Likertschaal: Definitie, voorbeelden en hoe te gebruiken | QuestionPro (2024)

Een essentieel aspect van marktonderzoek voor onderzoekers is de mogelijkheid om de mening van de respondenten over een merk, functie, product, dienst en meer te peilen. Het meten van meningen helpt om het niveau van de vereiste veranderingen te meten. Door gebruik te maken van een kwantitatieve analysetool voor gegevensverzameling in het onderzoeksproces, zoals een Likert-schaal, kunnen onderzoeksteams de gevoelens van respondenten begrijpen. Het kwantificeren van een ‘like’ of ‘dislike’ helpt bij het maken van tijdige veranderingen en is een cruciaal hulpmiddel bij het verzamelen en beheren van inzichten door merk- en onderzoeksteams.

Wat is een Likert-schaal?

Definitie: Een Likert-schaal is een unidimensionale schaal die onderzoekers gebruiken om de attitudes en meningen van respondenten te verzamelen. Onderzoekers gebruiken deze psychometrische schaal vaak om inzicht te krijgen in de meningen en perspectieven ten opzichte van een merk, product of doelmarkt.

Verschillende variaties zijn direct gericht op het meten van de meningen van mensen, zoals de Guttman-schaal, Bogardus-schaalen Thurstone-schaal. De psycholoog Rensis Likert maakte een onderscheid tussen een schaal die ontstaat uit een verzameling antwoorden op een groep items (misschien 8 of meer). Reacties worden gemeten in een reeks van waarden.

LEER OVER: Rensis Likert en de Likertschaal

Voorbeeld van een Likert-schaal:

De onderzoeker gebruikt bijvoorbeeld een Likertschaalvraag als dichotome optievraag om productfeedback te verzamelen. Hij/zij vat de vraag op als “Het product was een goede aankoop”, met de opties “eens” en “oneens”. De andere manier om deze vraag te stellen is: “Geef aan hoe tevreden u bent over de producten”, en de opties variëren van zeer ontevreden tot zeer tevreden.

Wanneer de gebruiker reageert op een item op de Likert Schaal, reageert hij expliciet op het niveau van akkoord of niet akkoord. Met deze schalen kan de mate van overeenstemming of onenigheid van de respondenten worden bepaald. De Likert-schaal gaat ervan uit dat de sterkte en intensiteit van de ervaring lineair zijn. Daarom gaat het van volledige overeenstemming naar volledige onenigheid, ervan uitgaande dat houdingen gemeten kunnen worden.

Heb je meer voorbeelden nodig? Bekijk deze Likert Schaal voorbeelden.

Soorten Likertschalen

De Likert Schaal is een favoriet geworden onder onderzoekers om meningen te verzamelen over klanttevredenheid of werknemerservaringen. Je kunt deze toonladder voornamelijk onderverdelen in twee hoofdtypen:

• Even Likert-schaal
• Oneven Likertschaal

Even Likert-schaal

Onderzoekers gebruiken zelfs Likert-schalen om extreme feedback te verzamelen zonder een neutrale optie te bieden.

• 4-Punts Likertschaal voor belangrijkheid: Met dit type Likert-schaal kunnen onderzoekers vier extreme opties opnemen zonder neutrale keuze. Hier worden de verschillende gradaties van belangrijkheid weergegeven in een 4-punts Likertschaal.
• 8-punts waarschijnlijkheid van aanbeveling: Dit is een variatie op de eerder uitgelegde 4-punts Likert schaal, met als enige verschil dat deze schaal acht opties heeft om feedback te verzamelen over de waarschijnlijkheid van een aanbeveling.

Oneven Likertschaal

Onderzoekers gebruiken de oneven Likert-schaal om de respondenten de keuze te geven neutraal te antwoorden.

• 5-punts Likert-schaal: Met vijf antwoordopties gebruiken onderzoekers deze oneven Likert-schaalvraag om informatie te verzamelen over een onderwerp door een neutrale antwoordoptie op te nemen voor respondenten om te selecteren als ze niet willen antwoorden uit de extreme keuzes in hun onderzoeksontwerp.
• 7-punts Likertschaal: De 7-punts Likert-schaal voegt twee extra antwoordopties toe aan de uiterste uiteinden van een 5-punts Likert-schaal vraag.
• 9-punts Likert-schaal: Een 9-punts Likertschaal is vrij ongewoon, maar je kunt hem gebruiken door twee extra antwoordopties toe te voegen aan de vraag met een 7-punts Likertschaal.

Kenmerken van Likert-schaal

De Likert-schaal ontstond in 1932 in de vorm van de 5-puntsschaal, die veel wordt gebruikt. Deze schalen variëren van een groep algemene onderwerpen tot de meest specifieke die respondenten vragen om hun mate van overeenkomst, goedkeuring of overtuiging aan te geven. Enkele belangrijke kenmerken van de Likert-schaal zijn:

• Gerelateerde antwoorden: Items moeten gemakkelijk gerelateerd kunnen worden aan de antwoorden van de zin, ongeacht of de relatie tussen item en zin duidelijk is.
• Type schaal: De items moeten altijd twee extreme posities hebben en een tussenliggende antwoordoptie die dient als graduatie tussen de extremen.
• Aantal antwoordmogelijkheden: Het is essentieel om te vermelden dat hoewel de meest gebruikelijke Likert-schaal die van 5 items is, het gebruik van meer items helpt om een grotere precisie in de resultaten te genereren.
• Toenemende betrouwbaarheid van de weegschaal: Onderzoekers vergroten vaak de uiteinden van de schaal tot een zevenpuntsschaal door “zeer” toe te voegen aan de boven- en onderkant van de vijfpuntsschalen. De zevenpuntsschaal bereikt de bovengrens van de betrouwbaarheid van de schaal.
• Brede schalen gebruiken: Als algemene regel raden Likert en anderen aan om een zo breed mogelijke schaal te gebruiken. Je kunt de antwoorden altijd samenvatten in beknopte groepen, indien van toepassing, voor analyse.
• Ontbreken van een neutrale optie: Door rekening te houden met deze details worden schalen soms beperkt tot een even aantal categorieën (meestal vier) om de “neutrale” mogelijkheid op een “gedwongen keuze” enquêteschaal te elimineren.
• Intrinsieke variabele: Het primaire Likert-record stelt duidelijk dat er een inherente variabele kan zijn waarvan de waarde de feedback of attitudes van de respondenten markeert, en deze onderliggende variabele is in het beste geval het intervalniveau.

Gegevens op Likert-schaal en analyse

Onderzoekers gebruiken regelmatig enquêtes om de kwaliteit van producten of diensten te meten en te analyseren. De Likert-schaal is een standaard classificatieformaat voor onderzoeken. De respondenten geven hun mening (gegevens) over de kwaliteit van een product/dienst van hoog naar laag of beter naar slechter aan de hand van twee, vier, vijf of zeven niveaus.

Onderzoekers en auditors groeperen verzamelde gegevens over het algemeen in een hiërarchie van vier fundamentele meetniveaus: nominaal, ordinaal, interval en ratio voor verdere analyse.:

• Nominale gegevens: Gegevens waarbij de antwoorden die zijn ingedeeld in variabelen niet noodzakelijk kwantitatieve gegevens of volgorde hoeven te hebben, worden nominale gegevens genoemd.
• Ordinale gegevens: Gegevens waarbij het mogelijk is om de antwoorden te sorteren of te classificeren, maar waarbij het onmogelijk is om de afstand te meten, worden ordinale gegevens genoemd.
• Intervalgegevens: Geaggregeerde gegevens waarin metingen van volgordes en afstanden kunnen worden gedaan, worden intervalgegevens genoemd.
• Ratiogegevens: Ratiogegevens zijn vergelijkbaar met intervalgegevens. Het enige verschil is een gelijke en definitieve verhouding tussen elk gegeven en het absolute “nulpunt” dat als oorsprongspunt wordt behandeld.

Gegevensanalyse met behulp van nominale, interval- en ratiogegevens is over het algemeen transparant en ongecompliceerd. Ordinale gegevens analyseren gegevens, vooral met betrekking tot Likert- of andere schalen in de enquêtes. Dit is geen nieuw onderzoeksprobleem. De effectiviteit van het omgaan met ordinale gegevens als intervalgegevens blijft discutabel in enquêteanalyses van verschillende toegepaste velden. Enkele belangrijke punten om in gedachten te houden zijn:

• Statistische tests: Onderzoekers behandelen ordinale gegevens soms als intervalgegevens omdat ze beweren dat parametrische statistische toetsen krachtiger zijn dan niet-parametrische alternatieven. Bovendien zijn conclusies uit parametrische tests gemakkelijk te interpreteren en geven ze meer informatie dan niet-parametrische opties.
• Concentratie op Likert-schalen: De behandeling van ordinale gegevens als intervalgegevens zonder de waarden van de gegevensreeks en de doelstellingen van de analyse te onderzoeken, kan echter misleidend zijn en de resultaten van een onderzoek verkeerd weergeven. Om schaalgegevens beter te analyseren, beschouwen onderzoekers ordinale gegevens liever als intervalgegevens en concentreren ze zich op Likert-schalen.
• Mediaan of bereik voor het inspecteren van gegevens: Een universele richtlijn suggereert dat het gemiddelde en de standaardafwijking geen basisparameters zijn voor gedetailleerde statistieken als de gegevens op ordinale schalen staan, net als bij elke parametrische analyse op basis van een normale verdeling. De niet-parametrische test wordt uitgevoerd op basis van de geschikte mediaan of bereik voor het inspecteren van gegevens.

Beste praktijken voor het analyseren van de resultaten

Omdat de gegevens van het Likert-element discreet, ordinaal en beperkt van omvang zijn, is er lang getwist over de meest logische manier om Likert-gegevens te analyseren. De eerste optie is tussen parametrische en niet-parametrische tests. De voor- en nadelen van elk type analyse worden over het algemeen als volgt beschreven:

• Parametrische tests gaan uit van een regelmatige en ononderbroken verdeling.
• Niet-parametrische tests gaan niet uit van een regelmatige of ononderbroken verdeling. Er bestaat echter bezorgdheid over het feit dat het minder goed mogelijk is om een verschil te detecteren als dat er is.

Wat is de beste optie? Wanneer een onderzoeker beslist om informatie uit een enquête die gebruik maakt van Likert-schalen te analyseren, moet hij een echte beslissing nemen.

• In de loop der jaren heeft een reeks onderzoeken geprobeerd deze vraag te beantwoorden. Ze zijn echter geneigd om te kijken naar een beperkt aantal mogelijke verdelingen voor Likert-gegevens, waardoor de generalisatie van de resultaten eronder lijdt. Dankzij de toename in rekenkracht kunnen simulatiestudies nu een breed scala aan verdelingen grondig evalueren.
• De onderzoekers identificeerden een gevarieerde set van 14 verdelingen die representatief zijn voor de werkelijke Likert-gegevens. Het computerprogramma selecteerde zelfvoorzienende paren monsters om alle mogelijke combinaties van de 14 verdelingen te testen.
• In totaal werden 10.000 willekeurige steekproeven gegenereerd voor elk van de 98 distributiecombinaties. De monsterparen worden geanalyseerd met zowel de two-sample t-test als de Mann-Whitney-test om de doeltreffendheid van elke test te vergelijken. Het onderzoek evalueerde ook verschillende steekproefgrootten.
• De resultaten laten zien dat de Type I foutpercentages (fout-positief) voor alle verdelingsparen zeer dicht bij de doelgrootheden liggen. Als een organisatie een van de analyses gebruikt en de resultaten statistisch significant zijn, hoeft ze zich niet al te veel zorgen te maken over een vals positief resultaat.
• De resultaten laten ook zien dat voor de meeste paren van verdelingen het verschil tussen de power van de twee tests triviaal is. Als er een verschil is op populatieniveau, is het even waarschijnlijk dat elke analyse dit detecteert.
• Er zijn enkele paren van specifieke verdelingen waarbij er een machtsverschil is tussen de twee testen. Als een organisatie beide tests uitvoert op dezelfde gegevens en het niet met elkaar eens is (de ene is significant en de andere niet), heeft dit verschil in vermogen slechts invloed op een kleine minderheid van de gevallen.
• In het algemeen is de keuze tussen de twee analyses een lus. Als een organisatie twee groepen vijfpunts Likert-gegevens moet vergelijken, maakt de analysemethode meestal niet uit.
• Zowel parametrische als niet-parametrische tests bieden consequent dezelfde beveiliging tegen fout-negatieven en bieden ook dezelfde bescherming tegen fout-positieven. Deze patronen zijn geldig voor steekproefgroottes van 10, 30 en 200 per groep.

Voordelen

Het gebruik van deze schaal in een enquête voor marktonderzoek heeft veel voordelen. Dat zijn ze:

• Gemakkelijk te implementeren:
  Deze universeel aanvaarde schaal is gemakkelijk te begrijpen en toe te passen op verschillende klanttevredenheids- of medewerkerstevredenheidsonderzoeken.
  
• Kwantificeerbare antwoordopties: Kwantificeer Likert-items zonder duidelijke relatie met de uitdrukking en voer statistische analyses uit op de ontvangen resultaten.

LEER OVER:

Stappen van het onderzoeksproces

• Analyseer de rangorde van meningen: Er kan een steekproef zijn met uiteenlopende meningen over een bepaald onderwerp. De likertschaal geeft een rangschikking van de meningen van deze ondervraagden.
• Eenvoudig te beantwoorden: Respondenten begrijpen de bedoeling van deze schaal en kunnen de vraag snel beantwoorden.

LEER OVER: Integrale kwaliteitszorg

Wil je de Likert-schalen gebruiken in een enquête? Doe het met QuestionPro!

De Likert-schaal enquête is een uitgebreide techniek voor het peilen van feedback en informatie, waardoor het aanzienlijk eenvoudig is om te begrijpen en te antwoorden. Dit is een cruciale vraag om de mening of houding ten opzichte van een specifiek onderwerp te meten, zodat het een grote hulp zal zijn bij de volgende stap van een onderzoek.

Met QuestionPro kan een organisatie een online enquête uitvoeren met behulp van de Likertschaal. Begin met een gratis account aanmaken en begin met het testen van dit soort vragen.

Als een organisatie meer informatie wil over deze en andere vragen binnen ons platform, raadpleeg dan onze online chat, vertel ons over het project en we bieden je graag een van onze onderzoekstools aan die het beste bij die behoeften past.

Maak een gratis account aan