Retour
Échelle de Likert : Définition, exemples et comment l'analyser
L'équipe SmartInterview
La réponse courte
Un item de Likert est un énoncé unique accompagné d'un ensemble de réponses ordonnées de type accord, allant par exemple de « Tout à fait en désaccord » à « Tout à fait d'accord ». Une échelle de Likert, au sens originel, est la somme ou la moyenne de plusieurs de ces items mesurant un construit sous-jacent. Cette approche porte le nom de Rensis Likert, qui a introduit les évaluations sommées dans les années 1930.
Un seul énoncé est un item. Plusieurs items additionnés forment l'échelle. La plupart des articles utilisent le terme « échelle de Likert » pour désigner une seule question, c'est pourquoi les débats méthodologiques à ce sujet s'embrouillent souvent.
L'ensemble de réponses doit être équilibré et ordonné : un nombre égal d'options positives et négatives, avec des ancrages verbaux et un point neutre facultatif.
L'échelle en 5 points est le choix par défaut lisible. L'échelle en 7 points offre une distinction plus fine et convient mieux aux échelles multi-items. Un nombre pair élimine le point neutre et force un choix, avec les inconvénients que cela comporte.
Un item unique est ordinal. Présentez la distribution complète et le top-2-box aux côtés de la moyenne. Un score sommé multi-items se comporte en pratique de manière beaucoup plus proche d'une mesure d'intervalle.
Les statistiques de fiabilité comme l'alpha de Cronbach n'ont de sens que pour une échelle multi-items. Il n'y a pas de cohérence interne à mesurer lorsque vous n'avez qu'un seul item.
Comparatif des formats d'échelle
Le format que vous choisissez modifie ce que vous pouvez faire de vos données. Voici le compromis honnête entre les cinq formats parmi lesquels vous devrez réellement choisir.
Format | Discrimination | Point médian | Lisibilité sur mobile | Idéal pour |
|---|---|---|---|---|
4 points forcé | Faible. Quatre choix possibles, pas d'option neutre de repli | Aucun. Tout le monde doit trancher d'un côté ou de l'autre | Très bonne. Libellés courts, tient sur une ligne | Le screening, les contrôles de conformité, les contextes où l'indifférence n'est pas une réponse utile |
5 points d'accord | Modérée. Dispersion suffisante pour la plupart des suivis | Oui, « Ni d'accord ni désaccord » | Très bonne. Le choix le plus sûr sur téléphone | La mesure d'attitude générale et les questions isolées autonomes |
7 points d'accord | Élevée. Les répondants qui nuancent ont l'espace pour le faire | Oui, plus deux nuances de chaque côté | Moyenne. Sept libellés complets encombrent un écran étroit | Les échelles sommées multi-items, la psychométrie, la détection fine des tendances |
10 ou 11 points numérique | La plus élevée sur le papier, mais contient beaucoup de bruit | Ambigu. Le milieu est un chiffre, pas une position formulée | Bonne sous forme de ligne de chiffres, médiocre si vous libellez chaque point | Les questions de probabilité et d'évaluation, le suivi multi-pays où la formulation est difficile à traduire |
Différenciateur sémantique | Modérée à élevée, selon le nombre de points | Oui, mais non libellé et sujet à interprétation | Médiocre. Les adjectifs bipolaires à chaque extrémité nécessitent de la largeur | L'image de marque et de produit, lorsque le concept est un spectre plutôt qu'un accord |
Notez bien la dernière ligne. Un différenciateur sémantique (« Pas cher ... Cher ») n'est pas un item de Likert, même s'il y ressemble dans un tableau. Les items de Likert sont des évaluations du niveau d'accord ou d'adhésion à une affirmation. Mélanger les deux au sein d'une même batterie de questions puis en faire la somme est une erreur fréquente et facilement évitable.
Libellés : chaque point vs extrémités uniquement
Approche | Interprétation | Lecteurs d'écran et vocaux | Traduction | Espace nécessaire |
|---|---|---|---|---|
Entièrement libellé | Plus cohérente entre les répondants. Chaque point correspond à une affirmation formulée | Excellente. Les options peuvent être lues à haute voix et choisies par leur nom | Difficile. Les mots exprimant l'intensité ne se transposent pas de manière identique d'une langue à l'autre | Élevé |
Extrémités uniquement | Se lit comme un continuum numérique. Le milieu est laissé à l'appréciation du répondant | Faible. « Autour de quatre » est difficile à formuler et à entendre avec clarté | Plus facile. Seulement deux points d'ancrage à localiser | Faible |
Item vs Échelle : La distinction que la plupart des articles omettent
La contribution de Rensis Likert dans les années 1930 ne résidait pas dans les cinq options de réponse. C'était le score sommé (summated rating) : rédiger plusieurs affirmations qui ciblent toutes la même attitude sous-jacente, demander aux individus d'évaluer chacune d'elles sur le même ensemble de réponses ordonnées, puis additionner ou faire la moyenne des évaluations pour obtenir un score unique pour cette personne.
Ce total est l'échelle de Likert. Une seule affirmation est un item de Likert, ou un item de type Likert. La différence n'est pas du purisme, car deux des plus grands débats de l'analyse d'enquêtes se résolvent différemment selon le cas de figure dans lequel vous vous trouvez.
Pourquoi cela change le débat sur les données ordinales
Pour un item unique, l'objection relative aux données ordinales est forte. Vous disposez de cinq ou sept catégories étiquetées, et rien ne garantit que la distance psychologique entre « D'accord » et « Tout à fait d'accord » soit égale à la distance entre « Ni d'accord ni pas d'accord » et « D'accord ». Faire la moyenne de ces chiffres de catégorie revient à traiter des intervalles inégaux comme égaux.
Pour un score sommé sur, disons, huit items, l'objection s'affaiblit considérablement. La somme prend beaucoup plus de valeurs, sa distribution tend vers quelque chose d'assez continu et symétrique, et les irrégularités des étapes individuelles s'estompent en partie à travers les items. C'est pourquoi la pratique psychométrique traite depuis longtemps les scores d'échelles multi-items comme adaptés aux moyennes, aux corrélations et aux tests paramétriques, tout en étant beaucoup plus prudente avec les items uniques.
Pourquoi cela change la fiabilité
Les statistiques de cohérence interne, telles que l'alpha de Cronbach, mesurent à quel point un ensemble d'items est cohérent pour mesurer une même chose. Avec un seul item, il n'y a pas d'ensemble, il n'y a donc rien à calculer. Si quelqu'un rapporte un alpha pour une question unique, c'est que quelque chose s'est mal passé.
Deux mises en garde lorsque vous le calculez. Premièrement, les seuils habituels que vous voyez cités sont des conventions, pas des lois, et ils sont activement contestés dans la littérature méthodologique. Deuxièmement, l'alpha augmente avec le nombre d'items, de sorte qu'une longue batterie d'affirmations quasi-identiques peut sembler très fiable tout en mesurant une tranche très étroite du concept. Un alpha élevé n'est pas la preuve d'une bonne échelle.
À quoi ressemble un item de Likert bien formulé
Un item de Likert comporte deux moitiés, et toutes deux ont des règles.
L'affirmation
Une seule idée. « L'application est rapide et facile à utiliser » est une question à double détente. Un répondant qui la trouve rapide mais confuse n'a pas de réponse honnête à donner. Divisez-la.
Déclarative, pas une question. « Le support a résolu mon problème rapidement » fonctionne. « À quel point le support a-t-il résolu votre problème rapidement ? » est un type de question différent qui demande une évaluation, pas un accord.
Pas d'accumulation de négations. « Je ne pense pas que le passage en caisse ne soit pas clair » oblige les répondants à décortiquer une double négation avant de pouvoir répondre.
Formulation neutre. « Le nouveau design est une grande amélioration » est biaisé. « Le nouveau design est une amélioration par rapport au précédent » ne l'est pas.
Concret et limité dans le temps dans la mesure du possible. « Au cours du dernier mois, j'ai trouvé facile d'obtenir de l'aide » est préférable à « Il est facile d'obtenir de l'aide ».
L'ensemble de réponses
Équilibré. Nombre égal d'options positives et négatives. « Excellent, Très bon, Bon, Passable, Mauvais » n'est pas une échelle équilibrée, ce sont quatre nuances de positif et une de négatif, et cela va fausser vos résultats vers le haut.
Ordonné et monotone. Chaque étape est clairement supérieure ou inférieure à la précédente, dans une seule direction.
Ancré verbalement. Au minimum les points d'extrémité. De préférence chaque point, à moins que vous ne meniez l'enquête sur de nombreux marchés.
Cohérent sur toute la batterie. Ne passez pas d'un ensemble de 5 points à un ensemble de 7 points au milieu d'une grille, et n'inversez pas le sens de l'échelle entre les écrans.
Le « Ne sais pas » ou « Non applicable » se situe en dehors de l'échelle. Ce n'est pas le point médian. Placez-le de manière visuellement séparée et excluez-le de la base lorsque vous calculez les moyennes.
Exemples d'items
Une courte batterie d'items sur une expérience de support, tous évalués selon : Pas du tout d'accord / Pas d'accord / Ni d'accord ni pas d'accord / D'accord / Tout à fait d'accord :
Le conseiller a compris mon problème.
J'ai obtenu une réponse claire sans avoir à me répéter.
Le temps qu'il a fallu pour résoudre mon problème était raisonnable.
Formulation inversée : J'ai dû faire plus d'efforts que nécessaire pour régler ce problème.
Ces quatre items mesurent un seul concept et peuvent légitimement être sommés, à condition d'inverser d'abord le score du dernier item. Si vous intégrez des items comme ceux-ci dans une grille, les règles de mise en page des questions de type matrice dans les enquêtes importent tout autant que la formulation.
Combien de points choisir
Il n'y a pas de nombre universellement correct. Il y a des compromis prévisibles.
5 points
Le choix par défaut le plus lisible. Les étiquettes s'adaptent à l'écran d'un téléphone, les répondants traitent l'ensemble rapidement, et le point médian offre aux personnes réellement ambivalentes une option honnête. Si vous posez une seule question d'attitude autonome au sein d'un questionnaire plus large, c'est généralement la bonne option.
7 points
Plus de discrimination. Les répondants qui font réellement une distinction ont de l'espace pour exprimer leur nuance, et les scores sommés construits à partir d'items en 7 points se répartissent davantage, ce qui est utile lorsque vous essayez de détecter de faibles variations entre des vagues d'enquêtes ou entre des segments. Le coût réside dans l'espace d'écran et la charge cognitive, surtout si vous étiquetez les sept points.
4 points, ou tout nombre pair
Supprimer le point médian force un choix. C'est parfois ce que l'on souhaite, par exemple dans une check-list de conformité où « neutre » n'a pas de sens. Mais comprenez-en bien le coût : vous n'éliminez pas l'ambivalence en supprimant le bouton qui lui correspond. Vous poussez les indécis, les personnes non informées ou partagées d'un côté ou de l'autre. Dans les échelles d'accord, cette pression a tendance à se reporter sur le côté « d'accord », de sorte que les formats à choix forcé peuvent sembler plus positifs que l'attitude réelle. Si vous supprimez le point médian, faites-le parce que l'indifférence n'est pas une réponse valable à votre question, et non parce que vous n'aimez pas voir une accumulation de réponses au milieu.
Au-delà de 7
Attendez-vous à des rendements décroissants. Très peu de personnes ont des opinions qu'elles peuvent classer de manière fiable en neuf ou onze paliers verbaux distincts, et ajouter des points au-delà de sept environ apporte principalement du bruit et des problèmes de mise en page plutôt que de l'information. Traitez cela comme un conseil de conception plutôt que comme une règle absolue. L'exception est l'évaluation purement numérique de 0 à 10, qui fonctionne parce que les répondants la lisent comme un continuum familier plutôt que comme dix positions étiquetées distinctes.
Le libellé et le problème de la traduction
Les échelles dont tous les points sont étiquetés sont interprétées de manière plus cohérente, car chaque point énonce sa signification au lieu de laisser les répondants inventer un sens pour la note « 4 ». C'est également la seule option logique pour l'administration par voix et pour les lecteurs d'écran, où le répondant doit entendre les options plutôt que de voir une ligne de cases. Si votre enquête est lue à haute voix, étiquetez chaque point et gardez des libellés courts.
L'étiquetage des seuls points d'extrémité est plus compact, se lit comme un continuum numérique et s'adapte mieux aux différentes langues. Sa faiblesse réside dans le milieu : deux répondants choisissant « 4 » sur une échelle de 7 points peuvent vouloir dire des choses très différentes.
La traduction est le problème sous-estimé ici. Les adverbes d'intensité ne se correspondent pas parfaitement d'une langue à l'autre. Rien ne garantit que l'écart entre « agree » et « strongly agree » en anglais soit égal à l'écart entre la paire disponible la plus proche en français, en allemand ou en japonais, et certaines langues n'ont pas d'équivalent naturel en un seul mot pour désigner un accord modéré. Deux conséquences en découlent pour les études multinationales : utilisez des ancres localisées par des professionnels plutôt que des traductions automatiques, et soyez très prudent lorsque vous comparez les moyennes brutes entre les marchés, car une partie de l'écart provient de la formulation plutôt que de l'attitude réelle. Les formats à points d'extrémité uniquement ou numériques atténuent ce problème, sans toutefois l'éliminer.
Ordinal ou d'intervalle ? La réponse honnête
Strictement parlant, un item de Likert unique est ordinal. Les catégories ont un ordre défini mais l'écart entre elles n'est pas garanti d'être égal, de sorte que les opérations arithmétiques qu'une moyenne suppose ne sont formellement pas justifiées.
En pratique, traiter des scores multi-items sommés comme des données d'intervalle est la norme dans la recherche appliquée, et les méthodes paramétriques qui leur sont appliquées sont généralement robustes avec des tailles d'échantillon raisonnables et des distributions non extrêmes. La position dogmatique selon laquelle les moyennes ne sont jamais autorisées ne correspond pas à la réalité du fonctionnement du secteur. La position laxiste, qui consiste à présenter un score de 4,17 sur un seul item comme s'il s'agissait d'une longueur mesurée, n'est pas défendable non plus.
Le juste milieu applicable :
Ne publiez jamais une moyenne sans la distribution qui la sous-tend. La moyenne est un résumé de la forme de la distribution, elle ne s'y substitue pas. Deux distributions très différentes peuvent donner la même moyenne.
Présentez le top-2-box et le bottom-2-box à côté. « 62 % sont d'accord ou tout à fait d'accord, 11 % ne sont pas d'accord ou pas du tout d'accord » est plus exploitable que « moyenne de 3,8 » et bien plus difficile à mal interpréter.
Pour les items uniques, privilégiez la médiane et les tests non paramétriques. Le test de Mann-Whitney pour deux groupes, celui de Kruskal-Wallis pour plus de deux groupes, et le chi-deux sur la distribution complète des catégories lorsque vous vous intéressez à la forme plutôt qu'à la tendance centrale.
Pour les échelles multi-items sommées, les moyennes, les t-tests, l'ANOVA et les corrélations sont raisonnables, à condition d'avoir vérifié la cohérence interne et d'avoir inversé les scores de tout ce qui est formulé de manière inversée.
Définissez vos boxes avant de regarder les données, et notez-les dans la spécification du rapport. Un top-2-box sur une échelle en 5 points n'est pas comparable à un top-2-box sur une échelle en 7 points, alors enregistrez bien celui que vous avez utilisé.
Comment présenter les résultats de Likert
Des barres horizontales empilées, une barre par item, avec des segments ordonnés du plus négatif à gauche au plus positif à droite, et les effectifs ou pourcentages étiquetés. Gardez l'ordre des items stable entre les vagues. Indiquez la taille de la base pour chaque segment. Si vous utilisez une disposition divergente centrée sur le point médian, mentionnez-le dans la note du graphique, car cela modifie la façon dont l'œil perçoit l'équilibre.
Pour le suivi temporel, tracez le top-2-box au fil du temps plutôt que la moyenne. Il fluctue de manière moins erratique, il est plus facile à expliquer lors d'une revue d'activité, et il n'invite pas au débat stérile « 3,6 est-il meilleur que 3,5 ? » que le suivi basé sur la moyenne suscite systématiquement.
L'évaluation vous dit où, pas pourquoi
Une batterie de Likert vous indique que l'accord avec « le prix est juste » a chuté de six points ce trimestre. Elle ne vous dit pas ce qui a changé. Cet écart est la limite structurelle des échelles d'évaluation fermées, et c'est la raison pour laquelle la plupart des programmes sérieux les associent à des questions ouvertes. Voir qualitative vs quantitative research pour comprendre comment les deux moitiés s'articulent.
Un schéma pratique : déclenchez un suivi sur les évaluations qui apportent le plus d'informations, à savoir les évaluations basses et les extrêmes, plutôt que de poser à tout le monde la même question générique « pourquoi ». SmartInterview réalise cela grâce à un suivi vocal par IA qui se déclenche lors d'une évaluation basse ou extrême et explore le raisonnement dans la propre langue du répondant, puis code automatiquement les réponses ouvertes afin que les thèmes soient dénombrables à côté des données de l'échelle. Cette même configuration multilingue aide à résoudre le problème de traduction des ancres mentionné ci-dessus, car la relance s'adapte à la langue dans laquelle le répondant répond réellement.
Les biais de réponse que vous mesurez, que vous le vouliez ou non
Biais d'acquiescement
Certains répondants sont d'accord avec les affirmations quel que soit leur contenu, en particulier lorsqu'ils sont fatigués, perplexes ou qu'ils essaient d'être complaisants. Les items de Likert étant des évaluations d'accord, ce biais affecte directement votre construit.
Le remède standard est d'utiliser une batterie équilibrée avec certains items formulés dans le sens opposé, de sorte qu'un accord systématique produise des réponses contradictoires en interne que vous pouvez détecter et exclure du score. Ce remède a son propre coût, bien réel. Les items formulés à l'inverse sont plus difficiles à lire, les répondants gèrent mal la négation et répondent comme s'ils s'agissait d'une formulation positive, et les items inversés se regroupent parfois lors d'une analyse factorielle en tant qu'artefact de formulation plutôt que d'attitude. Utilisez quelques items formulés par inversion, rédigez-les sous forme d'affirmations positives simples de l'idée opposée plutôt que de négations, et vérifiez ensuite s'ils se comportent comme le reste de l'ensemble.
Styles de réponse extrêmes et intermédiaires
Indépendamment de ce qu'ils pensent, certaines personnes choisissent systématiquement les extrémités des échelles et d'autres restent habituellement près du milieu. Ces tendances varient d'un individu à l'autre et, point important pour les études internationales, systématiquement d'une culture à l'autre. C'est pourquoi comparer des moyennes brutes entre pays est risqué : une partie de l'écart provient des habitudes d'utilisation de l'échelle, et non de l'attitude. Comparer chaque pays par rapport à son propre historique, ou standardiser les scores de chaque répondant avant de comparer, est plus sûr que de mettre les moyennes nationales côte à côte pour déclarer un gagnant.
Désirabilité sociale
Les affirmations sur des comportements pour lesquels les gens se sentent jugés, tels que l'effort, l'honnêteté, la santé ou les dépenses, suscitent des réponses qui valorisent le répondant. Une formulation neutre aide, l'anonymat garanti aide encore plus, et les formats auto-administrés produisent généralement des réponses plus franches que ceux administrés par un enquêteur sur des sujets sensibles.
Erreurs d'analyse courantes
Présenter la moyenne d'un seul item avec deux décimales. Un score de 4,17 sur une échelle à cinq étiquettes ordonnées implique une précision que l'instrument de mesure n'a pas. Arrondissez-le, ou présentez plutôt des tops/bottom boxes.
Comparer des moyennes entre pays ou langues sans vérifier l'utilisation de l'échelle. Vous risquez de présenter un artefact de traduction et une différence de style de réponse comme un véritable insight de Market Research.
Ignorer une concentration de réponses sur le point central. Un milieu de tableau très chargé signifie généralement que l'affirmation était vague, non pertinente pour ce répondant, ou posée à des personnes n'ayant aucun élément pour se forger une opinion. Corrigez l'item, ne supprimez pas le point central.
Regrouper les catégories après avoir vu les résultats. Décider d'inclure le « neutre » dans la boîte positive parce que cela améliore l'aspect du graphique est une décision de présentation prise à l'envers. Définissez vos boxes à l'avance.
Traiter le « neutre » comme un « ne sait pas ». Ce sont deux états différents. « Ni d'accord, ni en désaccord » est une position. Le « ne sait pas » correspond à l'absence de position, il doit être exclu de l'échelle et de la base de calcul de la moyenne.
Oublier d'inverser le score des items formulés à l'inverse. Un seul item non inversé tire discrètement le score global vers le milieu et affaiblit votre estimation de la fiabilité. Vérifiez cela avant de lancer le moindre calcul.
Additionner des items qui ne mesurent pas la même chose. Une batterie de questions ne constitue pas automatiquement une échelle. Si les items couvrent plusieurs construits, le total est une moyenne d'éléments non liés et ne signifie rien.
Changer d'échelle en cours de tracker. Passer de 5 à 7 points, reformuler une étiquette ou inverser le sens de l'échelle rompt la courbe de tendance. Si vous devez absolument la modifier, testez les deux versions en parallèle sur une vague.
Où aller ensuite
Présentez vos items correctement : questions matricielles dans les sondages
Choisissez le bon type de question dès le départ : questions à choix unique et questions à choix multiples
Rédigez la batterie de questions autour d'un programme de satisfaction : questions de questionnaire de satisfaction client
Découvrez le « pourquoi » derrière les notes : comment obtenir 3x plus d'insights en utilisant des sondages IA
Foire aux questions (FAQ)
Quelle est la différence entre une échelle de Likert et un item de Likert ?
Un item de Likert est une affirmation unique associée à un ensemble de réponses ordonnées d'accord/désaccord. Une échelle de Likert, au sens originel de l'échelle sommative, est le total ou la moyenne de plusieurs de ces items mesurant le même construit sous-jacent. L'usage quotidien confond souvent les deux, mais la distinction est importante : les statistiques de fiabilité et l'analyse paramétrique sont bien plus faciles à justifier pour une échelle sommative que pour un item unique.
Échelle de Likert : faut-il privilégier 5 ou 7 points ?
Utilisez 5 points pour les questions d'attitude autonomes et pour les sondages principalement répondus sur mobile, car cinq libellés restent faciles à lire. Utilisez 7 points lorsque vous construisez une échelle multi-items, lorsque vous devez détecter d'infimes différences entre vagues ou segments de population, ou lorsque vos répondants savent réellement faire la différence. Au-delà de 7 points, vous obtiendrez des gains marginaux décroissants et ferez face à davantage de problèmes de mise en page qu'à de réelles informations supplémentaires.
Dois-je inclure une option médian neutre ?
En général, oui, si une véritable ambivalence est une réponse valable à votre affirmation. Supprimer le point médian ne supprime pas l'indifférence, cela pousse simplement les répondants indécis d'un côté ou de l'autre, et sur les échelles d'accord, cette pression gonfle souvent l'approbation. Ne le supprimez que lorsqu'une position neutre de sens n'a pas de valeur pour votre question. Gardez le « Ne sait pas » comme option distincte en dehors de l'échelle, et jamais en tant que point neutre médian.
Peut-on calculer une moyenne à partir de données Likert ?
Pour une échelle multi-items sommative, oui, et c'est une pratique standard. Pour un item unique, il s'agit techniquement d'une mesure ordinale, de sorte qu'une moyenne suppose un écart égal que vous ne pouvez pas vérifier. La règle pratique est de ne jamais présenter une moyenne seule. Publiez la distribution complète ainsi que le top-2-box et le bottom-2-box juste à côté, et utilisez la médiane avec des tests non paramétriques tels que Mann-Whitney ou Kruskal-Wallis lorsque l'analyse repose sur un item unique.
Une échelle de Likert est-elle ordinale ou d'intervalle ?
Un item unique est ordinal, car on ne peut pas supposer que l'écart psychologique entre « d'accord » et « tout à fait d'accord » est égal à l'écart entre « neutre » et « d'accord ». Un score sommatif sur plusieurs items prend beaucoup plus de valeurs et se comporte d'une manière bien plus proche d'une mesure d'intervalle, raison pour laquelle la recherche appliquée effectue couramment des tests paramétriques sur des scores d'échelle tout en étant plus prudente avec les items individuels.
Pourquoi utiliser des items formulés de manière inversée ?
Pour déceler le biais d'acquiescement, la tendance à être d'accord avec les affirmations indépendamment de leur contenu. Si certains items pointent dans la direction opposée, un répondant qui est d'accord avec tout produira des réponses contradictoires que vous pourrez détecter. Le compromis est que les items inversés sont plus difficiles à lire, certains répondants ne remarquant pas l'inversion, et ces items inversés peuvent se regrouper par pure similarité de formulation. Utilisez-en d'une manière limitée, rédigez-les sous forme de pures affirmations opposées plutôt que de négations, et inversez toujours leur score avant le calcul somme.
Comment analyser les données Likert dans plusieurs pays ?
Avec prudence. Les ancrages verbaux ne se traduisent pas avec une intensité égale, et les styles de réponse diffèrent systématiquement selon les cultures, de sorte qu'une partie de l'hétérogénéité des moyennes de marché relève de la mesure plutôt que de l'attitude. Utilisez des ancrages localisés par des professionnels, comparez chaque pays à sa propre tendance plutôt qu'aux autres pays, et envisagez de standardiser les scores au niveau du répondant avant de faire des comparaisons internationales.
