmen zu Stark zustimmen
Ich versuche, wann immer möglich, Bio-Produkte zu kaufen.
stimme überhaupt nicht zu stimme nicht zu stimme weder zu noch nicht zu stimme zu stimme sehr zu zustimmen

Fragen Sie immer nur nach einer Sache

Wenn Sie doppelbarreled questions, könnten Ihre Befragten selektiv zu einem Thema antworten, aber das andere ignorieren, oder versuchen, eine neutrale, aber ungenaue Antwort zu wählen.

  • Schlechtes Beispiel
  • Gutes Beispiel
Wie würden Sie Ihr Wissen über Klimawandel und Nahrungsmittelsysteme bewerten?
Sehr schlecht Schwach Mäßig Gut Exzellent
Wie würden Sie Ihr Wissen über den Klimawandel einschätzen?
Sehr schlecht Schlecht Fair Gut Exzellent
Wie würden Sie Ihr Wissen über Lebensmittelsysteme bewerten?
Sehr schlecht Schlecht Mäßig Gut Exzellent

Auswahl der Antwort-Items

Likert-Skalen haben in der Regel 5 oder 7 Items, und die Items an jedem Ende werden Antwortanker genannt. Der Mittelpunkt ist oft ein neutrales Item mit positiven Items auf der einen und negativen Items auf der anderen Seite. Jedes Item wird mit einer Punktzahl von 1-5 oder 1-7 bewertet.

Anzahl der Items

Mehr Items geben Ihnen tiefere Einblicke, machen es den Teilnehmern aber schwerer, sich für Antworten zu entscheiden, da es mehr Auswahlmöglichkeiten gibt. Weniger Items bedeuten, dass Sie weniger Details erfassen, aber die Skala ist benutzerfreundlicher.

  • 5 Items
  • 7 Items
Wie häufig kaufen Sie biologisch abbaubare Produkte?
Nie Gelegentlich Gelegentlich Oft Immer
Wie häufig kaufen Sie biologisch abbaubare Produkte?
Nie Selten Gelegentlich Gelegentlich Oft Sehr oft Immer

Typen von Items

Sie können eine große Bandbreite von Wahrnehmungen, Motivationen und Absichten mit Likert-Skalen messen.
Einige der häufigsten Itemtypen sind:

  • Zustimmung: Sehr zustimmend, Zustimmend, Weder zustimmend noch ablehnend, Ablehnend, Sehr ablehnend
  • Qualität: Sehr schlecht, Schlecht, Angemessen, Gut, Ausgezeichnet
  • Wahrscheinlichkeit (Likelihood): Überhaupt nicht wahrscheinlich, Etwas wahrscheinlich, Äußerst wahrscheinlich
  • Erfahrungen: Sehr negativ, Etwas negativ, Neutral, Etwas positiv, Sehr positiv

Unipolare vs. bipolare Items

Bei einer unipolaren Skala misst man nur ein Attribut (z.B. Zufriedenheit), aber bei einer bipolaren Skala misst man zwei Attribute (z.B., Zufriedenheit oder Unzufriedenheit) auf einem Kontinuum.

  • Unipolar
  • Bipolar
Wie zufrieden sind Sie mit dem Angebot an Bio-Produkten?
Überhaupt nicht zufrieden Bisschen zufrieden Zufrieden Sehr zufrieden Extrem zufrieden
Wie zufrieden sind Sie mit dem Angebot an Bio-Produkten?
Extrem unzufrieden Unzufrieden Weder unzufrieden noch zufrieden Zufrieden Extrem zufrieden

Ihre Wahl hängt von Ihren Forschungsfragen und Zielen ab. Wenn Sie feinere Details über ein Attribut wünschen, wählen Sie unipolare Items. Wenn Sie ein breiteres Spektrum an Antworten zulassen wollen, wählen Sie bipolare Items.

Verwenden Sie sich gegenseitig ausschließende Items

Vermeiden Sie Überschneidungen bei den Items. Wenn zwei Items ähnliche Bedeutungen haben, macht das die Auswahl des Befragten zufällig.

  • Schlechtes Beispiel
  • Gutes Beispiel
Umweltschäden durch Einwegwasserflaschen sind ein ernstes Problem.
Streng zustimmen Stimmt zu Weder zustimmen oder nicht zustimmen Gleichgültig Nicht zustimmen Stark nicht zustimmen
Umweltschäden durch Einwegwasserflaschen sind ein ernstes Problem.
stimme voll und ganz zu stimme zu stimme weder zu noch stimme ich zu stimme nicht zu stimme überhaupt nicht zu

Hier sehen Sie, warum Studenten Scribbrs Korrekturlesen lieben

Entdecken Sie Korrekturlesen & Lektorat

Beispiel einer Likert-Skala

Likert-Skala Beispiel
Umweltschäden durch Einwegwasserflaschen sind ein ernstes Problem.
stimme voll und ganz zu stimme zu stimme weder zu noch stimme ich zu stimme nicht zu stimme überhaupt nicht zu
Wie häufig kaufen Sie biologisch abbaubare Produkte?
Nie Gelegentlich Gelegentlich Oft Immer
Wie würden Sie Ihr Wissen über den Klimawandel bewerten?
Sehr schlecht Schlecht Fair Gut Exzellent
Ich versuche, wann immer möglich, Bio-Produkte zu kaufen.
stimme überhaupt nicht zu stimme nicht zu stimme weder zu noch stimme ich zu stimme zu stimme sehr zu
Einweg-Wasserflaschen zu verbieten ist sinnlos, um Umweltschäden zu reduzieren.
Stimmt überhaupt nicht zu Stimme nicht zu Weder zu noch nicht zu Stimme zu Stimme voll und ganz zu zustimmen

Analyse von Likert-Skalen-Daten

Bevor Sie Daten von Likert-Typ-Fragen und Likert-Skalen analysieren, ist es wichtig, sich zu überlegen, mit welchem Typ man es zu tun hat.

Ordinale Daten vs. Intervalldaten

Ihre Daten können in diese beiden verschiedenen Typen unterteilt werden, da sie mit unterschiedlichen Analyseverfahren verbunden sind.

  • Daten aus einzelnen Fragen vom Typ Likert werden als Ordinalebene behandelt.
  • Daten aus der gesamten Likert-Skala werden als Intervallebene behandelt.

Bei Ordinalskalen hat jedes Item einen Rang, der höher oder niedriger ist als andere, aber die genauen Unterschiede zwischen den Items sind nicht gleichmäßig verteilt oder klar definiert.

Zum Beispiel kann man nicht sicher sein, dass der Unterschied zwischen „sehr schlecht“ und „schlecht“ derselbe ist wie der zwischen „gut“ und „ausgezeichnet“.

Intervallskalen haben ebenfalls eine klare Reihenfolge, aber der Unterschied zwischen den einzelnen Punkten ist gleichmäßig verteilt. Zum Beispiel kann bei Nicht-Likert-Ratingskalen von 1 bis 10 davon ausgegangen werden, dass der Unterschied zwischen 2 und 4 derselbe ist wie der zwischen 5 und 7.

Gesamtdaten auf Likert-Skalen werden oft als Intervall behandelt, da es sich um einen zusammengesetzten Wert handelt, der aus der Addition von Antworten auf 4 oder mehr Fragen gebildet wird.

Deskriptive Statistik

Sie können deskriptive Statistiken verwenden, um die gesammelten Daten in einfacher numerischer oder visueller Form zusammenzufassen.

Fragen vom Likert-Typ können einzeln analysiert werden, um tiefere Einblicke in bestimmte Attribute zu erhalten.

Wenn die Fragen alle ein einziges Merkmal oder eine Einstellung messen, wenn sie kombiniert werden, können sie auch gruppiert und als Likert-Skala analysiert werden. Sie können die Antworten auf jede Frage in Zahlen kodieren und dann die Zahlen addieren, um einen Gesamtwert für die Einstellung jedes Teilnehmers zu erhalten.

Beispiel für deskriptive Statistik
  • Ordinale Daten: Um einen Gesamteindruck von Ihrer Stichprobe zu erhalten, ermitteln Sie den Modus oder die häufigste Punktzahl für jede Frage. Sie erstellen auch ein Balkendiagramm für jede Frage, um die Häufigkeit der einzelnen Itemwahlen zu visualisieren.
  • Intervalldaten: Sie addieren die Punktzahlen aus jeder Frage, um die Gesamtpunktzahl für jeden Teilnehmer zu erhalten. Sie ermitteln den Mittelwert oder die durchschnittliche Punktzahl und die Standardabweichung oder Streuung der Punktzahlen für Ihre Stichprobe.

Inferenzstatistik

Sie können Inferenzstatistiken verwenden, um Hypothesen zu testen, z. B. Korrelationen zwischen verschiedenen Antworten oder Muster im gesamten Datensatz.

Ob Sie Ihre Daten als ordinal oder als Intervall behandeln, wirkt sich auf die Wahl eines parametrischen oder nichtparametrischen statistischen Tests aus. Parametrische Tests machen strengere Annahmen, wie z. B. gleichmäßige Abstände, der Daten als nicht-parametrische Tests.

  • Für ordinale Daten (einzelne Fragen auf der Likert-Skala) verwenden Sie nicht-parametrische Tests wie die Spearman-Korrelation oder den Chi-Quadrat-Test auf Unabhängigkeit.
  • Für Intervalldaten (Gesamtbewertung auf der Likert-Skala) verwenden Sie parametrische Tests wie Pearson’s r-Korrelation oder t-Tests.
Beispiel für Inferenzstatistik
  • Ordinale Daten: Sie stellen die Hypothese auf, dass das Wissen über den Klimawandel mit der Überzeugung zusammenhängt, dass Umweltschäden ein ernstes Problem sind. Sie verwenden einen Chi-Quadrat-Test auf Unabhängigkeit, um zu sehen, ob diese beiden Attribute korreliert sind.
  • Intervalldaten: Sie untersuchen, ob das Alter mit der Einstellung zu umweltfreundlichem Verhalten zusammenhängt. Mithilfe eines Pearson-Korrelationstests untersuchen Sie, ob die Gesamtpunktzahl Ihrer Likert-Skala mit dem Alter zusammenhängt.

Stärken und Grenzen von Likert-Skalen

Likert-Skalen sind eine praktische und zugängliche Methode zur Datenerhebung.

  • Quantitativ: Likert-Skalen operationalisieren auf einfache Weise komplexe Phänomene, indem sie abstrakte Themen in erfassbare Beobachtungen herunterbrechen. Dies ermöglicht die statistische Überprüfung von Hypothesen.
  • Feinkörnig: Da Fragen vom Typ Likert nicht binär sind (ja/nein, wahr/falsch usw.), können Sie detaillierte Einblicke in Wahrnehmungen, Meinungen und Verhaltensweisen erhalten.
  • Benutzerfreundlich: Im Gegensatz zu offenen Fragen sind Likert-Skalen geschlossen und fordern die Befragten nicht auf, Ideen zu entwickeln oder ihre Meinung zu begründen. Dadurch sind sie für die Befragten schnell auszufüllen und können leicht Daten aus großen Stichproben liefern.

Probleme mit Likert-Skalen entstehen oft durch unangemessene Designentscheidungen.

  • Antwortverzerrung: Aufgrund des Social Desirability Bias vermeiden es Menschen oft, die extremen Items auszuwählen oder Aussagen nicht zuzustimmen, um „normaler“ zu erscheinen oder sich selbst in einem günstigen Licht darzustellen.
  • Ermüdung/Aufmerksamkeit: Bei Likert-Skalen mit vielen Fragen können sich die Befragten langweilen und das Interesse verlieren. Sie wählen möglicherweise abwesend Antworten aus, unabhängig von ihren wahren Gefühlen. Dies führt zu ungültigen Antworten.
  • Subjektive Interpretation: Einige Items können vage sein und von den Befragten sehr unterschiedlich interpretiert werden. Wörter wie „etwas“ oder „ziemlich“ haben keine genauen oder engen Definitionen.
  • Eingeschränkte Auswahlmöglichkeiten: Da Fragen vom Typ Likert geschlossene Fragen sind, müssen die Befragten manchmal die relevanteste Antwort auswählen, auch wenn diese die Realität nicht genau wiedergibt.

Häufig gestellte Fragen zu Likert-Skalen

Was ist eine Likert-Skala?

Eine Likert-Skala ist eine Bewertungsskala, die Meinungen, Einstellungen oder Verhaltensweisen quantitativ bewertet. Sie besteht aus 4 oder mehr Fragen, die eine einzelne Einstellung oder Eigenschaft messen, wenn die Antwortwerte kombiniert werden.

Um eine Likert-Skala in einer Umfrage zu verwenden, legen Sie den Teilnehmern Fragen oder Aussagen vom Typ Likert und ein Kontinuum von Elementen vor, in der Regel mit 5 oder 7 möglichen Antworten, um den Grad ihrer Zustimmung zu erfassen.

Sind Likert-Skalen Ordinal- oder Intervallskalen?

Einzelne Fragen des Likert-Typs werden im Allgemeinen als ordinale Daten betrachtet, weil die Items eine klare Rangfolge haben, aber keine gleichmäßige Verteilung aufweisen.

Gesamtergebnisse der Likert-Skala werden manchmal als Intervalldaten behandelt. Bei diesen Werten wird davon ausgegangen, dass sie eine Richtungsabhängigkeit und gleichmäßige Abstände aufweisen.

Die Art der Daten bestimmt, welche statistischen Tests Sie zur Analyse Ihrer Daten verwenden sollten.

Was ist Operationalisierung?

Operationalisierung bedeutet, abstrakte konzeptionelle Ideen in messbare Beobachtungen umzuwandeln.

Zum Beispiel ist das Konzept der sozialen Angst nicht direkt beobachtbar, aber es kann operationalisiert werden in Form von Selbsteinschätzungswerten, Verhaltensvermeidung von überfüllten Plätzen oder körperlichen Angstsymptomen in sozialen Situationen.

Bevor Sie Daten sammeln, ist es wichtig zu überlegen, wie Sie die Variablen, die Sie messen wollen, operationalisieren werden.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.