Un aspect essentiel de l’étude de marché pour les chercheurs est la capacité à évaluer l’opinion des personnes interrogées à l’égard d’une marque, d’une caractéristique, d’un produit, d’un service, etc. L’évaluation des opinions permet de mesurer le niveau des changements nécessaires. L’utilisation d’un outil de collecte de données d’analyse quantitative dans le processus de recherche, comme une échelle de Likert, permet aux équipes de recherche de comprendre les sentiments des répondants. La quantification d’un « like » ou d’un « dislike » permet d’apporter des changements en temps utile et constitue un outil essentiel dans le processus de collecte et de gestion des informations par les équipes de marque et de recherche.
Qu’est-ce qu’une échelle de Likert ?
Définition : Une échelle de Likert est une échelle unidimensionnelle que les chercheurs utilisent pour recueillir les attitudes et les opinions des personnes interrogées. Les chercheurs utilisent souvent cette échelle psychométrique pour comprendre les opinions et les perspectives à l’égard d’une marque, d’un produit ou d’un marché cible.
Différentes variantes sont axées directement sur la mesure des opinions des personnes, telles que l’échelle de
échelle de Guttman
,
l’échelle de Bogardus
et l’échelle de
l’échelle de Thurstone
. Le psychologue Rensis Likert a établi une distinction entre une échelle qui se matérialise par une collection de réponses à un groupe d’éléments (peut-être 8 ou plus). Les réponses sont mesurées dans une fourchette de valeurs.
DÉCOUVREZ : Rensis Likert et l’échelle de Likert
Exemple d’échelle de Likert :
Par exemple, le chercheur utilise une question à échelle de Likert comme une question à option dichotomique pour recueillir les commentaires sur un produit. Il/elle formule la question de la manière suivante : « Le produit a été un bon achat », les options proposées étant « d’accord » ou « pas d’accord ». L’autre façon de formuler cette question est la suivante : « Veuillez indiquer votre degré de satisfaction à l’égard des produits », et les options vont de très insatisfait à très satisfait.
Lorsqu’il répond à un élément de l’échelle de Likert, l’utilisateur répond explicitement en fonction de son degré d’accord ou de désaccord. Ces échelles permettent de déterminer le niveau d’accord ou de désaccord des personnes interrogées. L’échelle de Likert suppose que la force et l’intensité de l’expérience sont linéaires. Il va donc d’un accord complet à un désaccord complet, en supposant que les attitudes puissent être mesurées.
Vous avez besoin de plus d’exemples ? Consultez ces exemples d’échelles de Likert.
Types d’échelles de Likert
L’échelle de Likert est devenue l’une des méthodes préférées des chercheurs pour recueillir des avis sur la satisfaction des clients ou l’expérience des employés. Cette échelle se divise principalement en deux grands types :
- Échelle de Likert uniforme
- Échelle de Likert impaire
Échelle de Likert uniforme
Les chercheurs utilisent même des échelles de Likert pour recueillir des réactions extrêmes sans proposer d’option neutre.
- Échelle de Likert à 4 points pour l’importance: Ce type d’échelle de Likert permet aux chercheurs d’inclure quatre options extrêmes sans choix neutre. Ici, les différents degrés d’importance sont représentés sur une échelle de Likert à 4 points.
- Probabilité de recommandation en 8 points : Il s’agit d’une variante de l’échelle de Likert à 4 points expliquée précédemment, la seule différence étant que cette échelle comporte huit options pour recueillir des informations sur la probabilité d’une recommandation.
Échelle de Likert impaire
Les chercheurs utilisent l’échelle impaire de Likert pour donner aux personnes interrogées la possibilité de répondre de manière neutre.
- Échelle de Likert en 5 points : Avec cinq options de réponse, les chercheurs utilisent cette étrange question d’échelle de Likert pour recueillir des informations sur un sujet en incluant une option de réponse neutre que les répondants peuvent sélectionner s’ils ne souhaitent pas répondre à partir des choix extrêmes dans leur plan de recherche.
- Échelle de Likert en 7 points : L’échelle de Likert en 7 points ajoute deux options de réponse supplémentaires aux extrémités d’une question de l’échelle de Likert en 5 points.
- Échelle de Likert à 9 points : Une échelle de Likert à 9 points est assez rare, mais vous pouvez l’utiliser en ajoutant deux options de réponse supplémentaires à la question de l’échelle de Likert à 7 points.
Caractéristiques de l’échelle de Likert
L’échelle de Likert a vu le jour en 1932 sous la forme de l’échelle à 5 points, qui est largement utilisée. Ces échelles vont d’un groupe de sujets généraux aux sujets les plus spécifiques qui demandent aux répondants d’indiquer leur niveau d’accord, d’approbation ou de croyance. Voici quelques caractéristiques importantes de l’échelle de Likert :
- Réponses liées : Les questions doivent être facilement reliées aux réponses de la phrase, que la relation entre la question et la phrase soit évidente ou non.
- Type d’échelle : Les questions doivent toujours comporter deux positions extrêmes et une option de réponse intermédiaire qui sert de graduation entre les extrêmes.
- Nombre d’options de réponse : Il est essentiel de mentionner que, bien que l’échelle de Likert la plus courante soit celle de 5 éléments, l’utilisation d’un plus grand nombre d’éléments permet de générer une plus grande précision dans les résultats.
- Augmentation de la fiabilité de l’échelle : Les chercheurs augmentent souvent les extrémités de l’échelle pour créer une échelle à sept points en ajoutant « très » en haut et en bas de l’échelle à cinq points. L’échelle en sept points atteint les limites supérieures de la fiabilité de l’échelle.
- Utiliser des échelles larges : En règle générale, Likert et d’autres recommandent d’utiliser une échelle aussi large que possible. Il est toujours possible de regrouper les réponses en groupes concis, le cas échéant, à des fins d’analyse.
- l’absence d’option neutre : En tenant compte de ces détails, les échelles sont parfois réduites à un nombre pair de catégories (généralement quatre) afin d’éliminer la possibilité d’une option « neutre » sur une échelle d’enquête à « choix forcé ».
- Variable intrinsèque : Le registre primaire de Likert indique clairement qu’il pourrait y avoir une variable inhérente dont la valeur marque les réactions ou les attitudes des personnes interrogées, et cette variable sous-jacente est, au mieux, le niveau d’intervalle.
Données et analyse de l’échelle de Likert
Les chercheurs utilisent régulièrement des enquêtes pour mesurer et analyser la qualité des produits ou des services. L’échelle de Likert est un format de classification standard pour les études. Les personnes interrogées donnent leur avis (données) sur la qualité d’un produit ou d’un service, de la plus élevée à la plus basse ou de la meilleure à la moins bonne, en utilisant deux, quatre, cinq ou sept niveaux.
Les chercheurs et les auditeurs regroupent généralement les données collectées dans une hiérarchie de quatre niveaux de mesure fondamentaux – nominaux, ordinaux, d’intervalles et de ratios – pour une analyse plus approfondie:
- Données nominales : Les données dans lesquelles les réponses classées en variables n’ont pas nécessairement de données quantitatives ou d’ordre sont appelées données nominales.
- Données ordinales : Les données pour lesquelles il est possible de trier ou de classer les réponses, mais impossible de mesurer la distance, sont appelées données ordinales.
- Données d’intervalle : Les données agrégées dans lesquelles des mesures d’ordre et de distance peuvent être effectuées sont appelées données d’intervalle.
- Données de rapport : Les données de rapport sont similaires aux données d’intervalle. La seule différence est un rapport égal et définitif entre chaque donnée et le « zéro » absolu étant traité comme point d’origine.
L’analyse des données nominales, des données d’intervalle et des données de rapport est généralement transparente et simple. Les données ordinales analysent les données, en particulier en ce qui concerne les échelles de Likert ou autres dans les enquêtes. Il ne s’agit pas d’un nouveau problème de recherche. L’efficacité du traitement des données ordinales comme des données d’intervalle continue d’être débattue dans l’analyse d’enquête de divers domaines d’application. Voici quelques-uns des points importants à garder à l’esprit :
- Tests statistiques : Les chercheurs traitent parfois les données ordinales comme des données d’intervalle parce qu’ils prétendent que les tests statistiques paramétriques sont plus puissants que les alternatives non paramétriques. En outre, les conclusions des tests paramétriques sont faciles à interpréter et fournissent plus d’informations que les options non paramétriques.
- Concentration sur les échelles de Likert : Toutefois, le fait de traiter des données ordinales comme des données d’intervalle sans examiner les valeurs de l’ensemble de données et les objectifs de l’analyse peut induire en erreur et déformer les résultats d’une enquête. Pour analyser les données scalaires de manière plus appropriée, les chercheurs préfèrent considérer les données ordinales comme des données d’intervalle et se concentrer sur les échelles de Likert.
- Médiane ou intervalle pour l’inspection des données : Une ligne directrice universelle suggère que la moyenne et l’écart-type sont des paramètres sans fondement pour les statistiques détaillées lorsque les données sont sur des échelles ordinales, comme pour toute analyse paramétrique basée sur une distribution normale. Le test non paramétrique est effectué sur la base de la médiane ou de l’intervalle approprié pour l’inspection des données.
Meilleures pratiques pour l’analyse des résultats
Les données de l’élément Likert étant discrètes, ordinales et de portée limitée, la manière la plus logique d’analyser les données de Likert a fait l’objet d’un long débat. La première option consiste à choisir entre les tests paramétriques et les tests non paramétriques. Les avantages et les inconvénients de chaque type d’analyse sont généralement décrits comme suit :
- Les tests paramétriques supposent une division régulière et ininterrompue.
- Les tests non paramétriques ne supposent pas une division régulière ou ininterrompue. Toutefois, on peut craindre une moindre capacité à détecter une différence lorsqu’elle existe.
Quelle est la meilleure option ? Lorsqu’il décide d’analyser les informations reçues d’une enquête utilisant des questions sur l’échelle de Likert, le chercheur doit prendre une véritable décision.
- Au fil des ans, une série d’études ont tenté de répondre à cette question. Cependant, ils ont été enclins à examiner un nombre limité de distributions potentielles pour les données de Likert, ce qui nuit à la généralisation des résultats. Grâce à l’augmentation de la puissance de calcul, les études de simulation permettent aujourd’hui d’évaluer de manière approfondie un large éventail de distributions.
- Les chercheurs ont identifié un ensemble diversifié de 14 distributions représentatives des données réelles de Likert. Le programme informatique a extrait des paires d’échantillons autosuffisantes pour tester toutes les combinaisons possibles des 14 distributions.
- Au total, 10 000 échantillons aléatoires ont été générés pour chacune des 98 combinaisons de distribution. Les paires d’échantillons sont analysées à l’aide du test t à deux échantillons et du test de Mann-Whitney afin de comparer l’efficacité de chaque test. L’étude a également évalué différentes tailles d’échantillons.
- Les résultats montrent que les taux d’erreur de type I (faux positifs) pour toutes les paires de distributions sont très proches des quantités cibles. Si une organisation utilise l’une des analyses et que les résultats sont statistiquement significatifs, elle ne doit pas s’inquiéter outre mesure d’un faux positif.
- Les résultats montrent également que pour la plupart des paires de distributions, la différence entre la puissance des deux tests est insignifiante. S’il existe une différence au niveau de la population, l’une ou l’autre des analyses est tout aussi susceptible de la détecter.
- Pour certaines paires de distributions spécifiques, il existe une différence de puissance entre les deux tests. Si une organisation effectue les deux tests sur les mêmes données et n’est pas d’accord (l’un est significatif et l’autre non), cette différence de puissance n’affecte qu’une petite minorité de cas.
- En général, le choix entre les deux analyses est une boucle. Si une organisation doit comparer deux groupes de données Likert à cinq points, la méthode d’analyse n’a généralement pas d’importance.
- Les tests paramétriques et non paramétriques offrent systématiquement la même sécurité contre les faux négatifs et la même protection contre les faux positifs. Ces modèles sont valables pour des tailles d’échantillon de 10, 30 et 200 par groupe.
Avantagess
L’utilisation de cette échelle dans le cadre d’une étude de marché présente de nombreux avantages. Il s’agit de
- Facilité de mise en œuvre :
Cette échelle universellement acceptée peut être facilement comprise et appliquée à diverses enquêtes de satisfaction des clients ou des employés.
- Options de réponse quantifiables : Quantifier les items de Likert sans lien apparent avec l’expression et effectuer une analyse statistique des résultats obtenus.
EN SAVOIR PLUS :
Les étapes du processus de recherche
- Analyser le classement des opinions : Il peut y avoir un échantillon avec des points de vue variés sur un sujet particulier. L’échelle de Likert permet de classer les opinions des personnes interrogées.
- Simplicité de réponse : Les personnes interrogées peuvent comprendre l’intention de cette échelle et répondre rapidement à la question.
APPRENEZ-EN PLUS SUR : La gestion de la qualité totale
Vous souhaitez utiliser les échelles de Likert dans une enquête ? Faites-le avec QuestionPro !
L’enquête à échelle de Likert est une technique complète d’évaluation des réactions et des informations, qui facilite considérablement la compréhension et la réponse. Il s’agit d’une question essentielle pour mesurer l’opinion ou l’attitude à l’égard d’un sujet spécifique, de manière à ce qu’elle soit d’une grande utilité pour l’étape suivante de l’enquête.
Avec QuestionPro, une organisation peut mener une enquête en ligne en utilisant l’échelle de Likert. Commencer par
créer un compte gratuit
et commencer à tester ce type de question.
Si une organisation souhaite obtenir plus d’informations sur cette question et d’autres questions relatives à notre plateforme, consultez notre chat en ligne, décrivez-nous le projet et nous nous ferons un plaisir de vous proposer l’un de nos outils de recherche qui répond le mieux à vos besoins.