Wie man Likert-Skalen mittelt

Meinungsforscher und Forscher verwenden häufig Umfragen, um Meinungen zu sammeln, indem sie die Befragten bitten, ihre Gefühle aus fünf möglichen Antworten zu bewerten. Dieses Format, bekannt als Likert-Skala, wird manchmal gemittelt, um grobe Schätzungen der Zustimmung oder Ablehnung zu geben. Es ist eine einfache Berechnung, aber es ist nicht unbedingt so nützlich, wie es scheint.

Die Likert-Skala ist nach ihrem Schöpfer, dem amerikanischen Wissenschaftler Rensis Likert, benannt, der der Meinung war, dass Umfragen, die nur Ja-oder-Nein-Antworten ergaben, in ihrer Nützlichkeit eingeschränkt waren. Seine Innovation bestand darin, eine Aussage zu machen, anstatt eine Frage zu stellen, und die Befragten dann zu bitten, zu bewerten, inwieweit sie der grundlegenden Aussage zustimmten oder nicht. Diese Meinung wird auf einer fünfstufigen Skala ausgedrückt, wobei der Mittelpunkt eine neutrale Meinung darstellt und die anderen vier Wahlmöglichkeiten eine leichte oder mäßige und eine starke Zustimmung oder Ablehnung ausdrücken. Fragen Sie nach der gleichen Struktur, aber mit unterschiedlichen Optionen – z. B. „auf einer Skala von 1 bis 5“ wie wahrscheinlich ist es, dass Sie ..." – werden als Likert-Typ oder Likert-ähnliche bezeichnet und funktionieren in etwa gleich Weg.

Da Likert- und Likert-ähnliche Umfragefragen sauber mit numerischen Antworten geordnet sind, ist es einfach und Versuchung, sie zu mitteln, indem man den numerischen Wert jeder Antwort addiert und dann durch die Anzahl der dividiert Befragten. "Starke Zustimmung" wird normalerweise ein Wert von fünf und "Starke Ablehnung" ein Wert von eins zugewiesen, sodass jeder Durchschnitt eine Zahl größer als ergibt drei – der Mittelpunkt der Skala und sein neutraler Wert – könnten als allgemeine Zustimmung ausgelegt werden, während ein Wert unter drei darauf hindeuten würde Missbilligung.

Antworten auf eine Likert-Frage in einen Durchschnitt umzuwandeln, scheint ein offensichtlicher und intuitiver Schritt zu sein, aber es stellt nicht unbedingt eine gute Methodik dar. Ein wichtiger Punkt ist, dass die Befragten oft zögern, eine starke Meinung zu äußern, und die Ergebnisse möglicherweise verzerren, indem sie sich auf die neutrale Mittelpunktsantwort konzentrieren. Es wird auch davon ausgegangen, dass die emotionale Distanz zwischen leichter Zustimmung oder Ablehnung und starker Zustimmung oder Ablehnung gleich ist, was nicht unbedingt der Fall ist. Auf der grundlegendsten Ebene besteht das Problem darin, dass die Zahlen in einer Likert-Skala keine Zahlen als solche sind, sondern ein Mittel zur Rangfolge der Antworten. Werden die Zahlen zum Beispiel durch die Buchstaben A bis E ersetzt, wird die Idee der Mittelwertbildung offensichtlich absurd.

Es gibt konstruktivere Möglichkeiten, mit Likert-Daten umzugehen. Am einfachsten ist es, statt eines Mittelwerts einen Median zu berechnen. Ordnen Sie die Antworten der Reihe nach an und suchen Sie nach der Antwort, die auf den numerischen Mittelpunkt fällt. Wenn Sie beispielsweise 100 Antworten hätten, wäre das die 50. Antwort. Ein Median von 3 oder mehr bedeutet, dass die meisten Befragten zustimmen, während ein Median unter 3 bedeutet, dass die meisten Befragten nicht einverstanden sind. Eine weitere gängige Methode besteht darin, die positiven und negativen Antworten zusammenzufassen, um ein breites Ergebnis für die Zustimmung oder Ablehnung zu erzielen. Wie die Mittelwertbildung ist dies auch eine schwache Verwendung der Daten, da sie – wiederum – die Unterschiede zwischen leichter und starker Ablehnung nicht berücksichtigt.

Ein sinnvollerer Ansatz besteht darin, die Antworten in numerischer Reihenfolge aufzulisten und sie dann in vier gleiche Gruppen aufzuteilen. Die letzte Zahl in jeder Gruppe wird als Quartil bezeichnet. Ziehen Sie nun die erste dieser Zahlen von der dritten ab, um den sogenannten Interquartilbereich oder IQR zu erhalten. Wenn Ihr IQR eins oder zwei ist, liegen die Meinungen Ihrer Befragten nicht so weit auseinander. Wenn es sich um drei oder vier deine handelt, zeigt dies, dass deine Aussage stark polarisierte Reaktionen hervorrief.