Indice Show
La scala Likert è una delle scala maggiormente utilizzate nella costruzione di un questionario. Sia esso dedicato ad indagini di mercato relative agli atteggiamenti del consumatore o sia esso rivolto ad indagini in ambito psichiatrico, la scala Likert è uno dei protagonisti. In questo articolo, ti illustrerò le sue principali caratteristiche e le accortezze statistiche sul suo uso.
La domanda più frequente circa la scala Likert è come devo misurare un atteggiamento in termini statistici? Devo fare la media o calcolare gli atteggiamenti come qualità? Per rispondere a questa domanda, risaliamo alle origini della scala Likert per capire il perché della sua introduzione e della sua amplissima diffusione.
Scala Likert: origine e struttura
La scala Likert è opera di Rensis Likert (neanche a dirlo porta il suo nome). Questo psicometrico americano la costruì nel 1932 per semplificare la misurazione degli atteggiamenti e delle opinioni in ambito psichiatrico. La sua originaria funzione era dunque quella di misurare attraverso una serie di affermazioni l’atteggiamento complessivo di un individuo.
Tale funzione è rispecchiata ancora oggi, nonostante la scala Likert abbia ampliato la propria utilizzazione in campi non prettamente psicometrici.
La sua diffusione è essenzialmente dovuta a due elementi: la facilità di costruzione e l’additività. Dato infatti un certo numero di item, ossia una serie di affermazioni semanticamente collegate con gli atteggiamenti che si intende indagare, ciascun item è provvisto di una scala unidimensionale, uguale per tutti gli item.
La scala unidimensionale presenta o 5 o 7 modalità di risposta, dipende dal livello di profondità della risposta voluto dal ricercatore. Le risposte possibili oscillano tra “fortemente in disaccordo” (strongly disagree) a “fortemente d’accordo” (strongly agree).
Ne deriva pertanto che su una scala a 5 punti, le opzioni possibili di risposta sono:
- fortemente in disaccordo
- in disaccordo
- né accordo né disaccordo
- d’accordo
- fortemente d’accordo.
Ad ognuna delle possibili risposte è associato un punteggio che va in generale da 1 a 5 oppure da 0 a 4 (se la scala è a 5 punti). Sulle scale con punteggio da 1 a 7 si preferisci in alcuni casi procedere con un punteggio che oscilli tra -3 e +3 così da annullare l’effetto della risposta neutra con il valore 0.
La somma o la media dei punteggi alle risposte fornite da ciascun individuo a tutti gli item rappresenta l’atteggiamento di quell’individuo sullo specifico tema di indagine. Da ciò deriva l’additività della scala Likert ed anche la sua ampia diffusione.
Scala Likert e statistica
La trasformazione effettuata sulle risposte, da risposte qualitative a risposte numeriche, fa sì che la scala sia facilmente utilizzabile in ambito statistico. Poter disporre di un punteggio per ogni atteggiamento di una serie di individui, rende la scala Likert la grande protagonista di molti studi e non solo in ambito psicometrico.
Tuttavia, come sempre succede in ambito statistico, la semplicità non è sempre fonte di buone notizie. La scala Likert essendo composta da numeri discreti, matematicamente parlando si tratti di numeri interi (dunque che presentano un salto tra un numero e l’altro), fa sì che nella maggior parte dei casi le singole variabili misurate (ossia i singoli item) non si distribuiscano normalmente (curva gaussiana). Questo è un bel problema in termini statistici in quanto trattare i numeri, ad esempio le medie, con test parametrici, fa sì che i risultati statistici siano distorti, avendo “cioccato” (come mi ha insegnato un cliente) una delle ipotesi fondamentali per l’applicazione di un ANOVA o di un test t (vedi statistica inferenziale).
Come trattare dunque gli item di una scala Likert? La risposta è dipende cosa devi dimostrare. Se l’obiettivo è quello di dimostrare item per item le differenze tra gruppi, è bene stabilire cosa vuoi cogliere: la media dell’item, il grado di risposte positive o negative o il livello di accordo/disaccordo? Per ogni obiettivo c’è un approccio statistico diverso: ampia scelta tra test su dati qualitativi o quantitativi.
Se invece il tuo scopo è quello di comprendere un atteggiamento complessivo derivato da più item, allora lo strumento preliminare dello studio è l’analisi fattoriale. Anche qui ci sono dei distinguo da fare: analisi fattoriale esplorativa o confermativa? Dipende dalle tue ipotesi di ricerca, non esiste un’unica ricetta.
Limitazioni della scala Likert
Sebbene sia una scala semplice da utilizzare, la scala Likert si presta a possibili “manipolazioni” da parte dei rispondenti. La principale è quella relativa al set di risposte. Per comprendere infatti un atteggiamento è necessario sottoporre al rispondente una batteria di item. Così facendo il questionario diviene lungo e, se non ben proposto, anche noioso per chi risponde. Questo fa sì che l’intervistato sia portato a dare sempre la stessa risposta, falsando dunque il proprio atteggiamento. Per ovviare a questo problema è utile invertire la polarità semantica di alcun item (famoso reverse). Attenzione all’analisi statistica: la polarità deve essere rimessa in ordine in fase di elaborazione dati.
Un altro problema è quello relativo all’acquiescent response set, ossia all’accordo che l’intervistato esprime sempre e comunque indipendentemente dal proprio reale parere. Si tratta di una forma di soggezione che il soggetto esprime nei confronti del questionario. Molto spesso questo fenomeno viene evidenziato da coloro che hanno un basso background culturale in quanto considerano le affermazioni proposte sempre vere.
Osserva sempre che le risposte fornite dal singolo rispondente: ti forniranno molte informazioni.
La terza limitazione è dovuta alla reazione all’oggetto. Se ad esempio in un’affermazione si parla di aerei ed l’intervistato ha paura di volare, la sua risposta non sarà probabilmente inerente ai contenuti dell’affermazione, ma sarà in base alla sua paura, e dunque con un’accezione negativa. Sarebbe utile valutare in modo preventivo tali piccole paure.
Ultima limitazione è come è stato creato l’item. Attenzione alle negazioni. La logica matematica ci insegna che se abbiamo due negazioni, esse si annullano dando vita ad un’affermazione. Se ad esempio dico: “Non è vero che il gatto non è nero” è come che dicessi che il mio gatto è nero. Questa regola vale anche per gli items. E va oltre, perché si potrebbe creare una situazione di doppia negazione tra un item negativo (quindi con un solo “NON”) e la risposta “in disaccordo” dell’intervistato, comportando così l’affermazione dell’item.
Conclusione
La scala Likert è utilissima e facile da utilizzare per chi risponde ad un questionario. Non è però immediato il suo uso quando si predispone il questionario. Il ricercatore deve scegliere gli items e controllare che siano semanticamente corretti. Stabilire l’ordine degli stessi in modo che essi sia indipendenti uno dall’altro, senza che uno influisca sul successivo. Identificare il grado di approfondimento, dunque scala a 5 o 7 punti e ricordare la monotonia della scala: un punteggio basso esprime disaccordo ed un punteggio alto esprime accordo. La scala Likert serve per esprimere un atteggiamento. Attenzione ad un comune errore: ogni volta che le risposte date da un soggetto possono essere numerate, non significa che abbiamo creato una scala Likert.
Infine, attenzione all’analisi dati. Elaborare l’analisi statistica in modo rigoroso e appropriato è dovere di ogni ricerca che sia rivolta alla pubblicazione scientifica, ricordando che i numeri sono in funzione degli intervistati, non il contrario.
