Cómo usar la escala Likert en el análisis estadístico

La escala Likert se usa comúnmente en la investigación de encuestas. Frecuentemente se la usa para medir las actitudes de los encuestados preguntando hasta qué grado están de acuerdo con una pregunta o afirmación específica. Una escala típica podría ser "muy de acuerdo, de acuerdo, no estoy seguro/indeciso, en desacuerdo, muy en desacuerdo". Superficialmente, los datos de encuestas que usan la escala Likert pueden parecer fáciles de analizar, pero hay cuestiones importantes que debe considerar cualquiera que analice los datos.

Prepara tus datos para el análisis codificando las respuestas. Por ejemplo, digamos que tienes una encuesta que le pregunta a los encuestados si están o no están de acuerdo con un grupo de posiciones en la propuesta de un partido político. Cada posición es una respuesta a la encuesta, y la escala usa las siguientes respuestas: muy de acuerdo, de acuerdo, neutral, en desacuerdo, muy en desacuerdo. En este ejemplo, haremos la codificación correspondiente de las respuestas: muy en desacuerdo = 1, en desacuerdo = 2, neutral = 3, de acuerdo = 4, muy en desacuerdo = 5.

Recuerda diferenciar entre datos ordinales y de intervalo, ya que ambos tipos requieren enfoques analíticos diferentes. Si los datos son ordinales, podemos decir que una puntuación es mayor que la otra. No podemos decir qué tanto mayor, como en el caso de datos de intervalo, que nos dice la distancia entre dos puntos. Aquí está la trampa de la escala Likert: muchos investigadores lo tratan como si fuera una escala de intervalos. Esto supone que las diferencias entre cada respuesta están a la misma distancia. La verdad es que la escala Likert no nos dice eso. En nuestro ejemplo aquí, sólo nos indica que las personas con respuestas de números mayores están más de acuerdo con el punto de vista del partido que aquellos que tienen respuestas con un número menor.

Comienza analizando los datos de tu escala Likert con la estadística descriptiva. Si bien podría parecer tentador, resiste el impulso de agarrar las respuestas numéricas y de calcular una media. Combinando una respuesta de "muy de acuerdo" (5) con dos respuestas de "en desacuerdo" (2) nos darían una media de 4, pero ¿qué tan significativo es ese número? Afortunadamente existen otras medidas de tendencia central que podemos usar aparte de la media. Con datos de la escala Likert, la mejor medida a usar es la moda, es decir, la respuesta más frecuente. Esto hace que el resultado de la encuesta sea mucho más fácil de interpretar para el analista (ni hablar de la audiencia para tu presentación o informe). También puedes mostrar la distribución de respuestas (porcentajes que están de acuerdo, que están en desacuerdo, etcétera) en una gráfica, por ejemplo un gráfico de barras, con una barra para cada categoría de respuesta.

A continuación, procede a técnicas de inferencia, que verifica las hipótesis planteadas por los investigadores. Hay muchos enfoques disponibles, y cuál es el mejor dependerá del carácter de tu estudio y de las preguntas que estés tratando de responder. Un enfoque popular es analizar respuestas usando el análisis de técnicas de varianza, tales como la prueba Mann Whitney o la prueba Kruskal Wallis. Supongamos en nuestro ejemplo que queríamos analizar respuestas a preguntas sobre posiciones de política externa, siendo el grupo étnico la variable independiente. Digamos que nuestros datos incluyen respuestas de encuestados anglos, africanos-americanos e hispánicos, de modo que podríamos analizar respuestas entre los primeros tres grupos de encuestados usando la prueba de varianza Kruskal Wallis.

Simplifica los datos de tu encuesta aun más, combinando las cuatro categorías (por ejemplo, muy de acuerdo, de acuerdo, en desacuerdo, muy en desacuerdo) en dos categorías nominales, tales como de acuerdo / en desacuerdo, aceptado / rechazado, etcétera). Esto ofrece otras opciones de análisis. La prueba chi cuadrado es un enfoque para analizar los datos de esta manera.