You are on page 1of 12

Universidad de Viña del Mar

Escuela de Ciencias Sociales
Carrera de Sociología

TECNICAS CUANTITATIVAS

ESCALA LIKERT

La escala Likert, creada en 1932 por el psicólogo norteamericano Rensis Likert
(1903-1981), es el instrumento más usado para medir actitudes. La escala Likert es un
conjunto de aseveraciones (items) ante las cuales la persona expresa su grado de acuerdo
o desacuerdo o indecisión. Cada ítem tiene habitualmente cinco opciones de respuesta:
Muy de acuerdo (MA), De acuerdo (A), Indeciso (I), En desacuerdo (D) y Muy en
desacuerdo (MD). No hay respuestas correctas o incorrectas.

Hay items positivos, que expresan actitud positiva hacia el objeto, e items
negativos, que expresan actitud negativa hacia el objeto. Si estamos midiendo actitud
hacia la televisión, un ítem positivo sería “la televisión sirve para estar al día en muchos
temas” y uno negativo sería “ver televisión es perder el tiempo”. Es conveniente que la
escala tenga ambos tipos de items para controlar la tendencia a estar de acuerdo con las
aseveraciones o a contestar mecánicamente.

Los puntajes van de 1 a 5, dando mayor puntaje a la opción de respuesta que
indica actitud positiva hacia el objeto. Si el ítem es positivo, la opción MA recibe 5
puntos; si es negativo, la opción MD recibe 5 puntos. En el ejemplo del párrafo anterior,
recibe puntajes máximos quien está muy de acuerdo con que la televisión sirve para estar
al día, y muy en desacuerdo con que ver televisión es perder el tiempo.

El puntaje de una persona en la escala es la suma de los puntajes que ha obtenido
en los items. A mayor puntaje en la escala, más positiva es su actitud.

La escala Likert se aplica habitualmente como parte de un cuestionario, que puede
contener varias escalas y otros instrumentos. La escala Likert es una escala sumatoria:
sus puntajes son la suma de los puntajes de los items. Otras escalas sumatorias son las de
items con opciones de respuesta de 0 a 10, y las de items dicotómicos (1=sí, 0=no).

La escala Likert fue diseñada para medir actitudes pero, por lo fácil que es
construirla, contestarla y analizarla, y porque sus propiedades psicométricas (validez,
confiabilidad) son relativamente fáciles de evaluar, es usada para medir opiniones,
percepciones, valores, aspectos de personalidad y otras variables. Por ejemplo, la
-----------------------------------------------------------------------------------------------------------
J. Rodríguez Cano, U.de Viña del Mar, julianrc@uvm.cl

“mal” y “muy mal”. etc. También se supone que una escala mide una sola dimensión y esto es menos sostenible al haber más items.de Viña del Mar. el aumento va disminuyendo al agregar (ver más adelante el coeficiente Spearman-Brown). Por otra parte. estar escritos en forma directa. la sacan de contexto real. En vez de un ítem con dos aseveraciones. U. ‘nadie’. Pero no tenemos mejor alternativa: una buena medición debe contextualizar lo más posible el estímulo que aparece en el papel. • Evitar items extremos. ‘siempre’. Las diferencias en los extremos de la escala no se detectan con items extremos sino con el uso de las opciones de respuesta de los items. palabras como ‘todos’. Las personas suelen contestar tratando de ser consistentes con su actitud actual. Las palabras aíslan la conducta. Hay varias recetas para escribir items. Rodríguez Cano. ¿Cuántos items debe tener una escala? No se recomienda más de quince o veinte items. suelen idealizar el pasado o inventarlo. es problemático aplicarla a niños o a personas de muy bajo nivel educacional o con grados de analfabetismo. • Los items deben ser cortos. ----------------------------------------------------------------------------------------------------------- J. mayor será la confiabilidad. Aquí hay unas cuantas: • Evitar aseveraciones que se refieran a hechos del pasado.pregunta “¿Qué le pareció la selección de fútbol en el último partido?” puede tener las opciones de respuesta “muy bien”. La conducta se da en una situación concreta. no equivalente a la respuesta escrita. es preferible dos items con una cada uno. Un problema de esta escala radica en el elemento conductual de las actitudes: es la distancia que hay entre la respuesta a palabras escritas en un papel y la conducta real. En general. Una escala larga puede aburrir y hacer que las respuestas al resto de la escala no sean contestadas o lo sean mecánicamente. • No usar. ‘principalmente’.cl . ‘ninguno’. ‘solamente’. y similares. ‘nunca’. “regular”. • Evitar items que contengan dos o más aseveraciones. • Evitar aseveraciones de hechos objetivos o de conocimientos. Los items extremos no discriminan y. Una limitación de toda medición en papel es que exige un grado mínimo de comprensión de lectura. con puntajes 5 a 1 respectivamente. “bien”. entendibles y familiares para el que contesta. en un contexto con muchos otros elementos. Esto depende de las características de las personas a las que se les va a aplicar y del lugar donde se hará. en que todos o nadie estarán de acuerdo. julianrc@uvm. salvo que se justifique. Revelan en parte el deber ser. Si simplemente no recuerdan. Son la respuesta verbal a una situación simbólica. • Evitar palabras como ‘sólo’. Aunque la confiabilidad de una escala aumenta al tener más items. no entregan información. por lo tanto. cuantos más items haya. con palabras simples. porque el error sistemático tenderá a compensarse.

la validez y confiabilidad de la escala y. si corresponde. Se aplica la escala. 2. cuantitativa. Likert indica algunas posibles causas de que un ítem no discrimine: • Es poco entendible.cl . para posibles reemplazos. Aplicar un pretest. 5. Para cada persona se suman los puntajes que obtuvo en los items.) 3. Esto se hace porque. Los sujetos del pretest. Las etapas en la construcción de la escala son: 1. se les considera cuantitativas porque tienen más de tres categorías de respuesta. Esto se justifica además. en que la actitud que la subyace es continua. ANALISIS DE LOS ITEMS El análisis de los items sirve para determinar cuáles se mantendrán en la escala y cuáles se han de eliminar. contestan los items e indican qué problemas han tenido al hacerlo. julianrc@uvm. Construcción de items. Se espera que los items discriminen y que se correlacionen positivamente entre sí. se modifican.de Viña del Mar. (Crear más de los necesarios. Escribir items positivos y negativos. La suma es su puntaje en la escala. expresada en el puntaje de la escala. Otra forma de hacerlo es correlacionar los puntajes del ítem y la escala. Definir el concepto nominal y operacionalmente. Para evaluarlo se pueden tomar los grupos de los cuartiles extremos (4° y 1°) en el puntaje total y comparar sus promedios en el ítem mediante un Anova. aunque las opciones de respuesta de los items son variables ordinales. ----------------------------------------------------------------------------------------------------------- J. Se analizan los items. 4. teóricamente. Un ítem discrimina si separa a los sujetos en el ítem en forma similar a como los separa en la actitud. Rodríguez Cano. U. de características similares a los que se les va a aplicar la escala definitiva.

Rodríguez Cano. que correlaciona los puntajes de las dos mitades del test. conviene eliminar uno porque está midiendo lo mismo que el otro. • Se refiere a algo diferente del resto de los items (por lo tanto. Si dos items están correlacionados. Además de alargar inútilmente la escala. es extremadamente alta. Un peligro al eliminar muchos items es que algunas dimensiones pueden quedar con muy pocos items o con ninguno. de manera que sea indiferente cuál parte del instrumento usamos en nuestra medición. Sin embargo. Los primeros métodos usados fueron los de equivalencia. Se deben eliminar los items que están poco correlacionados con los demás y con la escala. el mismo concepto. Un ítem debe ser también eliminado si está correlacionado positivamente con algunos items y negativamente con otros. deben estar también correlacionados con la escala. personas en diferentes posiciones de la escala tienen igual probabilidad de estar de acuerdo). Si la correlación es negativa hay que considerar invertir su codificación. especialmente aplicable a escalas y tests. Un ítem poco correlacionado no aporta a la escala y disminuye su validez y su confiabilidad. además. probablemente su correlación con la escala será baja. Cuando hay pocos items conviene correlacionar cada ítem con la escala sin el ítem. julianrc@uvm. produzca resultados similares. quiere decir que miden lo mismo. mayor es la medición común del concepto. y de cada uno con los demás. Los items que están poco correlacionados miden cosas diferentes. La consistencia interna de un instrumento consiste en que cada parte de la escala mida lo mismo. Se verá aquí otra forma de confiabilidad. Hay que tener presente que aunque un ítem no esté correlacionado con ninguno otro. Si miden lo mismo. que es la suma de los items. La correlación disminuye si los items tienen poca varianza. Un ítem que discrimina adecuadamente está también correlacionado con los demás items y con la escala. su correlación con la escala no será 0 porque el ítem es parte de la escala. si la correlación entre dos items. da doble ponderación al aspecto medido. Esto se da habitualmente en items muy extremos. Por lo tanto.de Viña del Mar. si son ----------------------------------------------------------------------------------------------------------- J. Esta atenuación también ocurre cuando se disminuye el número de opciones de respuesta de los items. como el ‘split-half’. la consistencia interna. Los items deben estar correlacionados entre sí. Cuanto más alta es la correlación. U. • Es respondido igual (o casi igual) por todo el grupo. CONFIABILIDAD: CONSISTENCIA INTERNA Se han analizado antes dos formas de confiabilidad: la estabilidad del instrumento y el grado de acuerdo entre jueces.cl .

k=2 si se aumenta al doble. k=. la fórmula del coeficiente de Spearman-Brown se simplifica a: 2r ' r= 1+ r ' Por ejemplo. k es el tamaño de la nueva escala con respecto a la escala inicial (por ejemplo. Rodríguez Cano.85.85) en que k = 20/30 = 2/3. k = 2.79 1+ 2 3 ( ) − 1 (. Si se duplica el tamaño del test.60) Se puede también usar la fórmula de Spearman-Brown para estimar cuántos items se necesitan para conseguir una determinada confiabilidad: r (1 − r ') k= r '(1 − r ) Por ejemplo. (Se sabe que la confiabilidad aumenta al alargar un test.85) = . julianrc@uvm.equivalentes. y r es la confiabilidad de la nueva escala.80? La respuesta es 26 items. ¿cuántos items se estima debería tener para que la confiabilidad fuera . se quiere acortar un test de treinta a veinte items.cl . si la correlación de las mitades ( r ' ) es .60) entero será r = = .60. U.79. Por ejemplo.75 1 + (.70. Si la confiabilidad del test de treinta items es . Está atenuada porque cada parte tiene la mitad de los items del test. si un escala de quince items tiene confiabilidad . Se puede ver que en este caso.de Viña del Mar.5 si se acorta a la mitad). eligiéndolos al azar. ----------------------------------------------------------------------------------------------------------- J. El nuevo test tendrá una confiabilidad de .) La fórmula de Spearman-Brown sirve para estimar la confiabilidad al alargar o acortar un instrumento. la correlación será alta. la confiabilidad estimada del nuevo test será: r= 3 ( ) 2 (. como cuando sabemos la confiabilidad de las mitades y queremos conocer la del test entero. Ésta no indica la confiabilidad del instrumento sino la de cada una de las mitades. la confiabilidad del test 2(. al aumentar o disminuir el número de items: kr ' r= 1 + (k − 1)r ' en que r’ es la confiabilidad de la escala inicial.

las varianzas indican variación no compartida por los items. en que miden lo mismo. La suma de todos los elementos de la matriz es igual a la varianza de la escala. En la diagonal principal. usando la matriz de covarianza de los items.cl . La objeción que se hace al método de ‘split-half’ es que el cansancio o la reactividad pueden hacer diferentes las respuestas de cada mitad. y también menor cuanto mayor sea r. las varianzas indican inconsistencia. Si x es la suma de k elementos. El cálculo de α no se realiza correlacionando todos los pares de mitades. el promedio de estas correlaciones es numéricamente igual al coeficiente α creado por Lee Cronbach en los años 50. se puede decir que es varianza ‘mala’. Pero. la varianza de x es igual a la suma de la varianza de x1 más la de x2 más dos veces la covarianza de x1 y x2 . en que i<j. El coeficiente α es la medida más usada para medir confiabilidad de escalas y tests. i =1 i =1 j=1 Si una escala Likert tiene dos items. Las covarianzas indican consistencia de los items. que van en la misma dirección. Mide el grado en que los items son consistentes. su varianza es la suma de las varianzas de cada ítem más dos veces su covarianza. Esto se puede superar correlacionando los puntajes de los items pares e impares.de Viña del Mar. se puede decir que es varianza ‘buena’. sino de una manera más fácil. ----------------------------------------------------------------------------------------------------------- J. su varianza es: k k k s = ∑ s + 2∑ 2 x 2 i ∑ Cov ij . la varianza es la suma de las varianzas de los k items más dos veces la suma de las covarianzas de todos los pares de items. pueden haber muchas correlaciones. julianrc@uvm. Esto se debe al factor ‘techo’: r no puede ser mayor de 1. No hay una relación proporcional entre el aumento del largo del test y el aumento de la confiabilidad. y es aun menor al continuar aumentando k. Los elementos de la matriz de covarianzas son las varianzas en la diagonal principal y las covarianzas en los dos triángulos (arriba y abajo de la diagonal principal). Las covarianzas indican variación compartida por los items. dado que la ubicación de los items en la escala es arbitraria. Ésta crece en menor proporción. Es una matriz simétrica porque los dos triángulos son iguales. Si hay k items. U. Rodríguez Cano. Los items pueden variar conjuntamente con otros items (covarianzas) o separadamente (varianzas). Si se parte un test en todos las posibles pares de mitades y se calcula una correlación para cada par. Es sabido que si x = x1 + x2 .

Se presenta abajo una salida de Spss a la que he agregado comentarios. Es simétrica: ----------------------------------------------------------------------------------------------------------- J. Se considera que un valor superior a . La fórmula de α es: ⎛ k ⎞ k ⎜ ∑ si2 ⎟ α= ⎜1 − i=1 2 ⎟ k −1⎜ sx ⎟ ⎜ ⎟ ⎝ ⎠ 2 en que k es el número de items. En la tabla de datos siguiente.80 es aceptable. Rodríguez Cano. ITEMS 1 2 3 4 5 3 2 1 4 3 4 2 2 4 4 4 3 2 5 3 3 2 2 5 2 2 1 1 4 2 3 1 2 3 3 4 4 3 5 3 4 3 3 5 4 3 3 2 4 4 2 3 1 3 2 3 3 3 3 3 5 4 3 3 3 -------------------------------------------------------------- Se muestra a continuación la matriz de covarianzas (llamada a veces. pueden desecharse los items que menos aportan a la confiabilidad de la escala (la salida de Spss indica qué pasaría si se eliminara cada ítem).de Viña del Mar. los items están en las columnas y las personas en las líneas. U. La fórmula contiene un factor de corrección (k / k-1) y la proporción de varianza ‘buena’ (igual a uno menos la proporción de varianza ‘mala’). Muestra el análisis de la consistencia interna de una escala Likert. y s x es la varianza de la escala total. más consistente es la escala.cl . si2 es la varianza del ítem i. como en esta salida de Spss. julianrc@uvm. ‘de varianza-covarianza’). Si es menor.70 ó .Cuanto mayores son los valores de las covarianzas y menores los de las varianzas. Una escala Likert de cinco items es aplicada a doce personas. Los valores de α van de 0 a 1.

7687 .0000 9. En la diagonal principal aparecen las varianzas de cada ítem.6098 ITEM2 12.7064 ITEM3 12.3333 .2727 3.515152 0. Se puede ver la baja correlación de este ítem con el conjunto de los demás: .9167 5.1929 . julianrc@uvm.5374 .1929 (columna ‘Corrected Item- Total Correlation’). Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted ITEM1 11. S C A L E (A L P H A) N of Statistics for Mean Variance Std Dev Variables SCALE 15.7537 El coeficiente α es aceptable (.492424 0.515152 0.4683 .9091 .6667 5. U. el inferior.090909 0.090909 0. Rodríguez Cano.cl .0451 5 ---------------------------------------------------------------- ITEM-TOTAL Statistics Scale Scale Corrected Mean Variance Item. VARIANCE-COVARIANCE MATRIX ITEM1 ITEM2 ITEM3 ITEM4 ITEM5 ITEM1 0.628788 ITEM4 0.4167 5.7118 .363636 0.787879 ITEM2 0.7537).0000 7.6364 . Spss muestra sólo uno.090909 0.272727 0.de Viña del Mar.sus triángulos superior e inferior son iguales.8175 si se elimina el ítem 4.545455 --------------------------------------------------------------- R E L I A B I L I T Y A N A L Y S I S . ----------------------------------------------------------------------------------------------------------- J.9015 .6436 ITEM4 11.8175 ITEM5 12.0000 6.181818 0.7281 Alpha = . pero la última columna (‘Alpha if Item Deleted’) nos dice que puede aumentar a .727273 ITEM5 0.7197 .181818 0.992424 ITEM3 0.

8099 VAR00003 8. los cambios que ha producido la eliminación del ítem 4: R E L I A B I L I T Y A N A L Y S I S .0000 7.5781 .2396 .6282 ITEM5 12.cl .8381 .7634 4 ITEM-TOTAL Statistics Scale Scale Corrected Mean Variance Item. Después calcularlo eliminando sólo el item1.5402 .9167 4. julianrc@uvm.7656 .5282 .6667 ITEM2 12. Rodríguez Cano.de Viña del Mar.8286 .5696 Alpha = . Item 1 Item 2 Item3 Item 1 10 5 4 Item 2 5 5 3 Item 3 4 3 8 Ejercicio 2.4000 6.4545 . después sólo el item 2.7066 ----------------------------------------------------------------------------------------------------------- J. Calcular α a partir de la siguiente matriz de covarianzas. después sólo el item 3.7515 ITEM4 13.6667 4.1333 6. S C A L E (A L P H A) N of Statistics for Mean Variance Std Dev Variables SCALE 11.6996 VAR00002 8.4743 .8375 Alpha = . R E L I A B I L I T Y A N A L Y S I S .6430 . Analizar la siguiente salida de Spss para una escala de cinco items.A continuación.5333 4.4000 7.2652 .4167 4.4470 .8175 Ejercicio 1.2667 .7155 VAR00005 8.4441 . U.0000 5.6434 ITEM3 12. Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted ITEM1 14.6364 2. S C A L E (A L P H A) Scale Scale Corrected Mean Variance Item.0667 6.0606 . Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted VAR00001 7.1143 .7793 .7810 .

⎛ k ⎞ k ⎜ ∑ pi q i ⎟ KR20 = ⎜1 − i=1 2 ⎟ k −1⎜ sx ⎟ ⎜ ⎟ ⎝ ⎠ Una escala de items dicotómicos presenta aseveraciones y las personas optan por las respuestas ‘sí’ o ‘no’. x f fx 1 p p 0 q 0 1 p ----------------------------------------------------------------------------------------------------------- J. p + q = 1. y q es la proporción en desacuerdo. y hay que rehacer la escala. p es la proporción de personas de acuerdo con el ítem. El promedio de un ítem dicotómico es p y su varianza es pq. La fórmula es similar a α. con puntajes 1 y 0 respectivamente. la suma de las covarianzas tiene que ser negativa. Esto puede producirse: (1) cuando los items negativos no han sido recodificados. En la fórmula de α se puede ver que k ∑s i =1 2 i esto es posible sólo si es mayor que 1. Para demostrar esto empecemos calculando el promedio Lo haremos con la siguiente tabla. si el numerador es mayor que el sx2 denominador. Para que esto ocurra. El coeficiente KR20 de Kuder-Richardson es usado para medir la consistencia interna de escalas de items dicotómicos. o sea.cl . en que las frecuencias están expresadas en proporciones (p y q) cuya suma es n = 1. con la varianza (piqi) del ítem dicotómico i. (2) si los items tienen realmente covarianzas negativas porque miden cosas diferentes.de Viña del Mar. julianrc@uvm. por lo tanto. A veces puede aparecernos un α negativo. U. Rodríguez Cano.

Demostremos que la varianza de un ítem dicotómico es pq usando la siguiente tabla.X )2 1 p q q2 pq2 0 q -p p2 p2q 1 pq(p+q) Dado que p+q=1. Sin embargo.de Viña del Mar. W. quiere decir que 60 % de las personas está de acuerdo. Hay que recordar que esto es posible sólo si los valores asignados a las respuestas son 1 (sí) y 0 (no). que el resultado sea interpretable. Richardson a fines de los años 30. INTERPRETACION DE PUNTAJES La escala Likert diferencia personas: a mayor puntaje. Por lo tanto. significa que es una variable cuantitativa. más positiva es su actitud. Kuder y M. Salvo que una persona tenga el puntaje máximo o el mínimo.X )2 f (x . Rodríguez Cano. o muy cercanos a ellos.cl . El promedio de la variable dicotómica es: X = ∑ fx = p = p . sino con respecto al grupo. creado unos quince años después. F.60. U. es una generalización del KR20 para todo tipo de items. y que n=1. La fórmula de la varianza en tablas de frecuencia es: s = 2 ∑ f ( x − X )2 n x f x. si el promedio = p = . No existe un puntaje ----------------------------------------------------------------------------------------------------------- J. julianrc@uvm. El coeficiente α de Cronbach.X (x . la varianza de un ítem dicotómico es: Σ f ( x − X ) 2 pq s2 = = = pq n 1 El coeficiente KR20 fue creado por G. no es posible interpretar un puntaje en forma absoluta. Que tenga sentido calcular el promedio de una variable dicotómica. no se puede decir que tenga una actitud positiva o negativa. n 1 El promedio de un item dicotómico es la proporción de casos de acuerdo con el ítem.

que habitualmente contienen los coeficientes necesarios para evaluar las propiedades de la escala. Cuando los puntajes son estandarizados (se transforman a desviaciones standard: puntaje z). U. recomendaciones. sirven para comparar. Los puntajes. es rápida y barata. la escala muestra las diferencias entre las actitudes de las personas. • Los datos que produce son fáciles de manejar usando programas estadísticos. VENTAJAS DE LA ESCALA LIKERT • Es un instrumento estructurado. La ‘responsabilidad’ de lo afirmado en la aseveración se traslada del entrevistado al entrevistador. • Si la escala tiene buena validez y confiabilidad.de Viña del Mar.cl . Se dice que la escala ha sido estandarizada. • Aplicada en un cuestionario. lo que disminuye sus problemas de confiabilidad: las personas reciben los items presentados de la misma manera. sólo que se está en la mitad de la muestra que tiene una actitud más favorable (o menos desfavorable). la persona se siente más libre para opinar sobre temas comprometedores. ----------------------------------------------------------------------------------------------------------- J. Tampoco estar sobre la mediana de los puntajes del grupo indica una actitud positiva. sino con lo que podría ser considerada la población.neutral. • Como cada ítem tiene varias opciones y los puntajes de los items se suman. no ya con el grupo o muestra. julianrc@uvm. puede ser usada como instrumento permanente. con igual introducción. El costo por persona es relativamente bajo. expresados en percentiles. En este caso se habla de establecer normas. no lo es el puntaje central de la escala (el punto medio entre el mínimo y el máximo posibles). Puede abarcarse a gran cantidad de personas. Rodríguez Cano. se pueden asociar puntajes a percentiles. • Como los items no consisten en preguntas sino en aseveraciones. los valores son referidos al grupo. formato y opciones de respuesta. y sirven para comparar. que permiten interpretar puntajes refiriéndolos a la población. Si se aplica la escala a una o más muestras. Esto hace inncecesario formular items extremos (que además no discriminan) para detectar diferencias. grande(s) y representativa(s) de una población específica.