Score de l'échelle de Likert - puis-je attribuer des scores négatifs?
Je vais mener une enquête avec une échelle de Likert à 4 points. Les questions sont divisées en en-têtes. Les réponses seront notées et chaque en-tête recevra un score.
Je voudrais savoir s'il est acceptable d'attribuer des scores négatifs à l'échelle de Likert E.G .:
Strongly Agree: 2
Agree: 1
Disagree: -1
Strongly Disagree: -2
ou devrais-je simplement choisir des nombres positifs:
Strongly Agree: 4
Agree: 3
Disagree: 2
Strongly Disagree: 1
Je voudrais savoir laquelle est une meilleure pratique et quelles sont les implications de chaque méthode.
Ne montrez pas les chiffres aux candidats; cela ne fera que les confondre. Mais vous voudrez peut-être les utiliser en interne.
La saisie équilibrée (en utilisant une quantité approximativement égale d'éléments positifs et négatifs) est souvent utilisée en psychométrie et est considérée comme une bonne pratique. Il vous permet d'aborder un sujet sous différents angles.
Quelques exemples d'articles (mesurer l'extraversion):
+ clé: Sentez-vous à l'aise avec les gens; Se faire des amis facilement; Suis habile dans la gestion des situations sociales.
- clé: n'a pas grand chose à dire; Restez en arrière-plan; Je n'aime pas attirer l'attention sur moi.
Avec une échelle à quatre points, vous constaterez probablement que l'option 3 collectera la plupart des réponses "neutres" ou "je ne sais pas/ne veux pas dire/ne comprends pas" qui, sinon, iraient au milieu option. Pour l'analyse, vous pouvez simplement attribuer les scores 1 (fortement en désaccord) à 4 (tout à fait d'accord) pour les éléments à clé positive et les inverser pour les éléments à clé négative (4 pour fortement en désaccord et 1 pour fortement d'accord). Si vous autorisez à sauter des éléments, il est logique d'utiliser une échelle avec une moyenne de 0 afin que vous puissiez compter toutes les questions sans réponse comme 0 tout en utilisant un simple ajout pour calculer le score total.
En ce qui concerne le nombre de catégories dans votre échelle Likert: moins de catégories permettent des décisions plus rapides et des temps de réponse plus rapides au questionnaire, plus de catégories sont plus lentes mais les gens auront (subjectivement) le sentiment de pouvoir exprimer leurs sentiments plus précisément.
Ajout:
Les échelles de Likert doivent garder à l'esprit que ce sont des échelles ordinales et non des échelles d'intervalle. Cela fonctionne souvent très bien si vous attribuez des valeurs numériques aux catégories et les utilisez pour calculer un score total. Il existe d'autres méthodes disponibles pour travailler avec des éléments polytomiques et calculer les totaux, telles que la théorie de la réponse des éléments, en tenant compte des caractéristiques de chaque élément, mais elles ne sont pas aussi claires et pratiques qu'une simple addition.
La principale différence entre une échelle notée de 1 à 4 (ou une version décalée: -2,5, -1,5, +,5, +1,5) et l'idée que vous proposez de -2 à +2 est la largeur de l'intervalle moyen, entre en désaccord et d'accord. Avec un intervalle moyen (petit) normal, il faut 3 désaccords pour compenser 1 accord fort (3 * 2 + 4 = 10; moyenne 2,5); avec un intervalle moyen plus grand, il ne faut que 2.
Avec les échelles de Likert, les gens (en particulier les introvertis) ont tendance à éviter les catégories extrêmes (j'ai fait un projet de recherche à ce sujet, et il était frappant de voir à quelle fréquence pour la même question les gens répondaient `` oui, absolument! '' En langage naturel tandis que dans l'échelle de Likert questionnaire qu'ils n'ont pas choisi "fortement d'accord"). Si vous accordez moins d'importance aux catégories extrêmes, cela pourrait influencer les totaux.
Voici un exemple: les scores totaux pour une échelle d'extraversion à 5 questions calculés avec les deux méthodes et tracés les uns contre les autres (pour 2700 personnes):
Les scores ne correspondent pas parfaitement et les différences sont statistiquement significatives, mais pour la plupart des scores, cela ne fait pas une grande différence. La différence maximale sur le score total ici n'est que de 2,5 (et si vous vous ajustez pour les différentes plages seulement 2). En regardant la distribution des scores (plage ajustée à nouveau), vous voyez le même schéma:
Donc en bref: si vous voulez utiliser un schéma de codage -2/-1/+ 1/+ 2, allez-y; cela n'aura probablement pas d'importance pour les résultats finaux. Les catégories de réponses extrêmes compteront un peu moins, et la gamme des scores possibles diffère de l'autre schéma. Les résultats différeront, mais vous pouvez vous attendre à ce que la différence soit petite. (Cependant, je choisirais le schéma le plus simple.)
En me fondant sur l'excellente réponse de Marielle, je veux juste ajouter que vous devez être prudent lorsque vous attribuez des valeurs numériques à une échelle qui est toujours de nature essentiellement qualitative. Cela ne signifie pas que vous ne devriez pas, vous devez simplement faire attention à la façon dont vous utilisez ces valeurs. Lorsque vous avez une valeur, vous pouvez calculer des choses comme des changements de pourcentage entre deux périodes de mesure ... mais ces changements de pourcentage, et de nombreuses autres statistiques, sont sensibles aux nombres que vous attribuez arbitrairement à l'échelle.
À titre d'exemple, une compagnie d'assurance envisageait d'accorder une prime spéciale pour une amélioration de x% des scores de satisfaction client pour chaque agent. Ils ont utilisé une moyenne de 1 à 5 scores de satisfaction pour classer les employés, jusqu'à ce que quelqu'un souligne que passer d'un 1 à un 2, ou passer de tout à fait lugubre à moins lugubre, était une augmentation de 100%, tout en passant d'un 4 à un 5, de grand à impeccable, n'était qu'une augmentation de 25%. On peut dire que le deuxième employé méritait mieux une prime, mais ils ne semblaient que 1/4 aussi bons sur le papier. Fondamentalement, leur utilisation d'échelles et de moyens numériques ne fonctionnait pas pour ce qu'ils essayaient de faire.
En raison de ces difficultés, je préfère éviter d'attribuer des valeurs numériques aux réponses si je peux m'en tirer - mais je ne peux pas toujours.
Utilisez uniquement des nombres positifs.
Une échelle de Likert ne gagne rien à l'utilisation de nombres négatifs. En fait, vous introduisez probablement un biais dans vos réponses parce que les nombres négatifs créeront une réponse émotionnelle - poussant les utilisateurs à sélectionner la plus modérée des réponses positives (en partie en raison du biais de tendance centrale).
Deux ou trois choses: 1/Votre échelle n'a pas la valeur neutre dans votre échelle Likert (Ni d'accord ni en désaccord) car la plupart de ces échelles sont basées sur cinq points. 2/Vous pouvez ajouter des valeurs à chaque élément d'échelle mais en effet, vous ne devriez pas du tout les afficher à votre utilisateur/répondant car cela pourrait induire une perspective. Souvent, ces valeurs peuvent être négatives dans les méthodologies d'enquête (études de marché, sondages d'opinion, ...): Pas du tout d'accord (2) Pas d'accord (1) Ni d'accord ni en désaccord (0) D'accord (-1) Tout à fait d'accord (-2)
Ce qui précède est généralement utilisé pour analyser les données comme une variable numérique plutôt que comme une question fermée (permettant ainsi à l'analyste d'appliquer la moyenne et d'autres calculs statistiques)