Wir haben im vorherigen Blog erläutert, was eine Likert Skala ist und wie wir diese sinnvoll in einem Fragebogen einsetzen. Dieser Artikel will in einem weiteren Schritt zeigen, warum eine Likert Skala auswertungsrelevant ist und geht anhand von Beispielen der Frage nach: Welche Art der Skalierung wählen wir im Hinblick auf die Interpretation der Ergebnisse?
Falls Sie Unterstützung bei der Auswertung Ihrer Fragebogen-Daten benötigen, können Sie sich auf die Expertise unserer Statistiker verlassen! Wir helfen Ihnen individuell und bedarfsgerecht weiter.
Likert Skala: Auswertung und Skalierungsniveau
Bevor wir den Blick auf den Zusammenhang von Likert Skala und Skalierungsniveau werfen, ist klarzustellen: Die Skalierungen nominal, ordinal (bzw. Rangskala) und metrisch (kardinal) beschreiben das Messniveau einer Variable oder eines Items, während eine Likert Skala eine Abfolge von Aussagen bzw. Items bezeichnet, die anhand vorgegebener Kategorien beantwortet werden.
Wichtig zu beachten bei der Likert Skala: Die statistische Auswertung wird bestimmt durch das Skalierungsniveau der einzelnen Items. Hier gilt zu beachten, dass die Daten der einzelnen Items einer Likert Skala ordinal- bzw. rangskaliert sind, also die einzelnen Abstände innerhalb der Ausprägungen nicht als gleich betrachtet werden können. Ergebnisse lassen sich folglich anhand der Lageparameter Modus und Median darstellen. Die Anwendung des Mittelwerts ist statistisch gesehen nur dann zulässig, wenn gewährleistet ist, dass die Likert Skala symmetrisch formuliert ist und die Skalenpunkte tatsächlich von allen Befragten als gleichabständig interpretiert werden.
Die Punktwerte der einzelnen Itemantworten der Likert Skala werden addiert und ergeben so für die Gesamtskala einen Summenscore. Dieser Wert ist eindeutig als metrisch (intervallskaliert) zu betrachten. Folglich dürfen aus den Summenwerten Mittelwerte als auch Standardabweichung errechnet werden und damit steht ein breites Feld an statistischen Auswertungsverfahren zur Verfügung.
Sie wünschen Unterstützung bei der Auswertung Ihrer Liker Skala oder anderen Fragebogen-Daten? Wir haben umfassende Erfahrung zur professionellen Auswertung von Fragebögen. Nutzen auch Sie unsere maßgeschneiderte Unterstützung um Ihren Fragebogen auswerten zu lassen!
Dazu ein Beispiel mit einer Itembatterie aus 2 Fragen: Ein Befragter beantwortet Item 1 mit ‚3‘ (‚trifft teilweise zu‘) und Item 2 mit ‚5‘ (‚trifft voll zu‘). Daraus ergibt sich ein Summenwert ‚8‘ und in weiterer Folge der Mittelwert 4 für die gesamte Likert Skala. Auswertung besagt, je größer der mittlere Summenwert, desto höher die Zustimmung des Befragten zur gesamten Fragenbatterie.
Item 1: Mopeds werden überwiegend von Frauen gefahren.
Item 2: Ich fühle mich auf einem Moped ungeschützt.
Likert Skala Auswertung: Der Einfluss der Mitte
Im genannten Beispiel wurde eine Skalierung mit Mittelkategorie gewählt. Ihr Einfluss lässt sich an diesem Beispiel gut zeigen: Zum einen würde die Alternative ohne Mitte den Befragten in Item 1 dazu auffordern, sich konkret zu positionieren, entweder in Richtung Zustimmung (trifft voll/eher zu) oder Ablehnung (trifft nicht zu). Man nennt die Summe der positiven Ratings auch Top Box und die Summe der ablehnenden Ratings Bottom Box. Zum anderen geht es bei der Likert Skala Auswertung mit gerader Skalierung weniger um Summenscore und Mittelwert, der Fokus liegt mehr auf der prozentuellen Verteilung von Top Box versus Bottom Box. Die einzelnen Ausprägungen werden also gewissermaßen komprimiert auf die binäre Option ‚Pro/Contra‘. Anwendung findet eine solche Herangehensweise beispielsweise, um die Stimmungslage zu einem bestimmten Thema anhand mehrerer Einzelfragen auszuloten.
Die Umsetzung in SPSS erfolgt einfach über den Menüpunkt ‚Umkodieren in andere Variable‘. So wird die ursprüngliche mehrstufig skalierte Variable in eine neue binäre Variable mit den beiden Ausprägungen Zustimmung und Ablehnung transformiert. Im Falle mehrerer Fragen lassen sich gegebenenfalls auch Summen bzw. Mittelwerte bilden, die wiederum einer der beiden Gruppen zugeordnet werden können.
Bipolare Skalen (Polaritätsprofil)
Wir haben bis jetzt stets von unipolaren Skalen gesprochen, d.h. von einer Likert Skala mit Ausprägungen von beispielsweise ‚gar nicht (gesund)‘ bis ‚sehr (gesund)‘. Eine Alternative sind sogenannte bipolare Skalen, die Gegensatzpaare verwenden und eingesetzt werden, um Einstellungen oder die Einschätzung von Eigenschaften (etwa zu Marken) zu messen und daraus ein Polaritätsprofil zu erstellen. Beispiele solcher Polaritäten sind ‚modern-traditionell‘; ‚gesund-ungesund‘; ‚schön-hässlich‘; ‚innovativ-konservativ‘; ‚flexibel-träge‘. Methodologisch sind unipolare Skalen gängiger, aber nicht zwingend valider, der Einsatz hängt wiederum vom Forschungsziel ab.
Einfluss durch Skalenbenennung
Ein letzter Punkt soll den Einfluss von Fragestellung und Vorgabe der Antwortmöglichkeiten bei der Likert Skala auf das Ergebnis zeigen. Wir wollen das Interesse von Studierenden an Statistik erheben und formulieren dazu zwei (unterschiedliche) Fragen mit unterschiedlichen Antwortausprägungen. Der Frageninhalt ist jeweils derselbe.
Ich interessiere mich für Statistik.
Wie stark, würden Sie sagen, interessieren Sie sich für Statistik?
Das erste Item ist als Aussage konzipiert und fokussiert in den Antwortoptionen den Grad der Zustimmung bzw. Ablehnung. Die zweite Frage bezeichnen wir als item-spezifisch, sie legt den Fokus auf die Fragestellung und bewirkt beim Befragten eine höhere Aufmerksamkeit. Experimente haben gezeigt: Während die erste Variante bei Befragten eher zu schnellen Routine-Antworten führt (speziell bei längeren Fragebatterien), werden item-spezifische Fragen sorgfältiger gelesen und beantwortet. Es wurde eine höhere Konzentration bei den Befragten gemessen und damit ergaben sich zuverlässigere Antworten. Und eine kritische Beurteilung der Daten liegt ja im Interesse des Forschers.
Umfrage Auswertung: Das sollte man beachten
Bei einer Umfrage Auswertung gibt es neben der korrekten Analyse der Likert Skalen natürlich noch andere wichtige Punkte, die man unbedingt beachten sollte. Eine hilfreiche Übersicht bietet hierbei das folgende Video:
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von Vimeo.
Mehr erfahren
Quellenangaben:
Porst, Rolf. Fragebogen. Ein Arbeitsbuch. 4. Aufl. VS Verlag. Wiesbaden 2014.
Schnell, Rainer; Hill, Paul B; Esser, Elke. Methoden der empirischen Sozialforschung. 10. Aufl. Oldenbourg. München 2014.
Survey Monkey: Let’s agree NOT to use agree/disagree questions