Définition de l'échelle de Likert
L'échelle de Likert est une échelle de 5 ou 7 points qui est utilisée pour permettre aux individus d'exprimer dans quelle mesure ils sont d'accord ou en désaccord avec un énoncé particulier. Il s'agit d'un ensemble d'énoncés proposés pour des situations réelles ou hypothétiques à l'étude. On pose aux individus un ensemble spécifique de questions sur une échelle métrique où ils montreront leur niveau d'accord pour tout à fait d'accord sur pas du tout d'accord. Ici, toutes les déclarations doivent être liées les unes aux autres afin que toutes les déclarations combinées aboutissent à un résultat spécifique. Ils ne doivent pas s'écarter de la dimension commune.
Échelle de Likert en détail
- Vous obtenez des questions cadrées avec pré-jugement conduisant toutes à une dimension commune.
- Il indique dans quelle mesure les gens sont d'accord ou en désaccord avec une déclaration particulière.
- Vous obtenez une gamme d'options parmi lesquelles vous pouvez choisir.
- Il existe une option pour choisir «Neutre» comme réponse.
- Les individus devront choisir dans l'option spécifiée, de sorte que parfois l'opinion réelle des individus n'est pas partagée.
- Si vous posez simplement une question pour un sondage, il se peut que la personne n'ait pas écouté correctement votre question et ait simplement donné une réponse. Ce n'est donc pas fiable, donc l'échelle de Likert augmente le facteur de fiabilité en posant des questions dépendantes à la même personne en même temps.
Exemple d'échelle de Likert à 5 points
Dans cet exemple, supposons que M. X veuille ouvrir une société de courtage. Donc pour cela, il veut faire une enquête et voir qui aiment tous faire du commerce. Construisez un questionnaire pour l'enquête à l'échelle de Likert en 5 points et expliquez le résultat post-enquête.
Solution :
- La partie la plus importante de cette enquête est de mettre en place les bons énoncés.
- Chaque déclaration doit conduire à la dimension commune des individus qui aiment ou n'aiment pas le trading.
- Les déclarations ne doivent pas être hors-piste et elles doivent couvrir la dimension commune dans sa totalité.
Construction des déclarations:
- J'aime la Bourse.
- J'aime les actions.
- J'aime l'argent.
- J'aime Return.
Donc, si vous regardez attentivement les questions, vous aurez l'impression que si une personne dit qu'elle aime la bourse, elle ne peut pas dire qu'elle déteste les actions. Donc, juste en voyant la réponse à la première déclaration, vous pouvez prédire, quelles seront les réponses au reste des déclarations? Toutes les déclarations sont interconnectées. Cela augmente donc le facteur de fiabilité.
Le facteur de fiabilité d'une enquête est le facteur qui indique à quel point l'enquête est fructueuse et donne une image correcte ou non. Si vous voyez qu'un individu a choisi qu'il aime les marchés boursiers mais déteste les actions, cela signifie que la personne n'a pas lu correctement les déclarations avant de répondre, donc ses réponses ne seront pas incluses dans le décompte final. Ainsi, le facteur de fiabilité est augmenté dans l'enquête à l'échelle de likert.
Maintenant, nous devrons joindre des options aux déclarations. Dans l'échelle de Likert à 5 points, nous attacherons 5 options qui auront une option «Neutre».
Ainsi, les options seront:
- Tout à fait d'accord
- Se mettre d'accord
- Neutre
- Être en désaccord
- Pas du tout d'accord
Nous devrons maintenant attacher des chiffres à chaque option.
Dites «tout à fait d'accord» est 1 , «d'accord» est 2 , «neutre» est 3 , «pas d'accord» est 4 et «pas du tout d'accord» est 5.
Ainsi, à partir du tableau ci-dessus, vous pouvez voir que si un individu est fortement d'accord avec toutes les affirmations, le score total sera de 4, car tout à fait d'accord est donné le nombre «1», donc s'il est fortement d'accord avec tout, son score total sera de 4 , de même, s'il «accepte» simplement deux affirmations et «accepte fortement» de se reposer deux, alors son score total sera (1 + 1 + 2 + 2 = 6).
Disons maintenant que nous avons mené une enquête auprès de 120 personnes. Sur 120, vous voyez que 20 enquêtes ne sont pas fiables, vous supprimez donc 20 enquêtes. Pas fiable signifie qu'ils ont sélectionné «Tout à fait d'accord» dans une déclaration et «Pas du tout d'accord» dans une autre déclaration
Maintenant, sur 100 enquêtes, si le score total est supérieur à (12 * 100) = 1200, cela signifie qu'en général, les gens n'aiment pas négocier sur ce marché particulier. 12 est le point médian, c'est le score total si une personne choisit Neutre dans toutes ses déclarations.
Donc, sur 100 enquêtes, le point médian devrait être (12 * 100) = 1200. Si le score total de l'enquête est inférieur à 1200, alors M. X devrait ouvrir une société de trading, car la plupart des gens aiment fortement ou agréablement le trading. Nous sommes donc essentiellement en train de matraquer les opinions afin de générer un score composite et de prendre des décisions en conséquence.
Qu'est-ce que l'échelle de Likert à 7 points et la comparer à 5 points?
L'échelle de Likert à 7 points offre plus de variétés d'options, ce qui augmente la probabilité de rencontrer la réalité objective des gens. Si une personne a une opinion sur le fait d'aimer les «marchés boursiers» qui ne relève pas de «tout à fait d'accord» et «d'accord», elle est alors obligée de choisir entre ces deux opinions, car dans l'échelle de Likert en 5 points, il n'y a pas d'autres options .
Dans l'échelle de 7 points, les opinions sont davantage divisées pour répondre au sentiment réel des individus. Peut-être qu'ils ajouteront une autre opinion avec «Tout à fait d'accord» et «D'accord», dire «Légèrement d'accord».
L'échelle de likert à 7 points est donc la même que l'échelle de likert à 5 points, mais les options d'opinion le sont davantage dans le cas de l'échelle de likert à 7 points. Une échelle de 7 points révèle plus de description du motif et fait donc appel pratiquement à la «faculté de raison» des participants.
Conclusion
L'échelle de Likert est un moyen important par lequel nous pouvons objectiver une opinion et prendre des décisions en conséquence. Il est largement utilisé dans les études de marché, où de nouveaux marchés sont étudiés et analysés pour de nouveaux produits ou des lancements d'entreprises.
