Una escala de Likert es una escala unidimensional que los investigadores utilizan para recoger las actitudes y opiniones de los encuestados. Los investigadores suelen utilizar esta escala psicométrica para conocer las opiniones y perspectivas hacia una marca, un producto o un mercado objetivo.

Hay diferentes variaciones de las escalas de Likert que se centran directamente en medir las opiniones de las personas, como la escala de Guttman, la escala de Bogardus y la escala de Thurstone. El psicólogo Rensis Likert estableció una distinción entre una escala que se materializa a partir de una colección de respuestas a un grupo de ítems (quizás 8 o más). Las respuestas se miden en un rango de valores.

Tipos de escalas de Likert

La escala Likert se ha convertido en una de las favoritas de los investigadores para recoger opiniones sobre la satisfacción de los clientes o la experiencia de los empleados. Esta escala se puede dividir principalmente en dos grandes tipos:

Escala Likert par

Los investigadores utilizan las escalas Likert pares para recoger opiniones extremas sin ofrecer una opción neutral.

Escala Likert de 4 puntos para la importancia

Este tipo de escala Likert permite a los investigadores incluir cuatro opciones extremas sin una opción neutral. Aquí se representan los distintos grados de importancia en una escala Likert de 4 puntos.

Escala Likert de 8 puntos para la recomendación

Se trata de una variación de la escala Likert de 4 puntos explicada anteriormente, con la única diferencia de que esta escala tiene ocho opciones para recoger opiniones sobre la probabilidad de una recomendación.

Escala Likert impar

Los investigadores utilizan la escala Likert impar para dar a los encuestados la opción de responder de forma neutral.

Escala Likert de 5 puntos

Con cinco opciones de respuesta, los investigadores utilizan esta pregunta de escala Likert impar para recabar información sobre un tema, incluyendo una opción de respuesta neutra para que los encuestados la seleccionen si no desean responder entre las opciones extremas.

Escala Likert de 7 puntos

La escala Likert de 7 puntos añade dos opciones de respuesta más en los extremos de una pregunta de escala Likert de 5 puntos.

Escala Likert de 9 puntos

La escala Likert de 9 puntos es bastante infrecuente, pero se puede utilizar añadiendo dos opciones de respuesta más a la pregunta de la escala Likert de 7 puntos.

Características de la escala Likert

La escala de Likert surgió en 1932 en forma de escala de 5 puntos, que hoy en día se utiliza mucho. Estas escalas van desde un grupo de temas generales hasta los más específicos que piden a los encuestados que indiquen su nivel de acuerdo, aprobación o, creencia. Algunas características significativas de la escala Likert, son:

Respuestas relacionadas

Los ítems deben estar fácilmente relacionados con las respuestas de la frase, independientemente de que la relación entre el ítem y la frase sea evidente.

Items

Los ítems deben tener siempre dos posiciones extremas y una opción de respuesta intermedia que sirva de graduación entre los extremos.

Número de opciones de respuesta

Es fundamental mencionar que aunque la escala Likert más común es la de 5 ítems, el uso de más ítems ayuda a generar mayor precisión en los resultados.

Aumento de la fiabilidad de la escala

Los investigadores suelen aumentar los extremos de la escala para crear una escala de siete puntos añadiendo “muy” a la parte superior e inferior de las escalas de cinco puntos. La escala de siete puntos alcanza los límites superiores de la fiabilidad de la escala.

Utilizar escalas amplias

Como regla general, Likert y otros recomiendan que es mejor utilizar una escala lo más amplia posible. Siempre se puede colapsar las respuestas en grupos concisos, si es apropiado, para el análisis.

Falta de una opción neutral

Teniendo en cuenta estos detalles, las escalas se reducen a veces a un número par de categorías (normalmente cuatro) para eliminar la posibilidad “neutral” en una escala de encuesta de “elección forzada”.

Variable intrínseca

El registro primario de Likert establece claramente que puede haber una variable intrínseca cuyo valor marca las reacciones o actitudes de los encuestados, y esta variable subyacente es el nivel de intervalo, en el mejor de los casos.

Ventajas de la escala Likert

Son muchas las ventajas de utilizar una escala Likert en una encuesta para la investigación de mercados. Son las siguientes:

Facilidad de aplicación

Esta escala universalmente aceptada puede ser fácilmente comprendida y aplicada a diversas encuestas de satisfacción de clientes o empleados.

Opciones de respuesta cuantificables

Cuantificar los ítems de Likert sin relación aparente con la expresión y realizar un análisis estadístico de los resultados recibidos.

Analizar el rango de opiniones

Puede haber una muestra con opiniones variadas sobre un tema concreto. La escala Likert ofrece una clasificación de las opiniones de estas personas encuestadas.

Sencillez de respuesta

Los encuestados pueden entender la intención de esta escala y responder rápidamente a la pregunta.

Datos y análisis de la escala Likert

Los investigadores utilizan regularmente las encuestas para medir y analizar la calidad de los productos o servicios. La escala Likert es un formato de clasificación estándar para los estudios. Los encuestados dan su opinión (datos) sobre la calidad de un producto/servicio de alto a bajo o de mejor a peor utilizando dos, cuatro, cinco o siete niveles.

Los investigadores y auditores suelen agrupar los datos recogidos en una jerarquía de cuatro niveles de medición fundamentales: niveles de medición nominal, ordinal, de intervalo y de razón para su posterior análisis:

Datos nominales

Los datos en los que las respuestas clasificadas en variables no tienen por qué tener un dato u orden cuantitativo se denominan datos nominales.

Datos ordinales

Los datos en los que es posible ordenar o clasificar las respuestas, pero es imposible medir la distancia se denominan datos ordinales.

Datos de intervalo

Los datos agregados en los que se pueden realizar mediciones de órdenes y distancias se denominan datos de intervalo.

Datos de razón

Los datos de razón son similares a los datos de intervalo. La única diferencia es una relación igual y definitiva entre cada dato y el “cero” absoluto que se trata como punto de origen.

El análisis de datos mediante datos nominales, de intervalo y de razón es generalmente transparente y sencillo. Los datos ordinales analizan los datos, especialmente en lo que respecta a las escalas Likert u otras en las encuestas. Este problema no es nuevo. La eficacia del tratamiento de los datos ordinales como datos de intervalo sigue siendo discutible en el análisis de encuestas de diversos campos aplicados. Algunos de los puntos significativos a tener en cuenta son

Pruebas estadísticas

Los investigadores a veces tratan los datos ordinales como datos de intervalo porque afirman que las pruebas estadísticas paramétricas son más potentes que las alternativas no paramétricas. Además, las inferencias de las pruebas paramétricas son fáciles de interpretar y proporcionan más información que las opciones no paramétricas.

Concentración en las escalas de Likert

Sin embargo, el tratamiento de los datos ordinales como datos de intervalo sin examinar los valores del conjunto de datos y los objetivos del análisis puede inducir a error y tergiversar los resultados de una encuesta. Para analizar los datos escalares de forma más adecuada, los investigadores prefieren considerar los datos ordinales como datos de intervalo y concentrarse en las escalas de Likert.

Mediana o rango para inspeccionar los datos

Una pauta universal sugiere que la media y la desviación estándar son parámetros sin fundamento para la estadística detallada cuando los datos están en escalas ordinales, al igual que cualquier análisis paramétrico basado en la distribución normal. La prueba no paramétrica se realiza basándose en la mediana o el rango adecuados para inspeccionar los datos.

Aplicación Práctica de la Escala Likert

Por ejemplo, para recoger la opinión sobre un producto, el investigador utiliza una pregunta de escala Likert en forma de pregunta de opción dicotómica.  La pregunta se formula como “El producto ha sido una buena compra”, con las opciones de acuerdo o desacuerdo. La otra forma de enmarcar esta pregunta es: “Por favor, indique su nivel de satisfacción con los productos”, y las opciones van desde muy insatisfecho hasta muy satisfecho.

Al responder a un ítem de la escala de Likert, el usuario responde basándose explícitamente en su nivel de acuerdo o desacuerdo. Estas escalas permiten determinar el nivel de acuerdo o desacuerdo de los encuestados. La escala Likert asume que la fuerza y la intensidad de la experiencia son lineales. Por lo tanto, va de un acuerdo total a un desacuerdo total, asumiendo que las actitudes se pueden medir.

Mejores prácticas para analizar los resultados de las escalas Likert

Debido a que los datos del elemento Likert son discretos, ordinales y de alcance limitado, ha habido una larga disputa sobre la forma más lógica de analizar los datos Likert. La primera opción es entre pruebas paramétricas y no paramétricas. Las ventajas y desventajas de cada tipo de análisis se describen generalmente como sigue:

Las pruebas paramétricas suponen una división regular e ininterrumpida.

Las pruebas no paramétricas no suponen una división regular e ininterrumpida. Sin embargo, existe la preocupación de una menor capacidad para detectar una diferencia cuando ésta existe.

¿Cuál es la mejor opción? Esta es una decisión real que debe tomar un investigador cuando decide analizar la información recibida de una encuesta que utiliza preguntas de la escala Likert.

A lo largo de los años, una serie de estudios han intentado responder a esta pregunta. Sin embargo, se han inclinado por examinar un número limitado de distribuciones potenciales para los datos Likert, lo que hace que la generalización de los resultados se resienta. Gracias al aumento de la potencia informática, los estudios de simulación pueden ahora evaluar a fondo una amplia gama de distribuciones.

Prueba de Mann-Whitney

Los investigadores identificaron un conjunto diverso de 14 distribuciones que son representativas de los datos Likert reales. El programa informático extrajo pares de muestras autosuficientes para probar todas las combinaciones posibles de las 14 distribuciones.

En total, se generaron 10.000 muestras aleatorias para cada una de las 98 combinaciones de distribución. Los pares de muestras se analizaron mediante la prueba t de dos muestras y la prueba de Mann-Whitney para comparar la eficacia de cada prueba. El estudio también evaluó diferentes tamaños de muestra.

¿Cuáles fueron los resultados?

Los resultados muestran que las tasas de error de tipo I (falsos positivos) de todos los pares de distribuciones están muy cerca de las cantidades objetivo. Si una organización utiliza cualquiera de los análisis y los resultados son estadísticamente significativos, no tiene que preocuparse demasiado por un falso positivo.

Los resultados también muestran que, para la mayoría de los pares de distribuciones, la diferencia entre la potencia de las dos pruebas es trivial. Si hay una diferencia a nivel de población, cualquiera de los análisis tiene la misma probabilidad de detectarla.

Hay algunos pares de distribuciones específicas en los que existe una diferencia de potencia entre las dos pruebas. Si una organización realiza ambas pruebas con los mismos datos y no coinciden (una es significativa y la otra no), esta diferencia de potencia sólo afecta a una pequeña minoría de casos.

En general, la elección entre los dos análisis es un bucle. Si una organización necesita comparar dos grupos de datos Likert de cinco puntos, el método de análisis no suele importar.

Tanto las pruebas paramétricas como las no paramétricas, proporcionan sistemáticamente la misma seguridad contra los falsos negativos y también ofrecen la misma protección contra los falsos positivos. Estos patrones son válidos para tamaños de muestra de 10, 30 y 200 por grupo.

Nuestros especialistas esperan por ti para que los contactes a través del formulario de cotización o del chat directo. También contamos con canales de comunicación confidenciales como WhatsApp y Messenger. Y si quieres estar al tanto de nuestros novedosos servicios y las diferentes ventajas de contratarnos, síguenos en FacebookInstagram o Twitter.

Si este artículo fue de tu agrado, no olvides compartirlo por tus redes sociales.

También te puede interesar: Una lista de temas de tesis de maestría en ciencias de la computación

Referencias Bibliográficas

Bowling, A. (1997). Research Methods in Health. Buckingham: Open University Press.

Burns, N., & Grove, S. K. (1997). The Practice of Nursing Research Conduct, Critique, & Utilization. Philadelphia: W.B. Saunders and Co.

Jamieson, S. (2004). Likert scales: how to (ab) use them. Medical Education, 38(12), 1217-1218.

Likert, R. (1932). A Technique for the Measurement of Attitudes. Archives of Psychology, 140, 1–55.

Paulhus, D. L. (1984). Two-component models of socially desirable responding. Journal of personality and social psychology, 46(3), 598.

Escala de Likert

Escala de Likert. Foto: Unsplash. Créditos: Myriam Jessier @mjessier

Abrir chat
1
Escanea el código
Bienvenido(a) a Online Tesis
Nuestros expertos estarán encantados de ayudarte con tu investigación ¡Contáctanos!