likert: พื้นฐานและคำจำกัดความสำหรับนำไปใช้จริง

ปัญหาที่นักวิจัยมักเผชิญกับการวัดทัศนคติ

ในโลกของการวิจัย โดยเฉพาะอย่างยิ่งในสาขาที่เกี่ยวข้องกับพฤติกรรม สังคมศาสตร์ หรือการตลาด การวัดทัศนคติ ความคิดเห็น หรือการรับรู้ของผู้คนเป็นสิ่งสำคัญ แต่ก็เป็นความท้าทายอย่างยิ่ง เพราะสิ่งเหล่านี้เป็นนามธรรม ไม่สามารถวัดได้โดยตรงเหมือนความสูงหรือน้ำหนัก นักวิจัยจำนวนมากจึงมักประสบปัญหาในการออกแบบเครื่องมือที่สามารถจับต้องและแปลงข้อมูลเชิงคุณภาพเหล่านี้ให้เป็นเชิงปริมาณได้อย่างน่าเชื่อถือและมีประสิทธิภาพ

คุณอาจเคยตั้งคำถามว่า “จะรู้ได้อย่างไรว่าผู้ตอบแบบสอบถาม ‘เห็นด้วยมากน้อยแค่ไหน’ หรือ ‘พึงพอใจในระดับใด’ อย่างเป็นระบบ?” หรือ “ทำไมผลการวิเคราะห์ข้อมูลที่ได้จากแบบสอบถามดูไม่น่าเชื่อถือ?” ปัญหาเหล่านี้มักมีรากฐานมาจากการขาดความเข้าใจที่ลึกซึ้งเกี่ยวกับเครื่องมือวัดที่ใช้ ซึ่งหนึ่งในเครื่องมือที่ได้รับความนิยมและมีการใช้กันอย่างแพร่หลายที่สุดคือ Likert Scale

บทความนี้จะพาคุณไปสำรวจพื้นฐานและคำจำกัดความของ Likert Scale อย่างละเอียด เพื่อให้คุณสามารถนำไปประยุกต์ใช้ในการสร้างแบบสอบถามได้อย่างถูกต้อง ลดข้อผิดพลาดที่พบบ่อย และเพิ่มความน่าเชื่อถือให้กับผลการวิจัยของคุณ

Likert Scale คืออะไร?

Likert Scale (อ่านว่า ไลเคิร์ท สเกล) ไม่ใช่แบบสอบถามทั้งหมด แต่เป็น มาตรวัด (Scale) ที่ใช้ในการวัดทัศนคติ ความคิดเห็น หรือการรับรู้ของบุคคล โดยให้ผู้ตอบเลือกตอบจากชุดของตัวเลือกที่แสดงระดับความเห็นด้วยหรือไม่เห็นด้วย ระดับความพึงพอใจหรือไม่พึงพอใจ หรือระดับความถี่ของพฤติกรรม ตัวเลือกเหล่านี้จะถูกจัดเรียงตามลำดับจากระดับหนึ่งไปอีกระดับหนึ่งอย่างต่อเนื่อง เช่น จาก “ไม่เห็นด้วยอย่างยิ่ง” ไปจนถึง “เห็นด้วยอย่างยิ่ง”

ชื่อของมาตรวัดนี้ตั้งตาม Rensis Likert นักจิตวิทยาสังคมชาวอเมริกัน ผู้คิดค้นมาตรวัดนี้ขึ้นในปี ค.ศ. 1932 โดยมีวัตถุประสงค์เพื่อวัดทัศนคติในลักษณะที่ง่ายต่อการทำความเข้าใจและวิเคราะห์

สิ่งสำคัญที่ต้องทำความเข้าใจคือ Likert Scale ไม่ใช่คำพ้องความหมายของ “แบบสอบถาม” แต่เป็นเพียงส่วนหนึ่งของแบบสอบถามที่ใช้ในการวัดตัวแปรเชิงทัศนคติเท่านั้น โดยแต่ละข้อคำถามที่ใช้มาตรวัด Likert เรียกว่า Likert Item และเมื่อนำ Likert Item หลายๆ ข้อที่วัดแนวคิดเดียวกันมารวมกัน จึงจะเรียกว่า Likert Scale ซึ่งเป็นคะแนนรวมที่สะท้อนถึงทัศนคติโดยรวมของผู้ตอบ

องค์ประกอบสำคัญของ Likert Scale

การสร้าง Likert Scale ที่มีคุณภาพต้องเข้าใจองค์ประกอบพื้นฐานเหล่านี้:

1. Likert Item (ข้อคำถาม)

   แต่ละข้อคำถามในมาตรวัด Likert จะเป็นข้อความที่แสดงถึงประเด็นหรือแนวคิดที่ต้องการวัดทัศนคติ ข้อความเหล่านี้ควรมีความชัดเจน กระชับ และเป็นกลาง ไม่ชี้นำหรือมีอคติ ตัวอย่างเช่น:

   • “ฉันพึงพอใจกับการบริการของร้านค้าแห่งนี้”
   • “ฉันคิดว่านโยบายนี้จะส่งผลดีต่อเศรษฐกิจ”

   ข้อคำถามควรวัดเพียงประเด็นเดียวในแต่ละข้อ เพื่อหลีกเลี่ยงความกำกวมในการตอบ

2. Response Options (ตัวเลือกคำตอบ)

   คือชุดของตัวเลือกที่ผู้ตอบสามารถเลือกได้ ซึ่งแสดงถึงระดับความเห็นด้วยหรือไม่เห็นด้วย ความพึงพอใจหรือไม่พึงพอใจ เป็นต้น ตัวเลือกเหล่านี้จะต้องเรียงลำดับอย่างเป็นระบบและมีระยะห่างที่เท่ากันในเชิงแนวคิด (equidistant) เพื่อให้การตีความคะแนนเป็นไปอย่างสมเหตุสมผล

   ตัวอย่างตัวเลือกคำตอบ 5 ระดับที่พบบ่อย:

   • 1 = ไม่เห็นด้วยอย่างยิ่ง
   • 2 = ไม่เห็นด้วย
   • 3 = เฉยๆ / ปานกลาง
   • 4 = เห็นด้วย
   • 5 = เห็นด้วยอย่างยิ่ง

3. Underlying Continuum (แนวคิดต่อเนื่องที่ซ่อนอยู่)

   Likert Scale ตั้งอยู่บนสมมติฐานว่ามีแนวคิดต่อเนื่องที่ซ่อนอยู่ (เช่น ระดับความพึงพอใจ) ที่เราพยายามจะวัด โดยตัวเลือกคำตอบแต่ละระดับเป็นเพียงจุดต่างๆ บนแนวคิดต่อเนื่องนั้น การรวมคะแนนจาก Likert Item หลายๆ ข้อเข้าด้วยกันจะช่วยให้เราประมาณค่าของแนวคิดต่อเนื่องนี้ได้แม่นย้ายยิ่งขึ้น

ประเภทของ Likert Scale: จำนวนระดับและลักษณะคำตอบ

Likert Scale สามารถแบ่งออกได้หลายประเภทตามจำนวนระดับและลักษณะของตัวเลือกคำตอบ:

1. จำนวนระดับ (Number of Points)

• 3 ระดับ (เช่น เห็นด้วย / ไม่แน่ใจ / ไม่เห็นด้วย)

  เป็นมาตรวัดที่เรียบง่ายที่สุด เหมาะสำหรับสถานการณ์ที่ต้องการข้อมูลอย่างรวดเร็วและไม่ซับซ้อน แต่ความละเอียดของข้อมูลจะต่ำ

• 5 ระดับ (เช่น ไม่เห็นด้วยอย่างยิ่ง ถึง เห็นด้วยอย่างยิ่ง)

  เป็นที่นิยมมากที่สุด เนื่องจากให้ความสมดุลระหว่างความละเอียดของข้อมูลและความง่ายในการตอบ มีจุดกึ่งกลางให้ผู้ตอบเลือกเมื่อไม่สามารถตัดสินใจได้ชัดเจน

• 7 ระดับ (เช่น ไม่เห็นด้วยอย่างยิ่ง ถึง เห็นด้วยอย่างยิ่ง)

  ให้ความละเอียดของข้อมูลที่มากขึ้น เหมาะสำหรับหัวข้อที่ผู้ตอบอาจมีความเห็นที่หลากหลายและละเอียดอ่อน แต่ก็อาจทำให้ผู้ตอบใช้เวลาในการตัดสินใจมากขึ้น

• 4 หรือ 6 ระดับ (Even-numbered Scale)

  เป็นมาตรวัดที่ไม่มีจุดกึ่งกลาง (forced-choice) บังคับให้ผู้ตอบต้องเลือกข้างใดข้างหนึ่ง เหมาะสำหรับสถานการณ์ที่ต้องการหลีกเลี่ยงการตอบแบบ “เฉยๆ” หรือ “ไม่แน่ใจ” เพื่อให้ได้ข้อมูลที่ชัดเจนเกี่ยวกับทิศทางของทัศนคติ

2. ลักษณะคำตอบ (Response Anchors)

ตัวเลือกคำตอบ (anchors) ควรมีความชัดเจนและสอดคล้องกับสิ่งที่ต้องการวัด ตัวอย่างเช่น:

• ความเห็นด้วย/ไม่เห็นด้วย: ไม่เห็นด้วยอย่างยิ่ง, ไม่เห็นด้วย, เฉยๆ, เห็นด้วย, เห็นด้วยอย่างยิ่ง
• ความพึงพอใจ: ไม่พึงพอใจอย่างยิ่ง, ไม่พึงพอใจ, ปานกลาง, พึงพอใจ, พึงพอใจอย่างยิ่ง
• ความถี่: ไม่เคยเลย, นานๆ ครั้ง, บางครั้ง, บ่อยครั้ง, เป็นประจำ
• ความสำคัญ: ไม่สำคัญเลย, ไม่ค่อยสำคัญ, ปานกลาง, สำคัญ, สำคัญมากที่สุด

การเลือกจำนวนระดับและลักษณะคำตอบที่เหมาะสมขึ้นอยู่กับวัตถุประสงค์ของการวิจัย ลักษณะของกลุ่มตัวอย่าง และความละเอียดของข้อมูลที่ต้องการ

ข้อดีและข้อจำกัดของการใช้ Likert Scale

เช่นเดียวกับเครื่องมือวิจัยอื่นๆ Likert Scale ก็มีทั้งข้อดีและข้อจำกัดที่นักวิจัยควรพิจารณา

ข้อดี

1. ใช้งานง่าย: ทั้งสำหรับผู้ออกแบบและผู้ตอบแบบสอบถาม ผู้ตอบเข้าใจได้ง่ายและใช้เวลาไม่นานในการตอบ
2. วัดทัศนคติเชิงนามธรรมได้: สามารถแปลงความคิดเห็นและความรู้สึกที่ซับซ้อนให้เป็นข้อมูลเชิงปริมาณได้
3. มีความน่าเชื่อถือสูง: หากออกแบบอย่างถูกต้องและมี ioc ที่ดี สามารถให้ผลลัพธ์ที่สอดคล้องกันและเชื่อถือได้
4. วิเคราะห์ข้อมูลได้หลากหลาย: สามารถใช้วิธีการทางสถิติได้หลายรูปแบบ ตั้งแต่สถิติเชิงพรรณนาไปจนถึงสถิติเชิงอนุมาน
5. ยืดหยุ่น: สามารถปรับจำนวนระดับและคำตอบให้เข้ากับบริบทและวัตถุประสงค์ของการวิจัยได้

ข้อจำกัด

1. ความหมายของจุดกึ่งกลาง: ในมาตรวัดที่มีจุดกึ่งกลาง ผู้ตอบอาจเลือก “เฉยๆ” ด้วยเหตุผลที่แตกต่างกัน เช่น ไม่มีความเห็นจริงๆ ไม่เข้าใจคำถาม หรือไม่ต้องการแสดงความคิดเห็นที่ชัดเจน ซึ่งอาจทำให้การตีความยากขึ้น
2. Social Desirability Bias: ผู้ตอบอาจเลือกคำตอบที่สังคมยอมรับหรือดูดี แทนที่จะเป็นความรู้สึกที่แท้จริง
3. Response Set Bias: ผู้ตอบอาจตอบแบบซ้ำๆ โดยไม่อ่านคำถามแต่ละข้ออย่างละเอียด เช่น ตอบ “เห็นด้วยอย่างยิ่ง” ทุกข้อ
4. การตีความข้อมูล: แม้จะให้ค่าเป็นตัวเลข แต่ Likert Scale ถือเป็นข้อมูลระดับอันดับ (Ordinal Scale) ในทางสถิติ ซึ่งหมายความว่าเราทราบลำดับ แต่ไม่สามารถสรุปได้ว่าระยะห่างระหว่าง “ไม่เห็นด้วย” กับ “เฉยๆ” เท่ากับระยะห่างระหว่าง “เฉยๆ” กับ “เห็นด้วย” อย่างแท้จริง การนำไปวิเคราะห์ด้วยสถิติที่เหมาะสมกับข้อมูลระดับช่วง (Interval Scale) จึงต้องทำอย่างระมัดระวัง

ข้อผิดพลาดที่พบบ่อยในการสร้างและใช้ Likert Scale

การทำความเข้าใจข้อผิดพลาดเหล่านี้จะช่วยให้คุณหลีกเลี่ยงปัญหาและสร้างมาตรวัดที่มีคุณภาพได้

1. สับสนระหว่าง Likert Item กับ Likert Scale

ข้อผิดพลาด: การเรียกข้อคำถามเดี่ยวๆ ว่า “Likert Scale” ทั้งที่จริงแล้วมันคือ “Likert Item” และ “Likert Scale” คือคะแนนรวมของหลายๆ ข้อที่วัดแนวคิดเดียวกัน

คำอธิบาย: Likert Item คือข้อความเดี่ยวๆ ที่มีตัวเลือกคำตอบ Likert ส่วน Likert Scale คือคะแนนรวมที่ได้จากการรวมคะแนนของ Likert Item หลายๆ ข้อเข้าด้วยกัน เพื่อให้ได้การวัดแนวคิดที่ครอบคลุมและน่าเชื่อถือมากขึ้น

2. ข้อคำถามกำกวม หรือวัดหลายประเด็นในข้อเดียว (Double-barreled Questions)

ข้อผิดพลาด: “ฉันคิดว่าสินค้ามีคุณภาพดีและราคาเหมาะสม”

คำอธิบาย: ผู้ตอบอาจคิดว่าสินค้ามีคุณภาพดีแต่ราคาไม่เหมาะสม หรือในทางกลับกัน ทำให้ไม่สามารถเลือกคำตอบที่สะท้อนความคิดเห็นที่แท้จริงได้ ควรแยกเป็นสองข้อคำถาม: “ฉันคิดว่าสินค้ามีคุณภาพดี” และ “ฉันคิดว่าสินค้ามีราคาเหมาะสม”

3. ตัวเลือกคำตอบไม่สมดุลหรือไม่ชัดเจน

ข้อผิดพลาด: ตัวเลือกคำตอบ: ไม่เห็นด้วยอย่างยิ่ง, ไม่เห็นด้วย, เห็นด้วย, เห็นด้วยอย่างยิ่ง (ขาดจุดกึ่งกลางและมีตัวเลือกเชิงลบมากกว่าเชิงบวก)

คำอธิบาย: ตัวเลือกควรมีความสมดุลทั้งเชิงบวกและเชิงลบ และมีจุดกึ่งกลางหากต้องการให้ผู้ตอบมีทางเลือกเมื่อไม่แน่ใจ ตัวเลือกควรชัดเจนและเข้าใจง่าย เช่น “ไม่เห็นด้วยอย่างยิ่ง, ไม่เห็นด้วย, เฉยๆ, เห็นด้วย, เห็นด้วยอย่างยิ่ง”

4. การใช้คำถามเชิงลบมากเกินไป

ข้อผิดพลาด: “ฉันไม่คิดว่าบริการนี้ไม่มีประสิทธิภาพ” (Negative phrasing)

คำอธิบาย: การใช้คำถามเชิงปฏิเสธซ้อนกันอาจทำให้ผู้ตอบสับสนและตีความผิดพลาด ควรใช้ข้อความเชิงบวกหรือเชิงลบที่ชัดเจนเพียงอย่างเดียว และควรมีข้อคำถามเชิงบวกและเชิงลบสลับกันบ้างเพื่อลด Response Set Bias

5. การนำข้อมูลไปวิเคราะห์ผิดประเภท

ข้อผิดพลาด: การนำคะแนนจาก Likert Item เดี่ยวๆ ไปวิเคราะห์ด้วยสถิติที่เหมาะสมกับข้อมูลระดับช่วงหรืออัตราส่วน โดยไม่พิจารณาว่าข้อมูลนั้นเป็นระดับอันดับ

คำอธิบาย: แม้จะมีการให้คะแนนเป็นตัวเลข แต่ Likert Item เดี่ยวๆ ถือเป็นข้อมูลระดับอันดับ การนำไปวิเคราะห์ด้วยสถิติที่เหมาะสมกับข้อมูลระดับช่วง เช่น ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน หรือ T-test ควรทำเมื่อมีการรวมคะแนนจาก Likert Item หลายๆ ข้อเข้าด้วยกันเป็น Likert Scale แล้ว และมีจำนวนระดับที่มากพอ (เช่น 5-7 ระดับขึ้นไป) ซึ่งนักวิจัยหลายท่านอนุโลมให้ถือเป็นข้อมูลระดับช่วงได้ในทางปฏิบัติ

แนวทางการสร้าง Likert Scale ที่มีคุณภาพ

เพื่อสร้าง Likert Scale ที่มีประสิทธิภาพและน่าเชื่อถือ ควรปฏิบัติตามแนวทางเหล่านี้:

1. กำหนดวัตถุประสงค์การวัดให้ชัดเจน

   ก่อนจะเริ่มเขียนข้อคำถาม ให้ระบุอย่างชัดเจนว่าคุณต้องการวัดทัศนคติหรือแนวคิดใด เช่น ความพึงพอใจ, ความผูกพัน, ความเชื่อมั่น

2. สร้าง Likert Item ที่ชัดเจนและวัดประเด็นเดียว

   ใช้ภาษาที่เข้าใจง่าย หลีกเลี่ยงศัพท์เทคนิคหรือคำที่กำกวม แต่ละข้อควรวัดเพียงแนวคิดเดียวเท่านั้น

   • ตัวอย่างที่ดี: “ฉันรู้สึกว่าเว็บไซต์นี้ใช้งานง่าย”
   • ตัวอย่างที่ไม่ดี: “ฉันรู้สึกว่าเว็บไซต์นี้ใช้งานง่ายและมีข้อมูลครบถ้วน” (ควรแยกเป็นสองข้อ)

3. เลือกจำนวนระดับและตัวเลือกคำตอบที่เหมาะสม

   พิจารณาความละเอียดของข้อมูลที่ต้องการและลักษณะของกลุ่มตัวอย่าง 5 ระดับมักเป็นทางเลือกที่ปลอดภัยและนิยมใช้มากที่สุด หากต้องการบังคับให้เลือกข้าง ให้ใช้ 4 หรือ 6 ระดับ

   ตัวเลือกคำตอบควรมีความสมดุลและมีคำอธิบายที่ชัดเจนในแต่ละระดับ

4. พิจารณาการใช้ข้อคำถามเชิงบวกและเชิงลบสลับกัน (Reverse-coded Items)

   เพื่อลด Response Set Bias ควรมี Likert Item บางข้อที่เป็นเชิงลบ (เช่น “ฉันคิดว่าบริการนี้ล่าช้า”) ซึ่งเมื่อนำไปวิเคราะห์จะต้องกลับค่าคะแนน (reverse-code) ก่อน

5. ทดสอบความถูกต้องและความน่าเชื่อถือ (Validity and Reliability)

   ก่อนนำไปใช้จริง ควรมีการ try out วิจัย หรือทดลองใช้กับกลุ่มตัวอย่างขนาดเล็ก เพื่อตรวจสอบความเข้าใจของคำถามและความสอดคล้องของคำตอบ การตรวจสอบ ioc (Index of Item Objective Congruence) เป็นวิธีหนึ่งในการประเมินความตรงเชิงเนื้อหาของข้อคำถาม

6. ทำ try out วิจัย คือ การทดสอบนำร่อง

   การทดสอบนำร่องจะช่วยให้คุณระบุปัญหาที่อาจเกิดขึ้นกับแบบสอบถาม เช่น คำถามที่กำกวม ตัวเลือกที่เข้าใจยาก หรือความยาวของแบบสอบถามที่มากเกินไป

การวิเคราะห์ข้อมูลจาก Likert Scale เบื้องต้น

เมื่อเก็บข้อมูลจาก Likert Scale มาแล้ว การวิเคราะห์ข้อมูลเบื้องต้นสามารถทำได้ดังนี้:

1. การวิเคราะห์ Likert Item เดี่ยวๆ

   สำหรับ Likert Item แต่ละข้อ สามารถใช้สถิติเชิงพรรณนา เช่น ความถี่ ร้อยละ และฐานนิยม (Mode) เพื่อดูการกระจายตัวของคำตอบในแต่ละระดับ

2. การวิเคราะห์ Likert Scale (คะแนนรวม)

   เมื่อรวมคะแนนจาก Likert Item หลายๆ ข้อที่วัดแนวคิดเดียวกันเข้าด้วยกันเป็น Likert Scale แล้ว (หลังจากกลับค่าคะแนนสำหรับข้อคำถามเชิงลบ) นักวิจัยมักจะอนุโลมให้ถือเป็นข้อมูลระดับช่วง และสามารถใช้สถิติเชิงพรรณนา เช่น ค่าเฉลี่ย (Mean) และส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation) ได้ รวมถึงสถิติเชิงอนุมาน เช่น t-test, ANOVA, หรือ Correlation เพื่อทดสอบสมมติฐาน

   การวิเคราะห์ความน่าเชื่อถือของมาตรวัดโดยรวม (Reliability Analysis) โดยใช้ค่า Cronbach’s Alpha ก็เป็นสิ่งสำคัญที่ต้องทำ เพื่อยืนยันว่า Likert Item ต่างๆ ในมาตรวัดนั้นมีความสอดคล้องกันภายใน

การทำความเข้าใจพื้นฐานเหล่านี้จะช่วยให้คุณสามารถออกแบบและใช้ Likert Scale ในงานวิจัยได้อย่างมั่นใจและมีประสิทธิภาพมากยิ่งขึ้น หากคุณต้องการศึกษาเครื่องมือและแบบสอบถามเพิ่มเติม สามารถดูได้ที่ คู่มือแบบสอบถามและเครื่องมือวิจัย ฉบับสมบูรณ์ ของเรา

คำถามที่พบบ่อย

ควรใช้ Likert Scale กี่ระดับดีที่สุด?

ไม่มีจำนวนระดับที่ ‘ดีที่สุด’ สำหรับทุกสถานการณ์ แต่ 5 ระดับเป็นที่นิยมและแนะนำมากที่สุด เพราะให้ความสมดุลระหว่างความละเอียดของข้อมูลและความง่ายในการตอบ หากต้องการข้อมูลที่ละเอียดขึ้นอาจใช้ 7 ระดับ แต่หากต้องการบังคับให้ผู้ตอบเลือกข้างใดข้างหนึ่ง (ไม่มีจุดกึ่งกลาง) ควรใช้ 4 หรือ 6 ระดับ

จำเป็นต้องมีจุดกึ่งกลางใน Likert Scale หรือไม่?

ขึ้นอยู่กับวัตถุประสงค์ หากต้องการให้ผู้ตอบมีทางเลือกเมื่อไม่แน่ใจหรือไม่มีความเห็นที่ชัดเจน ควรมีจุดกึ่งกลาง (เช่น 5 หรือ 7 ระดับ) แต่หากต้องการบังคับให้ผู้ตอบแสดงทัศนคติไปในทิศทางใดทิศทางหนึ่ง (เช่น เพื่อหลีกเลี่ยงการตอบแบบ ‘เฉยๆ’) สามารถใช้มาตรวัดที่ไม่มีจุดกึ่งกลาง (เช่น 4 หรือ 6 ระดับ) ได้

Likert Scale ต่างจาก Rating Scale ทั่วไปอย่างไร?

Likert Scale เป็นประเภทหนึ่งของ Rating Scale ที่เฉพาะเจาะจง โดยมีลักษณะเด่นคือการใช้ชุดของข้อความ (Likert Item) ที่วัดแนวคิดเดียวกัน และมีตัวเลือกคำตอบที่แสดงระดับความเห็นด้วย/ไม่เห็นด้วย หรือความพึงพอใจ/ไม่พึงพอใจ ที่เรียงลำดับอย่างต่อเนื่อง ในขณะที่ Rating Scale เป็นคำที่กว้างกว่า อาจรวมถึงมาตรวัดอื่นๆ ที่ให้คะแนนหรือจัดอันดับ เช่น Visual Analog Scale หรือ Semantic Differential Scale

สามารถใช้ค่าเฉลี่ยกับข้อมูลจาก Likert Scale ได้หรือไม่?

สำหรับ Likert Item เดี่ยวๆ ที่เป็นข้อมูลระดับอันดับ การใช้ค่าเฉลี่ยอาจไม่เหมาะสมนัก ควรใช้ฐานนิยมหรือมัธยฐาน แต่เมื่อมีการรวมคะแนนจาก Likert Item หลายๆ ข้อเข้าด้วยกันเป็น Likert Scale (คะแนนรวม) และมีจำนวนระดับที่มากพอ (เช่น 5-7 ระดับขึ้นไป) นักวิจัยส่วนใหญ่มักอนุโลมให้ถือเป็นข้อมูลระดับช่วง และสามารถใช้ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน รวมถึงสถิติเชิงอนุมานอื่นๆ ได้

ควรมี Likert Item กี่ข้อในหนึ่ง Likert Scale?

โดยทั่วไปแล้ว การวัดแนวคิดเชิงนามธรรมควรใช้ Likert Item อย่างน้อย 3-5 ข้อขึ้นไป เพื่อให้ได้การวัดที่ครอบคลุมและมีความน่าเชื่อถือทางสถิติที่เพียงพอ จำนวนที่เหมาะสมขึ้นอยู่กับความซับซ้อนของแนวคิดที่ต้องการวัด และควรผ่านการทดสอบความน่าเชื่อถือ (Reliability) เช่น Cronbach’s Alpha