用研人,核心目标的工作就是要通过调查获得消费者态度、意图和行为。在日常调查问卷的量表设计中,面对不同等级的量表,你一定有过这样的困惑,量表的答项应该选择 5 级还是 7 级?要不要有中间项?到底是 5 级好?还是 6 级好?

笔者就调查问卷设计中的量表等级设定,探讨一下究竟要如何选择。

李克特量表

李克特量表(Likert Scale)是心理学界 Rensis Likert 在 1923 年所创,是一种心理测量量表。通常用于问卷设计,是目前调查研究中最为广泛使用的测量方法。

它属于总加量表类型的一种,主要针对一个特定的研究对象,要求填答者对指定的题项,给出一个数值分数,最后通过加总得分,用来反应填答者整体的认同程度或主客观评价。

一般来说,李克特量表采用  5  级,从数值 1~5 代表不同的态度强度。以问项“根据您的个人经历,您对本次 [ 某某服务 ] 的整体满意度评价是?”为例,量表对应表示为:非常不满意(1)、不满意(2)、一般(3)、满意(4)、非常满意(5)。

在实际量表的选用上,大家基本会依据约定俗成的习惯选用 5级、7 级量表,但也会依研究需要拓展选用 4级、6级,甚至11级等其他等级的量表。

如何选择合适的量表?

在进行量表调查获取数据分布的特征,可以依据“数据的集中趋势、离散程度、分布状态”进行测量和描述。有研究(Dawes, 2008)指出,无论是 5 级、7 级或 10 级等级,在进行标准化尺度处理后,其在统计上的平均数、变异数、偏态和峰度都很相似。

这里体现的观点就是,选择几级量表并不重要,在数据统计分析阶段,都可以转换为统一的尺度进行计算。

当然,笔者的讨论不会基于后续转换的做法上。那么在量表等级选择之前,可以先从“调查成本、等级数量、奇偶数等级、等级标示” 4 个角度先进行思考。

1、调查成本

1)误差成本:指的是随着量表的等级的增加,所获得的测量数据误差就会越小。

2)填答成本:指的是随着量表的等级的增加,填答者进行调查问卷填答的难度就会越大。

3)整体成本:指的是误差成本和填答成本之间的曲线相关关系。

从调查成本的角度切入,误差成本会随着量表等级的增加,成本逐步减少。填答成本会随着量表等级的增加,成本逐步增加。

从图中误差成本和填答成本交合的点可以看出,5 级量表是在调查成本中相对较低的方案

2、数量等级角度

一般来说,信度方面量表会随着等级的增加会有所提升,超过 10 级后增势会趋缓。效度方面则是中等级别的量表的效度会高于相对较少级别的量表,而超过 7 级的量表的效度也会减低。

另外,疲劳度方面量表超过 8 级和题项超过12个,填答者还会产生填答疲劳。

在不确定使用何种量表的时候,比较理想的情况,选用 5~7 级量表的风险最小。

对于特殊群体,比如儿童、青少年、老年、没受过教育人群,为了让他们更好理解调查量表的答项,可适当把量表等级减少,使用 3 级或 4 级量表,他们会更容易做决策。

3、奇偶数等级角度

相比数量上的选择,奇偶数等级的选择是开展研究更最常被问及的问题。

奇偶等级最大的不同就是中间项的存在。奇数等级通常会以中间强度进行处理,但对于填答者而言,它也包含了不知道、不确定的态度。

中间项一般填答者会产生“趋中效应”的填答偏误,填答者可能会为了回避勾选极端选项而出现。同时,也可能是不想作答(表态)或者没意见。

为了避免填答者倾向于选择“一般”等中间选项,所产生的“趋中效应”,通常会使用偶数等级量表来解决。

但是偶数等级量表同样也有问题,就是填答者会被要求做出正负向偏好的态度情绪的选择,这忽略了在实际场景中,确实存在既没有不满意,也没有满意的中立态度情绪。

在这个角度出发,选择奇偶数并不存在一个相对倾向的或者利好的标准,两者各有利弊。

而对于奇数等级量表而言,如果想剔除由于“难以决定、没意见、无所谓”等选择中间项的情况,可以在末项增加设立“难以决定、没意见、无所谓”的独立选项进行标示。

而对于偶数等级量表而言,则较难剔除填答者的反应偏差,但一般影响力相对有限,实际研究中需酌情选择。

4、等级标示角度

量表反应形式的设计会直接影响填答者的心理状况,在 5 级量表的使用上,中间项的标示方式有以下 4 种形式:

1)标出两端,中间项空白不标示。

2)以比例表达,中间项为一般、普通、不同意也不反对等。

3)以频率表达,中间项为有时、偶尔、有些等。

4)以态度倾向表达,中间项为难以决定、没意见、无所谓等。

方式 1 意味着量表具有等距性,等距性适用范围广,包括平均数、标准差、推论统计等等。

方式 2/3/4 意味着量表具有等级性,等级性比较适合统计频率。

在 Lam and Stevens 的研究结果中发现,5 级量表标出两端、避免中间项目描述的(等距性)调查中,填答者会自然调整为从 1~5 的强度、发生比例和频率,基本上不影响填答者心中的态度强度。

所以,等距性的标示形式,可以有效缓解奇数等级的”趋中效应“,也能缓解偶数等级的文字标示选项上的正负向情绪倾向。

总结

Okay,通过以上讨论,我们可以了解到:

1)不同量表间可以依据转换规则,进行统一尺度量表等级转换。

2)在成本考量上,5 级量表是在调查成本中相对较低的方案。

3)在数量等级考量上,选用 5~7 级量表的风险最小。

4)在奇偶数等级考量上,奇数等级需考虑趋中效应,偶数等级需考虑被迫填答所引起的反应偏差。

5)等距性的标示形式,有助于缓解量表等级的偏差问题。

最后,原则上量表等级的选择还是需要结合研究目的来判断。但上述的角度,可以让我们在选择的过程中,了解各自优劣后,做出最优解。

问卷设计:量表到底是要用5级还是6级?相关推荐

  1. spss相关性分析_SPSS有话说:如何得出问卷或量表的结构或维度——探索性因素分析...

    导   语 为进一步明晰量表的结构模型并确定正式量表,除进行项目分析外,随后根据探索性因素分析的结果剔除预测量表中不合适的项目. SPSS有话说 基本概念: 探索性因素分析是依据样本数据,根据变量间相 ...

  2. 问卷与量表数据分析(SPSS+AMOS)学习笔记(四) : 问卷数据录入进SPSS

    视频链接:问卷与量表数据分析(SPSS+AMOS) 目录 1. 单选题.打分题和填空题的录入与编码 2. 多选题-比重题-排序题的录入与编码 3. NPS量标题-Likert量标题的录入与编码 1. ...

  3. 问卷与量表数据分析(SPSS+AMOS)学习笔记(七) : 多选题的频率、交叉分析及卡方检验

    课程链接:<问卷与量表数据分析(SPSS+AMOS)> 笔记中的数据皆来自课程自带资料. 目录 1. 多选题的两种定义方法 1.1 定义多重响应集的步骤--二分类 1.2  定义多重响应集 ...

  4. 问卷与量表数据分析(SPSS+AMOS)学习笔记(三) : 数据分析工具,三线表的制作

    课程链接:问卷与量表数据分析(SPSS+AMOS) 目录 1. 数据分析工具的种类 2. SPSS窗口介绍 3.  SPSS csv文件导入方式 4. SPSS输出为三线表 4.1 简单描述性统计过程 ...

  5. 学业情绪量表数据的基本处理与SPSS分析思路

    学业情绪量表是心理学.教育学中常用的量表,目前有三个版本比较流行,一个是董妍和俞国良编制的<青少年学业情绪问卷>,另一个是马惠霞编制的<大学生一般学业情绪量表>,还有一个是蔡淑 ...

  6. 如何换算不同等级的李克特量表(5级、7级、10级等)

    ※ 版权所有,转载请联系作者 ※ 在做量表问卷的时候,会发现有些问卷是5级李克特量表(5-point Likert scale),有的是7级李克特量表(7-point Likert scale),有的 ...

  7. 分片表怎么建表_经验放送!后端开发实战笔记之如何设计大数据量表结构

    本文来自用户投稿,作者陈浩翔 上篇文章讲解了传统数据库的一些设计注意点.本篇为第二篇,在大数据量的情况下,如何去提前设计这个表结构,来达到一个比较好的效果.对于团队,对于后续的维护和扩展都带来更大的便 ...

  8. 后端开发如何设计数据库系列文章(二)设计大数据量表结构

    上篇文章讲解了传统数据库的一些设计注意点. 本篇为第二篇,在大数据量的情况下,如何去提前设计这个表结构,来达到一个比较好的效果.对于团队,对于后续的维护和扩展都带来更大的便利. 自增id 自增id还是 ...

  9. 问卷量表调研结果 - data 2022.2.27周五

    问卷量表调研结果 - data 2022.2.27周五 调研要求: 找接口asp类型的,寻找其方法 退而求其次!在网站上找链接,做完以后找到它的答案页面,记录链接以后反馈给用户,或者从她的源代码找到代 ...

  10. 利用Python进行调查问卷的信度检验和效度检验,并对量表进行因子分析

    Python语言实现信度.效度检验及探索性因子分析 信效度检验 1.信度检验 1.1 引入需要读入文件的pandas库和计算Cronbach's a 系数的pingouin库,并读入文件 1.2 计算 ...

最新文章

  1. R语言使用caret包构建gbdt模型(随机梯度提升树、Stochastic Gradient Boosting )构建回归模型、通过method参数指定算法名称
  2. nginx 负载均衡配置_Nginx负载均衡NFS配置
  3. Android 快速选择联系人
  4. java循环练习:水仙花数
  5. Eclipse 实用技巧
  6. MySQL更新时Error Code:1093和Error Code:1175的解决办法
  7. go语言基础到提高(3)-变量
  8. pytorch基础知识整理(一)自动求导机制
  9. Java入门算法(滑动窗口篇)丨蓄力计划
  10. 小猿圈Linux 之用户和用户组管理(二)
  11. pytorch FC_classification
  12. plist中数据存取
  13. (论文加源码)通过构建脑图基于DEAP的情绪识别多任务CNN模型(提取了功率谱密度psd和微分熵DE)
  14. c#控件chart制作自动更新的温湿度实时曲线图
  15. 我是如何次次《头脑王者》获得满分的
  16. uni-app微信小程序——商城(8)——订单详情
  17. windows下 apache配置rewrite错误解决
  18. 数据库期末考试(考点以及相关概念整理)
  19. 台式计算机开关键,台式电脑怎么开机
  20. 使用Wireshark工具分析网络协议

热门文章

  1. node.js 执行JS文件连接数据库报错
  2. Sketch 70 下载 兼容macOS Big Sur系统
  3. 初中信息技术计算机ppt课件,初中信息技术计算机ppt课件.ppt
  4. Midas GTS NX To 3DEC网格转换程序
  5. Java案例3-1 基于控制台的购书系统
  6. fastboot刷机工具_小米手机刷机教程整合版
  7. flash乱码解决方案
  8. Android 动画录制 GIF录制
  9. 文件系统性能测试工具 FIO工具
  10. 系统性能测试实施流程