Zurück
Likert-Skala: Definition, Beispiele und wie man sie analysiert
SmartInterview Team
Die kurze Antwort
Ein Likert-Item ist eine einzelne Aussage mit einem geordneten Antwortformat vom Typ Zustimmung, wie z. B. „Stimme überhaupt nicht zu“ bis „Stimme voll und ganz zu“. Eine Likert-Skala im ursprünglichen Sinne ist die Summe oder der Durchschnitt mehrerer solcher Items, die ein zugrunde liegendes Konstrukt messen. Der Ansatz ist nach Rensis Likert benannt, der in den 1930er Jahren summierte Bewertungen einführte.
Eine Aussage ist ein Item. Mehrere Items zusammen ergeben die Skala. In den meisten Artikeln wird der Begriff „Likert-Skala“ verwendet, um eine einzelne Frage zu bezeichnen, weshalb die methodischen Argumente in diesem Bereich oft unklar sind.
Das Antwortformat muss ausgewogen und geordnet sein: gleiche Anzahl an positiven und negativen Optionen, mit verbalen Verankerungen (Anchors) und einem optionalen Mittelpunkt (Midpoint).
5-Punkt-Skalen sind der gut lesbare Standard. 7 Punkte bieten eine feinere Differenzierung und eignen sich für Multi-Item-Skalen. Eine gerade Anzahl eliminiert den Mittelpunkt und zwingt zu einer Entscheidung (Forced Choice), hat jedoch auch Nachteile.
Ein einzelnes Item ist ordinalskaliert. Berichten Sie die gesamte Verteilung und den Top-2-Box-Wert zusammen mit dem Durchschnitt. Ein summierter Score aus mehreren Items verhält sich in der Praxis eher wie ein intervallskaliertes Maß.
Reliabilitätsstatistiken wie Cronbachs Alpha machen nur bei einer Multi-Item-Skala Sinn. Es gibt keine interne Konsistenz (Internal Consistency), wenn Sie nur ein einziges Item haben.
Skalenformate im Vergleich
Das gewählte Format beeinflusst, was die Daten leisten können. Hier ist der ehrliche Trade-off zwischen den fünf Formaten, zwischen denen Sie tatsächlich wählen werden.
Format | Diskrimination | Mittelpunkt | Mobile Readability | Am besten geeignet für |
|---|---|---|---|---|
4-Point Forced Choice | Gering. Vier Boxen, keine neutrale Ausweichmöglichkeit | Keiner. Jeder muss sich für eine Richtung entscheiden | Sehr gut. Kurze Labels, passt in eine Zeile | Screening, Compliance-Prüfungen, Kontexte, in denen Indifferenz keine nützliche Antwort ist |
5-Point Agreement Scale | Moderat. Genügend Streuung für die meisten Tracking-Studien | Ja, „Weder noch / Neutral“ | Sehr gut. Die sicherste Wahl auf dem Smartphone | Allgemeine Einstellungsstrukturen und einzelne, alleinstehende Items |
7-Point Agreement Scale | Hoch. Befragte, die differenzieren möchten, haben den Platz dafür | Ja, plus zwei Abstufungen auf jeder Seite davon | Mäßig. Sieben vollständige Labels überfordern einen schmalen Bildschirm | Multi-Item-Skalen, Psychometrie, sensitive Trend-Erkennung |
10- oder 11-Point Numeric Scale | Am höchsten auf dem Papier, aber vieles davon ist Rauschen (Noise) | Ambivalent. Die Mitte ist eine Zahl, keine formulierte Position | Gut als Zahlenreihe, schlecht, wenn man jeden Punkt beschriftet | Likelihood- und Rating-Fragen, länderübergreifendes Tracking, bei dem Formulierungen schwer zu übersetzen sind |
Semantisches Differenzial | Moderat bis hoch, abhängig von der Punktanzahl | Ja, aber unbeschriftet und frei interpretierbar | Schlecht. Bipolare Adjektive an den Enden benötigen Breite | Marken- und Produktimage, wenn das Konstrukt eher ein Spektrum als reine Zustimmung ist |
Beachten Sie die letzte Zeile. Ein semantisches Differenzial („Günstig ... Teuer“) ist kein Likert-Item, auch wenn es in einer Matrix-Tabelle so aussieht. Likert-Items messen die Zustimmung oder Befürwortung einer Aussage. Das Mischen beider Typen in einer Batterie und deren anschließende Summierung ist ein häufiger und vermeidbarer Fehler.
Beschriftung: Jeder Punkt vs. Nur Endpunkte
Ansatz | Interpretation | Sprachausgabe & Screenreader | Übersetzung | Platzbedarf |
|---|---|---|---|---|
Vollständig beschriftet | Einheitlicher zwischen den Respondenten. Jeder Punkt hat eine definierte Bedeutung | Stark. Die Optionen können vorgelesen und namentlich ausgewählt werden | Schwer. Intensitätswörter lassen sich nicht eins-zu-eins in andere Sprachen übertragen | Hoch |
Nur Endpunkte beschriftet | Liest sich wie ein numerisches Kontinuum. Die Mitte bleibt dem Respondenten überlassen | Schwach. „Irgendwo bei vier“ ist unpraktisch zu sagen und zu hören | Einfacher. Nur zwei Anker müssen lokalisiert werden | Gering |
Item vs. Scale: Der Unterschied, den die meisten Artikel überspringen
Rensis Likerts Beitrag in den 1930er Jahren bestand nicht aus den fünf Antwortoptionen. Es war das summated rating: Man formuliert mehrere Aussagen, die alle dieselbe zugrunde liegende Einstellung erfassen, lässt die Befragten jede Aussage auf derselben geordneten Antwortskala bewerten und addiert oder mittelt dann die Bewertungen zu einem einzigen Score für diese Person.
Diese Summe ist die Likert-Skala. Eine einzelne Aussage ist ein Likert-Item oder ein Likert-artiges Item. Der Unterschied ist keine Haarspalterei, denn zwei der größten Debatten in der survey analysis lassen sich je nachdem, was man vor sich hat, unterschiedlich lösen.
Warum es die Debatte um ordinale Daten verändert
Bei einem einzelnen Item ist der Einwand bezüglich ordinaler Daten stark. Man hat fünf oder sieben beschriftete Kategorien, und nichts garantiert, dass der psychologische Abstand von „Stimme zu“ bis „Stimme voll und ganz zu“ dem Abstand von „Neutral“ bis „Stimme zu“ entspricht. Die Mittelwertbildung dieser Kategoriennummern bedeutet, dass ungleiche Schritte als gleich behandelt werden.
Bei einem summated score über beispielsweise acht Items schwächt sich der Einwand erheblich ab. Die Summe nimmt wesentlich mehr Werte an, ihre Verteilung tendiert zu etwas reasonably continuous und Symmetrischem, und Unregelmäßigkeiten bei den einzelnen Schritten gleichen sich über die Items hinweg teilweise aus. Aus diesem Grund werden in der Psychometrie mehrteilige Skalen-Scores seit langem als geeignet für Mittelwerte, Korrelationen und parametrische Tests angesehen, während man bei einzelnen Items weitaus vorsichtiger ist.
Warum es die Reliabilität verändert
Statistiken zur internen Konsistenz wie Cronbachs Alpha messen, wie stark eine Gruppe von Items als Maß für ein und dieselbe Sache zusammenhängt. Bei einem einzelnen Item gibt es keine Gruppe, also gibt es auch nichts zu berechnen. Wenn jemand ein Alpha für eine einzelne Frage angibt, ist etwas schiefgelaufen.
Zwei Warnhinweise, wenn Sie es berechnen. Erstens: Die gängigen Grenzwerte, die häufig zitiert werden, sind Konventionen, keine Gesetze, und sie werden in der methodischen Fachliteratur aktiv diskutiert. Zweitens: Alpha steigt mit der Anzahl der Items. Eine lange Reihe fast identischer Aussagen kann daher hochgradig reliabel wirken, misst aber nur einen sehr engen Ausschnitt des Konstrukts. Ein hohes Alpha ist kein Beweis für eine gute Skala.
Wie ein gut gestaltetes Likert-Item aussieht
Ein Likert-Item besteht aus zwei Hälften, und für beide gelten Regeln.
Die Aussage
Nur ein Gedanke. „Die App ist schnell und einfach zu bedienen“ ist zweigleisig (double-barreled). Ein Befragter, der sie schnell, aber verwirrend findet, hat keine ehrliche Antwortmöglichkeit. Teilen Sie die Aussage auf.
Deklarativ, keine Frage. „Der Support hat mein Problem schnell gelöst“ funktioniert. „Wie schnell hat der Support Ihr Problem gelöst?“ ist ein anderer Fragetyp, der nach einer Bewertung und nicht nach Zustimmung verlangt.
Keine doppelten Verneinungen. „Ich denke nicht, dass der Checkout unklar ist“ zwingt die Befragten, eine doppelte Verneinung zu entschlüsseln, bevor sie antworten können.
Neutrale Formulierung. „Das neue Design ist eine große Verbesserung“ ist suggestiv. „Das neue Design ist eine Verbesserung gegenüber dem vorherigen“ ist es nicht.
Konkret und zeitlich begrenzt wo möglich. „Im letzten Monat war es für mich einfach, Hilfe zu erhalten“ ist besser als „Es ist einfach, Hilfe zu erhalten“.
Das Antwortset
Ausgewogen (Balanced). Gleiche Anzahl an positiven und negativen Optionen. „Hervorragend, Sehr gut, Gut, Akzeptabel, Schlecht“ ist keine ausgewogene Skala, sondern vier Nuancen von positiv und eine negative, was Ihre Ergebnisse nach oben verzerren wird.
Geordnet und monoton. Jeder Schritt ist eindeutig mehr oder weniger als der vorherige, in eine einzige Richtung.
Verbal verankert (Verbally anchored). Mindestens die Endpunkte. Vorzugsweise jeder Punkt, es sei denn, Sie führen Befragungen in vielen verschiedenen Märkten durch.
Konsistent über die gesamte Batterie. Wechseln Sie nicht mitten in einer Matrix von einer 5-Punkt- zu einer 7-Punkt-Skala, und spiegeln Sie nicht die Richtung der Skala zwischen den Bildschirmen.
„Keine Angabe“ oder „Nicht zutreffend“ liegt außerhalb der Skala. Es ist nicht der Mittelpunkt. Platzieren Sie diese Option visuell getrennt und schließen Sie sie bei der Berechnung von Mittelwerten aus der Basis aus.
Beispiel-Items
Eine kurze Item-Batterie zu einer Support-Erfahrung, alle bewertet mit Stimme überhaupt nicht zu / Stimme nicht zu / Weder noch / Stimme zu / Stimme voll und ganz zu:
Der Mitarbeiter hat mein Problem verstanden.
Ich habe eine klare Antwort erhalten, ohne mich wiederholen zu müssen.
Die Zeit bis zur Lösung meines Problems war angemessen.
Negativ formuliert (Reverse-worded): Ich musste mehr Aufwand betreiben, als angemessen gewesen wäre, um das Problem zu klären.
Diese vier Items messen ein Konstrukt und können vertretbar summiert werden, vorausgesetzt, Sie codieren das letzte Item zuerst um (reverse-scoring). Wenn Sie solche Items in einer Matrix platzieren, spielen die Layoutregeln für matrix questions in surveys eine ebenso große Rolle wie die Formulierung.
Wie viele Skalenpunkte
Es gibt keine universell richtige Anzahl. Es gibt absehbare Kompromisse.
5 Punkte
Der gut lesbare Standard. Die Beschriftungen passen auf ein Smartphone, Befragte verarbeiten die Optionen schnell, und der Mittelpunkt gibt unschlüssigen Personen eine ehrliche Ausweichmöglichkeit. Wenn Sie eine einzelne, freistehende Einstellungsfrage in einem größeren Fragebogen verwenden, ist dies meist die richtige Wahl.
7 Punkte
Mehr Differenzierung. Befragte, die feiner unterscheiden möchten, erhalten Raum, um den Grad ihrer Zustimmung auszudrücken. Summierte Scores aus 7-Punkt-Items streuen stärker, was hilft, wenn Sie kleine Veränderungen zwischen verschiedenen Befragungswellen oder Segmenten erkennen wollen. Der Nachteil sind Platzbedarf auf dem Bildschirm und kognitiver Aufwand, besonders wenn Sie alle sieben Punkte beschriften.
4 Punkte, oder jede gerade Anzahl
Das Entfernen des Mittelpunkts erzwingt eine Tendenz (forced choice). Manchmal ist das gewünscht, zum Beispiel bei einer Compliance-Checkliste, bei der „neutral“ kein sinnvoller Zustand ist. Aber machen Sie sich die Kosten klar: Sie eliminieren die Ambivalenz nicht, indem Sie die Schaltfläche dafür entfernen. Sie drängen Personen, die tatsächlich unentschieden, uninformiert oder zwiegespalten sind, auf die eine oder die andere Seite. Bei Zustimmungsskalen neigt dieser Druck dazu, auf der Zustimmungsseite zu landen, sodass Forced-Choice-Formate positiver wirken können, als es der tatsächlichen Einstellung entspricht. Wenn Sie den Mittelpunkt entfernen, tun Sie dies, weil Gleichgültigkeit keine gültige Antwort auf Ihre Frage ist, und nicht, weil Sie keine Häufung in der Mitte sehen wollen.
Mehr als 7 Punkte
Erwarten Sie abnehmende Erträge (diminishing returns). Nur sehr wenige Menschen haben Einstellungen, die sie verlässlich in neun oder elf verschiedene verbale Abstufungen einteilen können. Zusätzliche Punkte jenseits von etwa sieben bringen meist eher Rauschen und Layoutprobleme als echten Informationsgewinn. Betrachten Sie dies eher als Design-Empfehlung und weniger als starre Regel. Die Ausnahme ist eine rein numerische Bewertung von 0 bis 10. Diese funktioniert gut, weil Befragte sie als vertrautes Kontinuum und nicht als zehn separate, beschriftete Positionen wahrnehmen.
Labeling und das Übersetzungsproblem
Vollständig beschriftete Skalen werden konsistenter interpretiert, da jeder Punkt genau sagt, was er bedeutet, anstatt es den Befragten zu überlassen, sich eine Bedeutung für eine „4“ auszudenken. Sie sind auch die einzig sinnvolle Option für telefonische Befragungen und Screenreader, bei denen Befragte die Optionen hören müssen, anstatt eine Reihe von Kästchen zu sehen. Wenn Ihr Survey laut vorgelesen wird, beschriften Sie jeden Punkt und halten Sie die Beschriftungen kurz.
Eine ausschließliche Beschriftung der Endpunkte ist kompakter, wirkt wie ein numerisches Kontinuum und lässt sich leichter in andere Sprachen übertragen. Die Schwachstelle ist die Mitte: Zwei Befragte, die auf einer 7-Punkt-Skala eine „4“ wählen, können damit völlig unterschiedliche Dinge meinen.
Die Übersetzung ist hier das unterschätzte Problem. Intensitätsadverbien lassen sich nicht eins zu eins zwischen Sprachen übertragen. Der Abstand zwischen „agree“ und „strongly agree“ im Englischen entspricht im Deutschen, Französischen oder Japanischen nicht zwangsläufig dem Abstand zwischen dem am nächsten kommenden Paar, und manche Sprachen haben keine natürliche, aus einem Wort bestehende Entsprechung für eine leichte Zustimmung. Für länderübergreifende Studien (multi-country work) ergeben sich daraus zwei Konsequenzen: Nutzen Sie professionell lokalisierte Formulierungen anstelle von maschinell übersetzten, und seien Sie sehr vorsichtig beim Vergleich von rohen Mittelwerten zwischen verschiedenen Märkten, da ein Teil der Unterschiede auf die Formulierung und nicht auf die tatsächliche Einstellung zurückzuführen sein kann. Reine Endpunkt-Beschriftungen oder numerische Formate verringern dieses Problem, lösen es aber nicht vollständig.
Ordinal oder Interval? Die ehrliche Antwort
Streng genommen ist ein einzelnes Likert-Item ordinal. Die Kategorien haben eine definierte Reihenfolge, aber die Abstände zwischen ihnen sind nicht garantiert gleich, sodass die mathematischen Operationen, die ein Mittelwert voraussetzt, formal nicht gerechtfertigt sind.
In der Praxis ist die Behandlung von summierten Multi-Item-Scores als Interfalldaten im Bereich Applied Research Standard, und darauf angewandte parametrische Methoden sind bei angemessenen Stichprobengrößen und nicht-extremen Verteilungen im Allgemeinen robust. Die dogmatische Position, dass Mittelwerte niemals zulässig sind, entspricht nicht der tatsächlichen Arbeitsweise in der Praxis. Die ungenaue Position, bei der eine 4,17 bei einem einzelnen Item so dargestellt wird, als handele es sich um eine gemessene Länge, ist jedoch ebenfalls nicht vertretbar.
Der praktikable Mittelweg:
Veröffentlichen Sie niemals einen Mittelwert ohne die dahinterstehende Verteilung. Der Mittelwert ist eine Zusammenfassung der Verteilungsform, kein Ersatz dafür. Zwei völlig unterschiedliche Verteilungen können denselben Durchschnitt erzeugen.
Response Biases, die Sie messen, ob Sie wollen oder nicht
Acquiescence bias (Zustimmungstendenz)
Einige Befragte stimmen Aussagen unabhängig vom Inhalt zu, insbesondere wenn sie müde oder unsicher sind oder einfach nur freundlich sein wollen. Da Likert-Items Zustimmungsbewertungen sind, wirkt sich dieser Bias direkt auf Ihr Konstrukt aus.
Die Standardlösung ist ein ausgewogenes Set (balanced battery), bei dem einige Items in die entgegengesetzte Richtung formuliert sind, so dass eine durchgehende Zustimmung (straight-line agreement) zu widersprüchlichen Antworten führt, die Sie erkennen und herausfiltern können. Diese Methode hat jedoch ihren Preis. Negativ formulierte Items (reverse-worded items) sind schwerer zu lesen, Befragte übersehen oft die Negation und antworten, als ob das Item positiv formuliert wäre. Zudem gruppieren sich umformulierte Items in der Faktorenanalyse manchmal aufgrund der Formulierung und nicht aufgrund der Einstellung. Verwenden Sie nur wenige reverse-worded items, formulieren Sie diese als klare, positive Aussagen des gegenteiligen Gedankens statt als Negationen und prüfen Sie im Anschluss, ob sie sich wie der Rest des Sets verhalten.
Extreme und midpoint response styles
Unabhängig von ihrer eigentlichen Meinung neigen manche Menschen gewohnheitsmäßig dazu, die Extremwerte von Skalen zu wählen, während andere eher in der Mitte bleiben. Diese Tendenzen variieren von Person zu Person und – was für die internationale Forschung besonders wichtig ist – systematisch zwischen verschiedenen Kulturen. Aus diesem Grund ist der Vergleich von ungewichteten Mittelwerten (raw means) zwischen Ländern riskant: Ein Teil des Unterschieds ist auf die Gewohnheit bei der Skalennutzung zurückzuführen, nicht auf die Einstellung. Der Vergleich jedes Marktes mit seiner eigenen Historie oder die Standardisierung der Werte innerhalb der Befragten vor dem Vergleich ist sicherer, als die Mittelwerte der Länder nebeneinander zu stellen und einen Gewinner zu kürzen.
Social desirability (Soziale Erwünschtheiz)
Aussagen über Verhaltensweisen, bei denen sich Menschen bewertet fühlen – wie Anstrengung, Ehrlichkeit, Gesundheit oder Ausgaben –, führen oft zu Antworten, die den Befragten schmeicheln. Eine neutrale Formulierung hilft, eine garantierte Anonymität hilft noch mehr, und selbstadministrierte Formate führen bei sensiblen Themen im Allgemeinen zu ehrlicheren Antworten als Interviews durch Befragungsleiter.
Häufige Fehler bei der Analyse
Berichten eines Mittelwerts für ein einzelnes Item auf zwei Dezimalstellen genau. Ein Wert von 4,17 bei fünf geordneten Antwortkategorien suggeriert eine Präzision, die das Erhebungsinstrument gar nicht hergibt. Runden Sie den Wert oder berichten Sie stattdessen Top-Boxes.
Vergleich von Mittelwerten über Länder oder Sprachen hinweg ohne Überprüfung der Skalennutzung. Möglicherweise stellen Sie einen Übersetzungsartefakt und einen Unterschied im Response Style als echten Market Insight dar.
Ignorieren einer Häufung in der Mitte (midpoint pile-up). Ein großer Mittelwertanteil bedeutet meist, dass die Aussage vage oder für den Befragten irrelevant war, oder dass Personen befragt wurden, die keine fundierte Meinung abgeben können. Korrigieren Sie das Item, anstatt den Mittelpunkt zu löschen.
Zusammenfassen von Kategorien nach Sichten der Ergebnisse. Die Entscheidung, „weder/noch“ in die positive Box einzubeziehen, nur weil das Diagramm dadurch besser aussieht, ist eine falsche Herangehensweise beim Reporting. Legen Sie die Boxen im Voraus fest.
Behandlung von „neutral“ als „weiß nicht“. Dies sind unterschiedliche Zustände. „Weder zustimmen noch ablehnen“ ist eine bewusste Position. „Weiß nicht“ ist das Fehlen einer Position, gehört nicht auf die Skala und sollte aus der Basis für die Mittelwertberechnung ausgeschlossen werden.
Vergessen, umgekehrt formulierte Items umzupolen (reverse-scoring). Ein nicht umkodiertes Item zieht den Gesamtscore unbemerkt in die Mitte und drückt den geschätzten Wert Ihrer Reliabilität. Überprüfen Sie dies, bevor Sie Berechnungen anstellen.
Summieren von Items, die nicht dasselbe messen. Ein Set von Items (battery) ist nicht automatisch eine Skala. Wenn die Items mehrere Konstrukte abdecken, ist der Gesamtwert nur ein Durchschnitt von nicht zusammenhängenden Dingen und sagt nichts aus.
Ändern der Skala mitten im Tracker. Der Wechsel von einer 5-Punkt- zu einer 7-Punkt-Skala, das Umbenennen einer Verankerung oder das Umdrehen der Skalenrichtung unterbricht die Trendlinie. Wenn Sie die Skala ändern müssen, lassen Sie beide Versionen für eine Welle parallel laufen.
Wie es weitergeht
Gestalten Sie Ihre Items richtig: matrix questions in surveys
Wählen Sie von Anfang an den richtigen Fragentyp: single-select questions und multiple choice questions
Erstellen Sie das Item-Set rund um ein Zufriedenheitsprogramm: customer satisfaction survey questions
Gewinnen Sie das „Warum“ hinter den Bewertungen zurück: how to get 3x more insights using AI surveys
Häufig gestellte Fragen (FAQs)
Was ist der Unterschied zwischen einer Likert-Skala und einem Likert-Item?
Ein Likert-Item ist eine einzelne Aussage mit einer geordneten Antwortskala zur Zustimmung. Eine Likert-Skala (im ursprünglichen Sinne einer summierten Bewertung) ist die Summe oder der Durchschnitt mehrerer solcher Items, die dasselbe zugrunde liegende Konstrukt messen. Im alltäglichen Sprachgebrauch verschwimmen die beiden Begriffe oft, aber die Unterscheidung ist wichtig: Reliabilitätsstatistiken und parametrische Analysen lassen sich für eine summierte Skala viel leichter rechtfertigen als für ein einzelnes Item.
Sollte eine Likert-Skala 5 oder 7 Punkte haben?
Verwenden Sie 5 Punkte für eigenständige Einstellungsfragen und für Umfragen, die hauptsächlich auf dem Smartphone beantwortet werden, da fünf Labels lesbar bleiben. Verwenden Sie 7 Punkte, wenn Sie ein Multi-Item-Scale erstellen, wenn Sie kleine Unterschiede zwischen Wellen oder Segmenten erkennen müssen oder wenn Ihre Befragten tatsächlich feine Unterschiede wahrnehmen. Ab etwa 7 Punkten sinkt der Grenznutzen, und Sie bekommen eher Layout-Probleme als zusätzliche Informationen.
Sollte ich eine neutrale mittlere Option anbieten?
Normalerweise ja, wenn echte Ambivalenz eine valide Antwort auf Ihre Aussage darstellt. Das Entfernen des Mittelpunkts beseitigt die Indifferenz nicht, sondern drängt unentschlossene Befragte nur auf eine Seite, was bei Zustimmungsskalen oft zu einer künstlichen Erhöhung der Zustimmung (Agreement) führt. Entfernen Sie den Mittelpunkt nur dann, wenn eine neutrale Position für Ihre Frage nicht sinnvoll ist. Führen Sie "Keine Angabe" (Don't know) als separate Option außerhalb der Skala und niemals als Mittelpunkt.
Kann man aus Likert-Daten einen Mittelwert berechnen?
Für ein summiertes Multi-Item-Scale ja, das ist gängige Praxis. Bei einem einzelnen Item handelt es sich technisch gesehen um eine ordinale Messung, sodass ein Mittelwert gleichmäßige Abstände voraussetzt, die Sie nicht nachweisen können. Die praktische Regel lautet: Berichten Sie niemals einen Mittelwert (Mean) für sich allein. Veröffentlichen Sie die vollständige Verteilung sowie die Top-2-Box und Bottom-2-Box daneben und verwenden Sie den Median mit nicht-parametrischen Tests wie Mann-Whitney oder Kruskal-Wallis, wenn die Analyse auf einem einzelnen Item basiert.
Ist eine Likert-Skala ordinal oder intervallskaliert?
Ein einzelnes Item ist ordinal, da Sie nicht davon ausgehen können, dass die psychologische Distanz zwischen "Stimme zu" und "Stimme voll und ganz zu" der Distanz zwischen "Neutral" und "Stimme zu" entspricht. Ein summierter Score über mehrere Items hinweg nimmt viel mehr Werte an und verhält sich eher wie eine Intervallskala. Deshalb führen angewandte Forscher bei Skalen-Scores routinemäßig parametrische Tests durch, während sie bei einzelnen Items vorsichtiger sind.
Warum sollte man umgekehrt formulierte Items (reverse-worded items) verwenden?
Um ein Ja-Sager-Verhalten (Acquiescence Bias) aufzudecken – also die Tendenz, Aussagen unabhängig vom Inhalt zuzustimmen. Wenn einige Items in die entgegengesetzte Richtung weisen, liefert ein Befragter, der allem zustimmt, widersprüchliche Antworten, die Sie erkennen können. Der Nachteil ist, dass umgekehrte Items schwieriger zu lesen sind, manche Befragte die Umkehrung übersehen und die umgekehrten Items sich als bloßes Formulierungsartefakt clustern können. Verwenden Sie nur wenige davon, formulieren Sie sie als klare gegenteilige Aussagen statt als Negationen und codieren Sie sie vor der Summierung immer um (reverse-scoring).
Wie analysiert man Likert-Daten über mehrere Länder hinweg?
Mit Vorsicht. Verbale Antwortanker (Anchors) lassen sich nicht mit gleicher Intensität übersetzen, und Antwortstile (Response Styles) unterscheiden sich systematisch zwischen den Kulturen. Daher ist ein Teil des Unterschieds zwischen den Markt-Mittelwerten auf die Messung und nicht auf die tatsächliche Einstellung zurückzuführen. Verwenden Sie professionell lokalisierte Anker, vergleichen Sie jeden Markt mit seinem eigenen Trend und nicht mit anderen Märkten, und ziehen Sie eine Standardisierung der Werte pro Befragtem in Betracht, bevor Sie Ländervergleiche anstellen.
