คุณกำลังมองหาวิธีวิเคราะห์ข้อมูลสเกล Likert แต่ไม่รู้วิธีใช่หรือไม่ มาตราส่วน Likert เป็นเครื่องมือสำรวจที่วัดทัศนคติหรือความรู้สึกของผู้คนที่มีต่อหัวข้อหนึ่งๆ ผู้ตอบแบบสอบถามเลือกจากตัวเลือกต่างๆ เช่น "เห็นด้วยอย่างยิ่ง" ถึง "ไม่เห็นด้วยอย่างยิ่ง" โดยทั่วไปจะมีจุดกึ่งกลางที่เป็นกลาง เช่น "ไม่เห็นด้วยหรือไม่เห็นด้วย" สิ่งนี้ช่วยให้นักวิจัยสามารถวัดปริมาณข้อมูลส่วนตัวและสรุปผลที่สำคัญได้ คิดค้นโดยนักจิตวิทยา Rensis Likert มาตราส่วนโดยทั่วไปมีจุดห้าหรือเจ็ดจุด
การวิเคราะห์ข้อมูลสเกล Likert เกี่ยวข้องกับการตีความคำตอบเพื่อให้ได้ข้อมูลเชิงลึกที่มีค่า ในบทความที่ครอบคลุมนี้ เราจะเจาะลึกกระบวนการทีละขั้นตอนของ “วิธีการวิเคราะห์ข้อมูลสเกล Likert” และทำการสรุปที่มีความหมาย
ทำความเข้าใจกับมาตราส่วนลิเคิร์ต
ก่อนที่จะลงลึกในการวิเคราะห์ เรามาดูรายละเอียดเกี่ยวกับมาตราส่วน Likert และลักษณะของมันให้ละเอียดยิ่งขึ้น:
- มาตราส่วนลิเคิร์ตนำเสนอชุดข้อความหรือคำถามแก่ผู้ตอบ ซึ่งจะระบุระดับของการเห็นด้วยหรือไม่เห็นด้วยในระดับตัวเลข
- ตัวเลือกการตอบสนองมาตราส่วน Likert ที่ใช้กันทั่วไป ได้แก่ “ไม่เห็นด้วยอย่างยิ่ง” “ไม่เห็นด้วย” “เป็นกลาง” “เห็นด้วย” และ “เห็นด้วยอย่างยิ่ง”
- คำตอบมักจะเข้ารหัสเป็นตัวเลข โดยค่าที่สูงกว่าแสดงถึงข้อตกลงหรือทัศนคติเชิงบวกที่สูงขึ้น
มาตราส่วน Likert เป็นที่นิยมเนื่องจากความเรียบง่าย การจัดการที่ง่าย และความสามารถในการจับความคิดเห็นที่แตกต่างกัน นักวิจัยสามารถรับข้อมูลเชิงลึกเกี่ยวกับการกระจายของคำตอบ ตลอดจนแนวโน้มศูนย์กลางและความแปรปรวนของข้อมูล เพื่อทำความเข้าใจทัศนคติของผู้เข้าร่วมที่มีต่อหัวข้อเฉพาะ
คุณสามารถดูรายละเอียดเพิ่มเติมเกี่ยวกับสเกล Likert ได้ดังต่อไปนี้ หน้าวิกิ.
ขั้นตอนในการวิเคราะห์ข้อมูลสเกล Likert
1. การรวบรวมและเตรียมข้อมูล
- ออกแบบแบบสำรวจ: การสร้างแบบสำรวจที่มีโครงสร้างที่ดีมีความสำคัญต่อการได้รับข้อมูลที่เชื่อถือได้ สร้างคำถามสเกล Likert ที่ชัดเจนและกระชับให้สอดคล้องกับวัตถุประสงค์การวิจัยของคุณ พิจารณาถ้อยคำของข้อความเพื่อหลีกเลี่ยงอคติและความกำกวม
- การป้อนข้อมูลและการทำความสะอาด: เมื่อการสำรวจเสร็จสิ้น ให้ป้อนคำตอบลงในสเปรดชีตข้อมูลหรือซอฟต์แวร์ทางสถิติ ตรวจสอบให้แน่ใจว่าข้อมูลได้รับการทำความสะอาด ตรวจสอบรายการที่ขาดหายไปหรือไม่ถูกต้องที่อาจส่งผลต่อการวิเคราะห์
2. คำนวณสถิติเชิงพรรณนา
- การกระจายความถี่: เพื่อให้เข้าใจการกระจายของคำตอบ ให้คำนวณความถี่ของตัวเลือกสเกล Likert แต่ละตัวเลือกสำหรับแต่ละคำถาม จัดระเบียบข้อมูลลงในตารางหรือแผนภูมิเพื่อให้เห็นภาพการกระจายอย่างมีประสิทธิภาพ
- คำนวณค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน: ค่าเฉลี่ย (ค่าเฉลี่ย) และส่วนเบี่ยงเบนมาตรฐานให้ข้อมูลที่จำเป็นเกี่ยวกับแนวโน้มเข้าสู่ส่วนกลางและการกระจายของคำตอบสำหรับคำถามแต่ละข้อ ค่าเฉลี่ยแสดงถึงการตอบสนองโดยทั่วไป ในขณะที่ส่วนเบี่ยงเบนมาตรฐานวัดการแพร่กระจายของการตอบสนองรอบค่าเฉลี่ย ค่าเบี่ยงเบนมาตรฐานสูงบ่งชี้ว่าความคิดเห็นมีความหลากหลายมากขึ้น
ตัวอย่างเช่น พิจารณาคำถามแบบสำรวจในระดับ Likert 5 จุดเกี่ยวกับระดับความพึงพอใจต่อผลิตภัณฑ์ โดยมีรหัสคำตอบดังนี้ 1 – ไม่พอใจอย่างยิ่ง 2 – ไม่พอใจ 3 – เฉยๆ 4 – พึงพอใจ และ 5 – พึงพอใจอย่างมาก . หลังจากรวบรวมข้อมูลแล้ว ให้คำนวณความถี่ของตัวเลือกการตอบสนองแต่ละตัวเลือกและค่าเฉลี่ยระดับความพึงพอใจเพื่อทำความเข้าใจความรู้สึกโดยรวมที่มีต่อผลิตภัณฑ์
3. ประเมินความปกติของข้อมูล
- การทดสอบความปกติ: หากต้องการใช้เทคนิคทางสถิติที่เหมาะสม ให้ตรวจสอบว่าข้อมูลเป็นไปตามการแจกแจงแบบปกติหรือไม่ การทดสอบความเป็นปกติ เช่น การทดสอบ Shapiro-Wilk หรือ Kolmogorov-Smirnov ประเมินว่าข้อมูลเบี่ยงเบนอย่างมีนัยสำคัญจากการแจกแจงแบบปกติหรือไม่
- การตีความ: หากข้อมูลมีการกระจายตามปกติ (p > 0.05) สามารถใช้การทดสอบทางสถิติพาราเมตริก เช่น t-test และ ANOVA ได้ หากข้อมูลไม่กระจายตามปกติ (p < 0.05) การทดสอบแบบไม่ใช้พารามิเตอร์ เช่น การทดสอบ Mann-Whitney U หรือการทดสอบ Kruskal-Wallis จะเหมาะสมกว่า
ตัวอย่างเช่น หากเราวิเคราะห์การตอบสนองของสเกล Likert สำหรับสองกลุ่มที่ต่างกันโดยใช้การทดสอบความเป็นมาตรฐาน และพบว่าข้อมูลไม่ได้กระจายตามปกติ เราอาจเลือกใช้การทดสอบ Mann-Whitney U แบบไม่ใช้พารามิเตอร์เพื่อเปรียบเทียบทัศนคติของกลุ่ม
4. การเปรียบเทียบกลุ่มและการวิเคราะห์
- การเปรียบเทียบกลุ่ม: หากแบบสำรวจของคุณมีหลายกลุ่มหรือหลายตัวแปร ให้เปรียบเทียบคำตอบเพื่อระบุความแตกต่างหรือรูปแบบที่มีนัยสำคัญ สำหรับข้อมูลที่แจกแจงตามปกติ ให้ใช้เทคนิคต่างๆ เช่น การทดสอบค่า t หรือการวิเคราะห์ความแปรปรวน (ANOVA) ในขณะที่ข้อมูลที่ไม่กระจายตามปกติสามารถวิเคราะห์ได้โดยใช้การทดสอบแบบไม่มีพารามิเตอร์ เช่น การทดสอบ Mann-Whitney U หรือการทดสอบ Kruskal-Wallis
ตัวอย่างเช่น พิจารณาแบบสำรวจที่ประเมินประสิทธิผลของวิธีการสอนที่แตกต่างกันสองวิธี ใช้ ANOVA เพื่อพิจารณาว่ามีความแตกต่างอย่างมีนัยสำคัญในประสิทธิภาพการรับรู้ระหว่างวิธีการสอนสองวิธีหรือไม่
- การวิเคราะห์สหสัมพันธ์: สำรวจความสัมพันธ์ระหว่างคำถามหรือตัวแปรสเกล Likert โดยใช้ค่าสัมประสิทธิ์สหสัมพันธ์ มีค่าสัมประสิทธิ์สหสัมพันธ์ที่พบมากที่สุดสองประเภท ได้แก่ ค่าสัมประสิทธิ์สหสัมพันธ์แบบเพียร์สันและค่าสัมประสิทธิ์สหสัมพันธ์แบบสเปียร์แมน ค่าสัมประสิทธิ์สหสัมพันธ์แบบเพียร์สันเหมาะสำหรับข้อมูลที่กระจายตามปกติ ในขณะที่ค่าสัมประสิทธิ์สหสัมพันธ์แบบเพียร์สันเหมาะสำหรับข้อมูลที่กระจายแบบไม่ปกติ
ตัวอย่างเช่น คุณอาจต้องการประเมินว่ามีความสัมพันธ์ระหว่างความพึงพอใจในงานกับประสิทธิภาพการทำงานหรือไม่ โดยใช้การตอบสนองจากพนักงานในระดับ Likert คำนวณค่าสัมประสิทธิ์สหสัมพันธ์เพื่อกำหนดความแข็งแกร่งและทิศทางของความสัมพันธ์
5. การตีความและการสร้างภาพ
- การแสดงข้อมูล: นำเสนอสิ่งที่คุณค้นพบโดยใช้แผนภูมิและกราฟ เช่น แผนภูมิแท่งหรือแผนภูมิแท่งแบบเรียงซ้อน เพื่อแสดงการกระจายของคำตอบสำหรับตัวเลือกสเกล Likert แต่ละตัวเลือก การแสดงภาพช่วยให้เข้าใจการกระจายของทัศนคติได้ดีขึ้นและอำนวยความสะดวกในการตีความข้อมูล อ่าน วิธีนำเสนอข้อมูลสเกล Likert สำหรับรายละเอียดเพิ่มเติมเกี่ยวกับการนำเสนอข้อมูลสเกล Likert
- การตีความ: ตีความผลลัพธ์อย่างรอบคอบและสรุปผลที่มีความหมายตามการวิเคราะห์ข้อมูล ให้ความสนใจกับรูปแบบ แนวโน้ม และความแตกต่างที่สำคัญระหว่างกลุ่ม อภิปรายความหมายของผลการวิจัยและความเกี่ยวข้องอย่างไรกับวัตถุประสงค์การวิจัยของคุณ
วิธีวิเคราะห์ข้อมูลสเกลลิเคิร์ต – ตัวอย่างที่ใช้ได้จริง
ลองพิจารณาตัวอย่างที่ใช้ได้จริงเพื่อแสดงขั้นตอนการวิเคราะห์ข้อมูลสเกล Likert ลองนึกภาพการทำแบบสำรวจความพึงพอใจของพนักงานต่อสิ่งอำนวยความสะดวกในที่ทำงาน คุณกำลังใช้สเกล Likert 5 จุด (1 – ไม่พอใจอย่างยิ่ง, 2 – ไม่พอใจ, 3 – เป็นกลาง, 4 – พอใจ, 5 – พอใจมาก) หลังจากรวบรวมข้อมูลและคำนวณระดับความพึงพอใจเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน คุณพบว่าค่าเฉลี่ยคือ 4.2 ซึ่งบ่งชี้ถึงความรู้สึกเชิงบวกโดยทั่วไปของพนักงาน อย่างไรก็ตาม ค่าเบี่ยงเบนมาตรฐานสูงที่ 0.9 แสดงว่าความคิดเห็นแตกต่างกันอย่างมาก นั่นหมายถึงพนักงานบางคนมีความพึงพอใจอย่างมาก ในขณะที่บางคนมีความพึงพอใจน้อยกว่า
ต่อไป คุณตัดสินใจเปรียบเทียบระดับความพึงพอใจระหว่างแผนกต่างๆ สองแผนก – แผนกทรัพยากรบุคคลและแผนกการตลาด การใช้การทดสอบทางสถิติที่เหมาะสม เช่น t-test สำหรับข้อมูลที่กระจายตามปกติ หรือการทดสอบ Mann-Whitney U สำหรับข้อมูลที่กระจายแบบไม่ปกติ คุณจะพบว่าระดับความพึงพอใจระหว่างสองแผนกมีความแตกต่างกันอย่างมีนัยสำคัญ พนักงานแผนกการตลาดรายงานระดับความพึงพอใจที่สูงขึ้นเมื่อเทียบกับแผนกทรัพยากรบุคคล
สุดท้าย คุณต้องการสำรวจว่ามีความสัมพันธ์ระหว่างความพึงพอใจในงานกับอัตราการรักษาพนักงานหรือไม่ การใช้ค่าสัมประสิทธิ์สหสัมพันธ์ที่เหมาะสมตามมาตรฐานของข้อมูล คุณจะค้นพบความสัมพันธ์เชิงบวกที่แข็งแกร่งระหว่างความพึงพอใจในงานและอัตราการรักษางาน สิ่งนี้ชี้ให้เห็นว่าหากความพึงพอใจในงานสูง อัตราการรักษาพนักงานภายในองค์กรก็จะสูงตามไปด้วย
สรุป
โดยสรุป การวิเคราะห์ข้อมูลสเกล Likert เกี่ยวข้องกับขั้นตอนที่สำคัญหลายขั้นตอนเพื่อให้ได้มาซึ่งข้อมูลเชิงลึกที่มีความหมายจากทัศนคติและความคิดเห็นของผู้ตอบแบบสอบถาม เมื่อเข้าใจมาตราส่วนลิเคิร์ต นักวิจัยสามารถปลดล็อกข้อมูลอันมีค่าเพื่อใช้ประกอบการตัดสินใจและการวิจัยเพิ่มเติมได้ การวิเคราะห์ข้อมูลสเกล Likert อย่างแม่นยำมีความสำคัญในด้านต่างๆ ตั้งแต่สังคมศาสตร์ไปจนถึงการวิจัยตลาด สิ่งนี้ช่วยให้นักวิจัยเข้าใจพฤติกรรม ความชอบ และการรับรู้ของมนุษย์ในลักษณะเชิงปริมาณ ด้วยความเข้าใจอย่างถ่องแท้เกี่ยวกับการวิเคราะห์ข้อมูลของสเกล Likert นักวิจัยสามารถสรุปผลที่เชื่อถือได้