Шкала Ликерта: психометрический метод измерения

Введение

Психометрическая шкала измерения

Шкала Лайкерта (англ. Likert scale) — психометрическая шкала, названная в честь её изобретателя, американского социального психолога Ренсиса Лайкерта, которая обычно используется в исследовательских опросниках. Это наиболее широко используемый подход к масштабированию ответов в исследованиях, в связи с чем термин (или, более точно, шкала типа Лайкерта) часто используется как синоним рейтинговой шкалы, хотя существуют и другие типы рейтинговых шкал. Лайкерт различал собственно шкалу, которая формируется на основе обобщённых ответов на набор вопросов (обычно восемь и более), и формат, в котором ответы оцениваются по диапазону. В техническом смысле шкала Лайкерта относится только к первому. Различие между этими двумя понятиями связано с тем, что Лайкерт проводил различие между изучаемым явлением и способом фиксации вариаций, указывающих на это явление. Отвечая на вопрос Лайкерта, респонденты указывают степень своего согласия или несогласия по симметричной шкале «согласен – не согласен» для ряда утверждений. Таким образом, диапазон отражает интенсивность их чувств по отношению к конкретному вопросу. Шкала может быть создана как простая сумма или среднее значение ответов на вопросы в наборе отдельных пунктов. При этом масштабирование Лайкерта предполагает, что расстояния между каждым вариантом ответа равны. Многие исследователи используют набор таких вопросов, которые демонстрируют высокую корреляцию (показывают высокую внутреннюю согласованность), но вместе с тем охватывают всю изучаемую область (что требует корреляций, отличных от идеальных). Другие придерживаются стандарта, согласно которому «все вопросы считаются репликациями друг друга, то есть вопросы рассматриваются как параллельные инструменты». В отличие от этого, современная теория тестирования рассматривает сложность каждого вопроса (коэффициенты корреляции пунктов) как информацию, которую следует учитывать при масштабировании вопросов.

Оценка и анализ

После заполнения анкеты каждый пункт может быть проанализирован отдельно, а в некоторых случаях ответы на пункты могут быть суммированы для получения оценки для группы пунктов. Поэтому шкалы Лайкерта часто называют суммативными. Вопрос о том, можно ли рассматривать отдельные пункты шкалы Лайкерта как данные интервального типа или следует ли их трактовать как упорядоченные категориальные данные, вызывает значительные разногласия в научной литературе, с ярко выраженными мнениями относительно наиболее подходящих методов. Это несогласие во многом обусловлено степенью, в которой пункты шкалы Лайкерта интерпретируются как порядковые данные. В данном обсуждении следует выделить два основных аспекта. Во-первых, шкалы Лайкерта являются произвольными. Значение, присвоенное пункту шкалы Лайкерта, не имеет объективной числовой основы, ни с точки зрения теории измерений, ни с точки зрения масштаба (по которому можно определить метрику расстояния). Значение каждого пункта шкалы Лайкерта определяется исключительно исследователем, разрабатывающим опрос, исходя из желаемого уровня детализации. Однако, по соглашению, пунктам шкалы Лайкерта обычно присваиваются последовательные положительные целые числа. Шкалы Лайкерта обычно варьируются от 2 до 10, при этом наиболее распространены варианты с 3, 5 или 7 пунктами. Более того, такая последовательная структура шкалы предполагает, что каждый последующий пункт шкалы Лайкерта отражает «лучший» ответ, чем предыдущий. (Это может отличаться в случаях, когда требуется обратный порядок шкалы Лайкерта). Второй, и, возможно, более важный момент, заключается в том, эквивалентно ли «расстояние» между каждой последовательной категорией пунктов, что традиционно подразумевается. Например, в вышеупомянутой пятибалльной шкале Лайкерта предполагается, что «расстояние» между категориями 1 и 2 такое же, как и между категориями 3 и 4. С точки зрения надлежащей исследовательской практики, важно, чтобы исследователь представлял категории равноудаленными друг от друга; в противном случае это может привести к смещению в анализе. Например, четырехбалльная шкала Лайкерта с категориями «плохо», «средне», «хорошо» и «очень хорошо» вряд ли будет иметь все категории, расположенные на равном расстоянии друг от друга, поскольку только одна категория может получить оценку ниже среднего. Это, вероятно, исказит любой результат в пользу положительного исхода. С другой стороны, даже если исследователь представляет то, что он считает равноудаленными категориями, респондент может интерпретировать это иначе. Хорошая шкала Лайкерта, как указано выше, представляет симметрию категорий относительно средней точки с четко определенными лингвистическими обозначениями. При таком симметричном масштабировании равноудаленные атрибуты обычно более четко наблюдаются или, по крайней мере, предполагаются. Шкала Лайкерта ведет себя больше как измерение интервального типа, когда она симметрична и равноудалена. Таким образом, хотя шкала Лайкерта действительно является порядковой, при правильном представлении она может приближаться к измерению интервального типа. Это может быть полезно, поскольку, если ее рассматривать исключительно как порядковую шкалу, некоторая ценная информация может быть утеряна, если «расстояние» между пунктами шкалы Лайкерта не будет учтено. Важно понимать, что выбор подходящего типа анализа зависит от того, как представлена шкала Лайкерта. Показатели центральной тенденции часто применимы на уровне отдельных пунктов, то есть ответы часто демонстрируют квазинормальное распределение. Достоверность таких показателей зависит от интервальной природы шкалы. Если для сравнения двух групп предполагается интервальный характер шкалы, то t-критерий для парных выборок является уместным. Рекомендуется использовать модификацию знакового рангового критерия Вилкоксона вместо стандартного знакового рангового критерия Вилкоксона. Эти методы часто используются при анализе данных шкалы Лайкерта. В качестве альтернативы, ответы шкалы Лайкерта можно проанализировать с помощью упорядоченной пробитной модели, сохраняя порядок ответов без предположения об интервальном масштабе. Использование упорядоченной пробитной модели может предотвратить ошибки, возникающие при обработке упорядоченных оценок как измерений интервального типа. Оценка на основе консенсуса (CBA) может быть использована для создания объективного стандарта для шкал Лайкерта в областях, где нет общепринятого или объективного стандарта. Оценка на основе консенсуса (CBA) также может быть использована для уточнения или даже подтверждения общепринятых стандартов.

After the questionnaire is completed, each item may be analyzed separately or in some cases item responses may be summed to create a score for a group of items. Hence, Likert scales are often called summative scales. Whether individual Likert items can be considered as interval level data, or whether they should be treated as ordered categorical data is the subject of considerable disagreement in the literature, with strong convictions on what are the most applicable methods. This disagreement can be traced back, in many respects, to the extent to which Likert items are interpreted as being ordinal data. There are two primary considerations in this discussion. First, Likert scales are arbitrary. The value assigned to a Likert item has no objective numerical basis, either in terms of measure theory or scale (from which a distance metric can be determined). The value assigned to each Likert item is simply determined by the researcher designing the survey, who makes the decision based on a desired level of detail. However, by convention Likert items tend to be assigned progressive positive integer values. Likert scales typically range from 2 to 10 – with 3, 5, or, 7 being the most common. Further, this progressive structure of the scale is such that each successive Likert item is treated as indicating a 'better' response than the preceding value. (This may differ in cases where reverse ordering of the Likert Scale is needed). The second, and possibly more important point, is whether the "distance" between each successive item category is equivalent, which is inferred traditionally. For example, in the above five point Likert item, the inference is that the 'distance' between category 1 and 2 is the same as between category 3 and 4. In terms of good research practice, an equidistant presentation by the researcher is important; otherwise a bias in the analysis may result. For example, a four point Likert item with categories "Poor", "Average", "Good", and "Very Good" is unlikely to have all equidistant categories since there is only one category that can receive a below average rating. This would arguably bias any result in favor of a positive outcome. On the other hand, even if a researcher presents what he or she believes are equidistant categories, it may not be interpreted as such by the respondent. A good Likert scale, as above, will present a symmetry of categories about a midpoint with clearly defined linguistic qualifiers. In such symmetric scaling, equidistant attributes will typically be more clearly observed or, at least, inferred. It is when a Likert scale is symmetric and equidistant that it will behave more like an interval level measurement. So while a Likert scale is indeed ordinal, if well presented it may nevertheless approximate an interval level measurement. This can be beneficial since, if it was treated just as an ordinal scale, then some valuable information could be lost if the 'distance' between Likert items were not available for consideration. The important idea here is that the appropriate type of analysis is dependent on how the Likert scale has been presented. Notions of central tendency are often applicable at the item level – that is responses often show a quasi normal distribution. The validity of such measures depends on the underlying interval nature of the scale. If interval nature is assumed for a comparison of two groups, the paired samples test is not inappropriate. modification to the Wilcoxon signed rank test is recommended over the standard Wilcoxon signed rank test. are often used in the analysis of Likert scale data. Alternatively, Likert scale responses can be analyzed with an ordered probit model, preserving the ordering of responses without the assumption of an interval scale. The use of an ordered probit model can prevent errors that arise when treating ordered ratings as interval level measurements. Consensus based assessment (CBA) can be used to create an objective standard for Likert scales in domains where no generally accepted or objective standard exists. Consensus based assessment (CBA) can be used to refine or even validate generally accepted standards.

Визуальное представление данных типа Ликерта

Важной частью анализа и представления данных является визуализация (или построение графиков) данных. Вопрос визуализации данных рейтинговых шкал Лайкерта (и других) подробно рассматривается в двух статьях Роббинса и Хейбергера. В первой они рекомендуют использовать так называемые дивергентные накопленные столбчатые диаграммы и сравнивают их с другими стилями графиков. Во второй статье описывается использование функции Likert в пакете HH для R и приводится множество примеров ее применения.

Уровень измерения

Считается, что пять категорий ответов представляют собой интервальный уровень измерения. Однако это справедливо лишь в том случае, если интервалы между точками шкалы соответствуют эмпирическим наблюдениям в метрическом смысле. Reips и Funke (2008) показали, что этот критерий в большей степени выполняется для визуальной аналоговой шкалы. Более того, могут возникать явления, которые даже ставят под сомнение порядковый уровень шкалы Ликерта. Например, в наборе вопросов, оцененных по шкале Ликерта, могут наблюдаться циклические отношения, такие как > , > и > . Это нарушает аксиому транзитивности, свойственную порядковой шкале. Исследования Лабовица и Трейлора предоставляют доказательства того, что даже при значительных искажениях воспринимаемых расстояний между точками шкалы, вопросы типа Ликерта демонстрируют результаты, близкие к шкалам с равными интервалами. Таким образом, эти и другие шкалы, кажущиеся равными в анкетах, устойчивы к нарушениям предположения о равных расстояниях, которое многие исследователи считают необходимым для параметрических статистических процедур и тестов.

Модель Раша

Данные, полученные с помощью шкалы Ликерта, в принципе, могут служить основой для получения интервальных оценок на континууме при применении политомической модели Раша, если данные соответствуют требованиям этой модели. Кроме того, политомическая модель Раша позволяет проверить гипотезу о том, что утверждения отражают возрастающие степени выраженности отношения или черты, как и задумывалось. Например, применение модели часто показывает, что нейтральная категория не представляет собой промежуточный уровень отношения или черты между категориями «не согласен» и «согласен». Не каждый набор вопросов, оцениваемых по шкале Ликерта, может быть использован для измерения по Рашу. Данные должны быть тщательно проверены на соответствие строгим формальным аксиомам модели. Однако, необработанные баллы являются достаточной статистикой для расчёта показателей Раша – это было преднамеренным решением Георга Раша. Поэтому, если вы готовы признать необработанные баллы достоверными, вы можете признать достоверными и показатели Раша.

Произношение

Ренсис Ликерт, разработчик шкалы, произносил свою фамилию как /ˈlɪkərt/ LIKərt. Некоторые утверждают, что имя Ликерта "одно из самых часто неправильно произносимых в этой области", поскольку многие произносят название шкалы как /ˈlaɪkərt/ LYkərt.