Comment utiliser l'échelle de Likert en analyse statistique

L' échelle de Likert est couramment utilisée dans les enquêtes par sondage. Il est souvent utilisé pour mesurer les attitudes des répondants en leur demandant dans quelle mesure ils sont en accord ou en désaccord avec une question ou une affirmation particulière. Une échelle typique pourrait être "fortement d'accord, d'accord, pas sûr / indécis, pas d'accord, pas du tout d'accord". Les données d'une enquête utilisant l' échelle de Likert peuvent sembler faciles à analyser, mais un analyste de données doit prendre en compte d'importants problèmes.

Pas à suivre:

1

Obtenez les données de la liste pour analyse en codant les réponses. Par exemple, disons que vous avez un sondage qui demande aux répondants s’ils sont d’accord ou non avec un ensemble de positions sur la plate-forme d’un parti politique. Chaque position est une question de l’enquête, et l’échelle utilise les réponses suivantes: totalement en accord, en accord, neutre, en désaccord, totalement en désaccord. Dans cet exemple, nous allons coder les réponses en conséquence: fortement en désaccord = 1, en désaccord = 2, neutre = 3, d'accord = 4, fortement d'accord = 5.

2

N'oubliez pas de différencier les données ordinales et les données d'intervalle, car les deux types nécessitent des approches analytiques différentes. Si les données sont ordinales, on peut dire qu'un score est supérieur à un autre. Nous ne pouvons pas dire combien plus haut, comme nous pouvons le faire avec les données d'intervalle, qui vous indiqueront la distance entre deux points. Voici le piège avec l'échelle de Likert: de nombreux chercheurs le traiteront comme une échelle d'intervalle. Cela suppose que les différences entre chaque réponse sont égales en distance. La vérité est que l'échelle de Likert ne nous dit pas cela . Dans notre exemple, cela nous dit seulement que les personnes avec le plus grand nombre de réponses sont plus en accord avec les positions du parti que celles qui ont le moins de réponses.

3

Commencez par analyser les données d’échelle de Likert avec des statistiques descriptives. Bien que cela puisse être tentant, résistez à l'envie de prendre des réponses numériques et de calculer une moyenne. Ajouter une réponse "tout à fait d'accord" (5) à deux des réponses "en désaccord" (2) nous donnerait une moyenne de 4, mais quelle est la signification de ce nombre? Heureusement, il existe d’autres mesures de la tendance centrale que vous pouvez utiliser, en plus de la moyenne. Avec les données d'échelle Likert, la meilleure mesure à utiliser est le mode ou la réponse le plus fréquent. Cela rend les résultats du sondage beaucoup plus faciles à interpréter par l'analyste (sans parler du public cible de sa présentation ou d'un rapport). Vous pouvez également afficher la répartition des réponses (pourcentages en accord, en désaccord, etc.) sur un graphique, tel qu'un graphique à barres, avec une barre pour chaque catégorie de réponse.

4

Passez ensuite aux techniques d'inférence qui testent l'hypothèse avancée par les chercheurs. Il existe de nombreuses méthodes disponibles, et la meilleure dépend de la nature de votre étude et des questions auxquelles vous essayez de répondre. Une méthode populaire consiste à analyser les réponses à l'aide de techniques d'analyse de la variance, telles que le test de Mann Whitney ou le test de Kruskal Wallis . Supposons que dans notre exemple, nous voulions analyser les réponses aux questions relatives aux positions de politique étrangère ayant une ethnie comme variable indépendante. Supposons que nos données incluent les réponses des anglophones, afro-américains et hispaniques interrogés, de sorte que nous puissions analyser les réponses des trois groupes de répondants avec le test de variance de Kruskal Wallis.

5

Simplifiez vos données d'enquête en combinant les quatre catégories de réponses (par exemple, fortement d'accord, d'accord, en désaccord, fortement en désaccord) en deux catégories nominales, telles que accord / désaccord, acceptation ou rejet, etc. ). Cela offre d’autres possibilités d’analyse. Le test du chi carré est une approche permettant d’analyser des données de cette manière.

Pourboires
  • Rappelez-vous qu'il existe de nombreuses approches d'analyse. Réfléchissez à vos questions de recherche pour déterminer la meilleure méthode d’analyse pour votre étude.
  • Les échelles de Likert varient en nombre de points. L'échelle à cinq points utilisée ici est la plus courante, mais certaines échelles de Likert ont des échelles de réponse à quatre points, où l'échelle peu sûre est éliminée (catégorie indécise). Certains ont même des échelles de réponse à 7 points.