O que é a escala Likert e como utilizá-la ?

O que é a escala Likert e como utilizá-la ?

Antecedentes da escala Likert

A escala Likert é uma das ferramentas mais utilizadas pelos pesquisadores de mercado quando querem avaliar as opiniões e atitudes de uma pessoa. Existem vários tipos de escalas de medição focadas diretamente na medição das atitudes das pessoas, dentre elas, uma das mais utilizadas é aquela sobre a qual falaremos a seguir.

O que é escala Likert?

Vamos começar pelo nome da escala, que tem sua origem em função do psicólogo Rensis Likert. O Likert faz distinção entre uma escala apropriada, que emerge das respostas coletivas a um grupo de itens (pode ser de 8 ou mais), e o formato no qual as respostas são pontuadas em um intervalo de valores. Tecnicamente, uma escala da escala de likert refere-se a esta última. A diferença entre esses dois conceitos tem a ver com a distinção que o Likert fez entre o fenômeno que está sendo investigado e as variáveis ​​dos meios de captura.

 

A escala Likert é um dos tipos de escalas de medida. É uma escala psicométrica usada principalmente em pesquisas de mercado para entender as opiniões e atitudes de um consumidor em relação a uma marca, produto ou mercado-alvo. Ele nos serve principalmente para fazer medições e saber sobre o grau de conformidade de uma pessoa ou entrevistado em relação a uma certa sentença negativa ou afirmativa.

 

Ao responder a um item na escala likert, o usuário responde especificamente com base em seu nível de concordância ou discordância. Escalas de frequência com formatos de resposta fixa do Likert que são usados ​​para medir atitudes e opiniões. Essas escalas permitem determinar o nível de concordância ou discordância dos respondentes.

 

A escala Likert pressupõe que a força e a intensidade da experiência são lineares, portanto passa de uma concordância total a uma discordância total, assumindo que as atitudes podem ser medidas. As respostas podem ser oferecidas em diferentes níveis de medição, permitindo escalas de 5, 7 e 9 elementos previamente configurados. Você deve sempre ter um elemento neutro para aqueles usuários que não concordam nem discordam.

escala-de-likert-exemplo

Exemplos de perguntas

Nível de concordância ou desacordo de uma sentença

Eu acho que a inovação é o elemento mais importante quando se inicia uma startup.

pergunta-de-escala-de-likert-1

Exemplo de pergunta com escala likert

 

O sabor da comida que eu como é a coisa mais importante para escolher um lugar para comer.

pergunta-de-escala-de-likert-1

Exemplo de pergunta com escala likert

 

Minha contribuição para a empresa é sempre valiosa.

pergunta-de-escala-de-likert-1

Exemplo de pergunta com escala likert

 

Frequência de conclusão de uma atividade

Eu saio de férias pelo menos duas vezes por ano.

pergunta-de-escala-de-likert-1

Exemplo de pergunta com escala likert

 

Eu consumo produtos de cuidados com a pele todos os dias.

pergunta-de-escala-de-likert-1

Exemplo de pergunta com escala likert

 

Importância de um fator

A experiência do usuário dentro da minha estratégia comercial é …

pergunta-de-escala-de-likert-1

Exemplo de pergunta com escala likert

 

Avaliação de marca, empresa, produto ou serviço

A marca A se preocupa com o meio ambiente e a natureza

pergunta-de-escala-de-likert-1

Exemplo de pergunta com escala likert

 

Probabilidade de realizar uma ação no futuro

Eu planejei comprar um carro nos próximos 6 meses.

pergunta-de-escala-de-likert-1

Você também pode ver mais exemplos de pesquisas com perguntas sobre escala Likert aqui.

 

Exemplos de escalas Likert

exemplos-de-escala-de-likert

Exemplos de escalas de medição de likert

 

Vantagens

  • É uma escala de fácil aplicação e design.
  • Você pode usar itens que não têm relação com a expressão.
  • Oferece um ranking da opinião das pessoas pesquisadas.
  • Muito simples de responder.

 

Desvantagens

  • Existem estudos científicos que indicam que há um viés na escala, já que as respostas positivas sempre superam as negativas.
  • Há também estudos que indicam que os entrevistados tendem a responder “de acordo”, uma vez que implica menos esforço mental no momento de responder a pesquisa.
  • Dificuldade para estabelecer com precisão a quantidade de respostas positivas e negativas.
  • Se tudo estiver claro para você, é hora de criar sua primeira pesquisa on-line usando a escala Likert.

 

Critérios fundamentais para configurar itens em uma escala Likert

Os itens devem ser facilmente relacionados às respostas da frase, independentemente de a relação entre item e sentença ser evidente.

Os itens devem ter sempre duas posições extremas, bem como um item intermediário que serve como uma graduação entre os extremos. É importante mencionar que, embora a escala Likert mais comum seja a de 5 itens, o uso de mais itens ajuda a gerar maior precisão nos resultados.

Os itens da escala devem ser sempre seguros e confiáveis. Para obter confiabilidade, às vezes é necessário sacrificar a precisão da escala.

Identificar quando falamos de uma escala Likert ou um elemento Likert é muito fácil. A escala Likert é composta de vários itens likert, conforme mostrado na imagem a seguir.

 

Escala de Likert e análise de dados

As pesquisas são usadas constantemente para medir a qualidade. Por exemplo, pesquisas podem ser usadas para medir a percepção do cliente sobre a qualidade do produto ou o desempenho da qualidade na prestação de serviços.

As escalas Likert são um formato de classificação comum para pesquisas. Os entrevistados classificaram a qualidade de alto a baixo ou de melhor a pior usando cinco ou sete níveis.

Os estatísticos geralmente agrupam os dados coletados dessas pesquisas em uma hierarquia de quatro níveis de medição:

  • Dados nominais: O nível de medição mais fraco que representa categorias sem representação numérica.
  • Dados ordinais: Dados em que é possível classificar ou classificar as respostas, mas não é possível medir a distância.
  • Dados de intervalo: Em geral, dados inteiros em que as medições de ordens e distâncias podem ser feitas.
  • Dados de relacionamento: dados em que são possíveis ordenação, distância, decimais e frações significativas entre variáveis.

As análises de dados que usam dados nominais, de intervalo e de razão são geralmente simples e transparentes. A análise ordinal de dados, particularmente no que diz respeito a Likert ou outras escalas nas pesquisas, não é. Este não é um problema novo. A adequação do tratamento de dados ordinais como dados de intervalo continua a ser controversa em análises de pesquisa em uma variedade de campos aplicados.1,2

Uma razão subjacente para analisar dados ordinais como dados de intervalo poderia ser a afirmação de que os testes estatísticos paramétricos (baseados no teorema do limite central) são mais poderosos do que as alternativas não paramétricas. Além disso, as conclusões e interpretações de testes paramétricos poderiam ser consideradas mais fáceis de interpretar e fornecer mais informações do que alternativas não paramétricas.

No entanto, o tratamento de dados ordinais como dados de intervalo (ou mesmo razão) sem examinar os valores do conjunto de dados e os objetivos da análise pode induzir em erro e deturpar os resultados de uma pesquisa. Para examinar as análises apropriadas de dados escalares e quando é preferível tratar dados ordinais como dados de intervalo, nos concentramos em escalas de Likert.

 

Noções básicas de escalas Likert

As escalas de Likert desenvolveram-se em 1932 como a conhecida resposta bipolar de cinco pontos com a qual a maioria das pessoas está familiarizada hoje.3 Essas escalas variam de um grupo de categorias – menos à maioria – pedindo às pessoas que indique o quanto você concorda ou discorda, aprova ou desaprova, ou acredita que é verdadeiro ou falso.

Não há realmente nenhuma maneira errada de construir uma escala Likert. A consideração mais importante é incluir pelo menos cinco categorias de respostas. Alguns exemplos de grupos de categorias aparecem na Tabela 1.

As extremidades da escala são frequentemente aumentadas para criar uma escala de sete pontos adicionando “muito” ao topo e ao fundo das escalas de cinco pontos. Foi demonstrado que a escala de sete pontos atinge os limites superiores da confiabilidade da escala.4.

Como regra geral, Likert e outros recomendam que seja melhor usar uma escala o mais ampla possível. Você sempre pode recolher as respostas em categorias condensadas, se apropriado, para análise.

Com isso em mente, as escalas às vezes são truncadas para um número par de categorias (geralmente quatro) para eliminar a opção “neutra” em uma escala de pesquisa de “escolha forçada”.

O documento original de Rensis Likert identifica claramente que poderia haver uma variável contínua subjacente cujo valor caracteriza as opiniões ou atitudes dos respondentes e esta variável subjacente é o nível de intervalo, na melhor das hipóteses.

 

Análise, generalização para índices contínuos

Como regra geral, a média e o desvio padrão são parâmetros inválidos para estatística descritiva quando os dados estão em escalas ordinais, assim como qualquer análise paramétrica baseada na distribuição normal.

Procedimentos não-paramétricos baseados em intervalo, mediana ou intervalo são apropriados para analisar esses dados, assim como os métodos de distribuição livre, como tabulações, frequências, tabelas de contingência e estatísticas de qui-quadrado.

Os modelos de Kruskall-Wallis podem fornecer o mesmo tipo de resultados que uma análise de variância, mas com base nas faixas e não nas médias das respostas. Como essas escalas são representativas de uma medição subjacente, uma recomendação é analisá-las como dados de intervalo como um piloto antes de coletar a medição contínua

A Tabela 2 inclui um exemplo de conclusões enganosas, mostrando os resultados da pesquisa anual da Fundação Alfred P. Sloan sobre a qualidade e extensão da aprendizagem on-line nos Estados Unidos. Os entrevistados usaram uma escala Likert para avaliar a qualidade da aprendizagem on-line em comparação com a aprendizagem presencial.

Enquanto 60% dos entrevistados percebem a aprendizagem on-line como igual ou melhor do que presencial, há uma minoria persistente que percebe a aprendizagem on-line como, pelo menos, um pouco inferior.

Se estes dados fossem analisados ​​por médias, com uma escala de 1 a 5 de inferior a superior, essa separação seria perdida, dando médias de 2,7, 2,6 e 2,7 para esses três anos, respectivamente. Isso indicaria um acordo um pouco abaixo da média em vez da distribuição real das respostas.

Melhores práticas para analisar os resultados da escala Likert

As escalas Likert de cinco pontos são comumente associadas a pesquisas e são usadas em uma ampla variedade de configurações. Você encontrou a escala Likert se alguma vez lhe perguntaram se concorda, concorda, discorda ou discorda, discorda ou discorda totalmente de alguma coisa. Acima você pode encontrar alguns exemplos deste tipo de perguntas.

Como os dados do elemento Likert são discretos, ordinais e de escopo limitado, houve uma longa disputa sobre a maneira mais válida de analisar os dados do Likert. A escolha básica é entre um teste paramétrico e um teste não paramétrico. Os prós e contras de cada tipo de teste são geralmente descritos da seguinte maneira:

  • Testes paramétricos, como o teste t de 2 amostras, assumem uma distribuição normal e contínua. No entanto, com um tamanho de amostra suficiente, os testes t são robustos aos resultados da normalidade.
  • Testes não paramétricos, como o teste de Mann-Whitney, não assumem uma distribuição normal ou contínua. No entanto, há preocupações sobre uma menor capacidade de detectar uma diferença quando realmente existe.

Qual a melhor opção? Essa é uma decisão real que você deve tomar quando fizer uma análise dos dados da sua pesquisa ao usar o Likert.

Ao longo dos anos, uma série de estudos que tentaram responder a essa pergunta. No entanto, eles tendem a olhar para um número limitado de distribuições potenciais para os dados do Likert, o que faz com que a generalização dos resultados seja prejudicada.

Graças aos aumentos no poder da computação, os estudos de simulação agora podem avaliar completamente uma ampla gama de distribuições.

Os pesquisadores identificaram um conjunto diversificado de 14 distribuições que são representativas dos dados reais do Likert. O programa de computador atraiu pares independentes de amostras para testar todas as combinações possíveis das 14 distribuições.

No total, 10.000 amostras aleatórias foram geradas para cada uma das 98 combinações de distribuição. Os pares de amostras são analisados ​​usando o teste t de duas amostras e o teste de Mann-Whitney para comparar a eficácia de cada teste. O estudo também avaliou diferentes tamanhos de amostras.

 

Os resultados mostram que, para todos os pares de distribuições, as taxas de erro Tipo I (falso positivo) estão muito próximas das quantidades teóricas. Em outras palavras, se você usar qualquer uma das análises e seus resultados forem estatisticamente significativos, você não precisa ficar muito preocupado com um falso positivo.

 

Os resultados também mostram que, para a maioria dos pares de distribuições, a diferença entre a potência dos dois testes é trivial. Em outras palavras, se realmente houver uma diferença no nível da população, qualquer uma das análises terá a mesma probabilidade de detectá-la. Preocupações sobre o teste de Mann-Whitney que têm menos poder neste contexto parecem ser infundadas.

Eu tenho um aviso. Existem alguns pares de distribuições específicas onde há uma diferença de poder entre os dois testes. Se você executar os dois testes nos mesmos dados e não concordar (um é significativo e o outro não), você pode consultar uma tabela de artigos para determinar se uma diferença no poder estatístico pode ser um problema. Essa diferença de poder afeta apenas uma pequena minoria de casos.

Em geral, a escolha entre as duas análises é loop. Se você precisar comparar dois grupos de dados Likert de cinco pontos, geralmente não importa qual análise você usa.

Ambos os testes quase sempre fornecem a mesma proteção contra falsos negativos e sempre fornecem a mesma proteção contra falsos positivos. Esses padrões são válidos para tamanhos de amostra de 10, 30 e 200 por grupo. Veja também escalas deslizantes.

Quer saber mais:

Escalas de medição que todo pesquisador deveria conhecer

Utilize as escalas de controle deslizante (Slider) para uma qualificação mais precisa

Para agilizar seu processo de trabalho e para que tenha recursos que enriquecem seu projeto de pesquisa, utilize uma plataforma online de pesquisa, te convido à conhecer à Questionpro, uma solução completa em pesquisa e inteligência de mercado.

Siga-nos nas redes sociais e receba sempre dicas e novidades: Facebook, Twitter, Linkedin.

Bottom CTA

Crie sua primeira pesquisa on-line
Comece em 30 segundos. Não é necessário cartão de crédito.