Mikä on Likert-asteikko? Määritelmä, esimerkkejä, analyysi ja parhaat käytännöt

Samaa/eri mieltä ‑tyyppisillä kyselytutkimuskysymyksillä on paikkansa markkina­tutkimuksessa. Mutta jos haluat saada käsityksen vastauksen taustalla olevien tuntemusten eri asteista, Likert-asteikkokysymys on paras tapa hankkia käyttöösi yksityiskohtaisempaa tietoa.

Likert-asteikko on kyselytutkimusmuoto, joka mittaa mielipiteitä, asenteita tai käyttäytymistä tietyllä asteikoilla. Se tarjoaa jäsennellyn tavan tunnistaa tunteiden voimakkuus vahvasta samaa mieltä olemisesta vahvaan eri­mielisyyteen. Sen avulla saat käsityksen siitä, kuinka vahvasti ihmiset ovat samaa mieltä, kuinka tyytyväisiä he ovat tai kuinka todennäköisesti he toimivat tietyllä tavalla. Näin voit tehdä eron esimerkiksi lievän ja melko välin­pitämättömän tyytyväisyyden ja hyvin voimakkaan innostuksen välillä.

Tässä oppaassa opit Likert-asteikon perusteet, kuinka valita oikea määrä pisteitä ja kuinka kirjoittaa selkeitä ja hyvin merkittyjä kysymyksiä, joihin vastaajien on helppo vastata.

Likert-asteikko on kyselytutkimusmuoto, joka mittaa mielipiteitä, asenteita tai käyttäytymistä tietyllä asteikoilla. Se tarjoaa jäsennellyn tavan tunnistaa tunteiden voimakkuus vahvasta samaa mieltä olemisesta vahvaan eri­mielisyyteen.

Likert-asteikoilla tutkijat voivat tehokkaasti mitata yksilöiden mielipiteitä, psykologisia tekijöitä ja asenteita sekä kerätä niistä tietoa. Esimerkiksi henkilö, joka ”pitää tuotteesta, mutta ei ole hulluna siihen”, antaisi todennäköisesti Likert-asteikolla arvosanan ”pidän siitä jonkin verran”.

Vaikka asiakkaiden asenteet tuotetta kohtaan voidaan yksinkertaistaa joko ”pitää”- tai ”ei pidä” ‑tyyppisiksi vastauksiksi, Likert-asteikot tarjoavat lisätietoa ja tarkentuvat kyseiseltä tasolta esimerkiksi vastaukseksi ”pitää erittäin paljon”.

Tehokkaiden Likert-asteikkokysymysten laatiminen ei ole vain paras käytäntö, vaan ehdoton perusta tilastollisesti pätevän ja käytännössä hyödynnettävissä olevan kyselyaineiston tuottamiseen.

Asteikon onnistuminen edellyttää kattavia ja tasapainoisia vastausvaihtoehtoja, jotka kattavat kaikki asenteet välillä ”täysin eri mieltä” ja ”täysin samaa mieltä”.

Kun nämä tarkat tekniikat ovat hallussasi, saat käyttöösi tehokkaita ja luotettavia havaintoja. Näin voit varmistaa, että datasi muuttuu passiivisesta palautteesta olennaiseksi ja merkitykselliseksi tiedoksi, joka edistää strategista päätöksen­tekoa.

Likert-asteikon tehokkuuden maksimointi riippuu tarkasta sanamuodosta – ja se tarkoittaa kysymysten kysymistä, ei vain väittämien esittämistä.

Kun käytät väittämää (esim. ”palvelu oli erinomaista”), lankeat yleiseen sudenkuoppaan, joka tunnetaan nimellä myöntyvyysvinouma. Kyselytutkimusten vastaajat ovat useammin samaa mieltä kuin eri mieltä, mikä kasvattaa positiivisten vastausten määrää ja vääristää tuloksia. Voit torjua tätä syvään juurtunutta psykologista taipumusta valitsemalla sanamuodoksi suorat kysymykset. Esimerkiksi ”mikä on tyytyväisyystasosi palveluun?”

Vastausten vinoutumisen lisäksi epämääräinen sanamuoto tuottaa hyödytöntä tietoa. Jotta yleisluontoiset mielipiteet voidaan muuttaa hyödyllisiksi ja käyttökelpoisiksi havainnoiksi, sinun on oltava armoton määritellessäsi muuttujiasi. Jos olet esimerkiksi keräämässä tietoa ravintolan palvelusta, älä käytä pelkkää sanaa ”palvelu”. Jaa se sen sijaan tarkempiin osiin:

Täsmentämällä sen, mitä haluat tietää, ja muuttamalla epämääräiset käsitteet tarkoiksi kysymyksiksi saat myös tarkkoja vastauksia, jota tarvitaan luotettavaan arviointiin ja harkittuun päätöksentekoon.

Vakiomuotoisten samaa mieltä/eri mieltä ‑vaihtoehtojen käyttäminen jokaisessa kysymyksessä voi heikentää datasi tarkkuutta. Tehokkaan Likert-asteikon salaisuus piilee siinä, että vastausten merkinnät vastaavat mitattavaa rakennetta (käsitettä) täydellisesti. 

Valitessasi vastausvaihtoehdot määrität samalla koko mittauksen semanttisen kontekstin. Oikeiden sanavalintojen käyttäminen on olennaista, jotta saat tarkimman vastauksen mitattaessa muita käsitteitä:

Vaikka samaa tai eri mieltä oleminen sopii täydellisesti uskomusten arvioimiseen, se ei välttämättä sisällä tarvitsemiasi vivahteita. Vastaaja, joka on ”täysin samaa mieltä” sovelluksen päivittäisestä käytöstä, ei ole kertonut, kuinka usein hän itse asiassa käyttää sitä. Asteikon sanaston yhteensovittaminen tutkimuksen ydin­rakenteeseen on yksinkertainen mutta tehokas askel kohti luotettavan ja yksi­selitteisen tiedon saamista.

Kaksinapaisissa asteikoissa asenteet voivat asettua neutraalin keskipisteen jommallekummalle puolelle. Esimerkiksi näin:

Kuinka informatiivinen tai epäinformatiivinen pääpuheenvuoro oli? 

Yksinapaisessa asteikossa ei ole neutraalia keskikohtaa, vaan vastauksilla on tietty arvo. Asenteella on siis joko enimmäisarvo tai nolla-arvo. Esimerkiksi näin:

Kuinka helppoa sinun on ilmaista ajatuksesi ja mielipiteesi työssäsi?

Likert-asteikon kysymyksiä löytyy lähes kaikista kyselytutkimuksista, mukaan lukien asiakastyytyväisyystutkimukset, työntekijöiden sitoutumistutkimukset ja tuotepalaute.

Älä jätä datasi laatua sattuman varaan. Näiden viiden parhaan käytännön noudattaminen on tie menestykseen, sillä se varmistaa, että jokainen vastaaja tulkitsee vaihtoehtojasi johdonmukaisesti. Tämä puolestaan maksimoi palautteesi luotettavuuden ja käytännöllisyyden ja muuttaa mielipiteet mitattaviksi organisaation kehitystekijöiksi.

Asteikkopisteet ovat perustavanlaatuisen tärkeä asia, sillä ne sanelevat saamiesi tulosten vivahteet ja vastaajien kognitiivisen taakan.

Tämän valinnan yhteydessä on tehtävä päätös parittomien ja parillisten numeroiden välillä sekä siitä, käytetäänkö kaksinapaista vai yksinapaista asteikkoa.

Ennen kuin teet päätöksen, harkitse aiheesi monimutkaisuutta ja kohdeyleisösi kontekstia löytääksesi tasapainon, joka tuottaa täsmällistä ja luotettavaa tietoa vastausten laadusta tinkimättä.

Tutkimukset viittaavat siihen, että asteikon suunnittelu vaikuttaa vastaus­käyttäytymiseen. ”Oikea” valinta riippuu tutkimuksen rakenteesta ja yleisöstä.

Tutkimukset osoittavat, että luotettavuuden, käytettävyyden ja selkeyden paras tasapaino saadaan asteikolla, jossa on 5–7 vastauspistettä. Yhdessä tutkimuksessa havaittiin, että 7 pistettä voi olla hyödyllinen malli tietyissä tapauksissa, kun taas eräs toinen tutkimus ei löytänyt juurikaan eroja, kun vastauspisteitä on 5 tai enemmän. Sinun tulee löytää tasapaino vastausten yksityiskohtaisuuden tason ja vastaajien väsymisen riskin välillä.

Vinkki: jos aihe on vastaajille uusi tai he tekevät mahdollisesti useita asioita samanaikaisesti mobiililaitteilla, käytä viittä merkittyä pistettä saadaksesi selkeämpiä ja nopeampia vastauksia.

Jotta saisit hyvän käsityksen Likert-asteikon toimivuudesta, olemme laatineet kahdeksan tehokasta esimerkkikysymystä, jotka havainnollistavat, miten mielipiteen eri ulottuvuuksia voidaan mitata. Nämä esimerkit kattavat tärkeimmät mittarit, kuten tyytyväisyyden, samaa mieltä olemisen, tärkeyden ja toistuvuuden eri asteikoilla. 

Tämä 4-pisteinen Likert-asteikko käyttää kaksinapaista muotoa mittaamaan samaa tai eri mieltä olemista väittämästä. Jättämällä keskikohdan pois se pakottaa vastaajat valitsemaan joko samaa tai eri mieltä olemisen, mikä tarjoaa selkeämpää palautetta.

Kuinka tyytyväinen tai tyytymätön olet tuotteen toimitusnopeuteen?

Tämä 7-asteinen Likert-asteikko käyttää kaksinapaista muotoa mittaamaan samaa tai eri mieltä olemisen astetta väittämän suhteen. Se antaa vastaajille laajan valikoiman vaihtoehtoja välillä "täysin eri mieltä" – "täysin samaa mieltä". Laajempi asteikko mahdollistaa pienienkin asenne-erojen havaitsemisen erittäin tarkasti.

Missä määrin olet samaa tai eri mieltä siitä, että yritys auttaa työntekijöitään etenemään urallaan?  

Tämä 5-asteinen Likert-asteikko mittaa asiakastyytyväisyyttä yksinapaisessa muodossa. Vaihtoehdot vaihtelevat tyypillisesti välillä "ei lainkaan tyytyväinen" – "erittäin tyytyväinen". Rakenne keskittyy ilmaisemaan, missä määrin tietyllä asteikolla vastaaja koki jonkin asian.

Kuinka tyytyväinen olet palvelumme nopeuteen?

Tämä 6-asteinen Likert-asteikko mittaa tärkeyttä käyttämällä yksinapaista asteikkoa, joka tyypillisesti vaihtelee välillä "ei lainkaan tärkeää" – "erittäin tärkeää". Keskipisteen puuttuminen on suunniteltu pakottamaan vastaaja arvioimaan priorisointia ja ilmaisemaan, kuinka ratkaiseva jokin tietty tekijä on.

Kuinka tärkeää palvelun nopeus on sinulle?

Tämä 5-asteinen Likert-asteikko mittaa tulevan toiminnan todennäköisyyttä käyttämällä yksinapaista muotoa, jossa vaihtoehdot voivat vaihdella esimerkiksi välillä "ei lainkaan todennäköistä" – "erittäin todennäköistä". Tämä rakenne kiinnittää vastaajan huomion selkeästi siihen, kuinka todennäköisesti hän tekee jonkin asian.

Kuinka todennäköisesti tulet konferenssiin tulevaisuudessa?

Tämä 5-pisteinen Likert-asteikko mittaa tietyn käyttäytymisen esiintymis­tiheyttä käyttämällä yksinapaista muotoa, joka tyypillisesti vaihtelee välillä "ei koskaan" – "aina". Tämän rakenteen avulla voit nopeasti mitata, kuinka usein tietty toiminta tai tapahtuma esiintyy vastaajien keskuudessa.

Kuinka usein käytät raportoinnin koontinäyttöä?

Tämä 10-pisteinen Likert-asteikko mittaa tyytyväisyyttä käyttämällä yksi­napaista muotoa, jonka kaikki 10 pistettä on merkitty tunnisteilla. Asteikko vaihtelee usein välillä "Ei lainkaan tyytyväinen" – "Erittäin tyytyväinen". Laaja asteikko tarjoaa korkean tarkkuuden, joten vastaajat voivat eritellä tyytyväisyystasonsa yksityiskohtaisesti.

Kuinka tyytyväinen olet toimitusnopeuteemme asteikolla 1-10, jossa 1 on vähiten tyytyväinen ja 10 on tyytyväisin?

Tämä 11 pisteen numeerinen asteikko on standardisoitu mittari Net Promoter Score® -tuloksen laskemiseen. Asiakkaita pyydetään arvioimaan yrityksen suosittelun todennäköisyyttä asteikolla 0 (”ei lainkaan todennäköistä”) – 10 (”erittäin todennäköistä”).

Kuinka todennäköisesti suosittelet tätä yritystä ystävälle tai kollegalle?

Kun olet kerännyt vastaukset, voit laskea Net Promoter Score® -tuloksesi maksuttomalla NPS-laskurillamme. Näet tuloksesi välittömästi ja voit verrata sitä oman alasi vertailuarvoihin.

Olet rakentanut Likert-asteikkoa käyttävän kyselytutkimuksen – se on jo hieno saavutus! Tätä seuraava ja todennäköisesti kriittisempi vaihe edellyttää kuitenkin tulokseksi saadun datan perusteellista analysointia.

Tämä prosessi on välttämätön suorituskyvyn tarkalle kvantifioinnille ja merkityksellisten mittareiden määrittämiselle kyselyn kohdealueella.

Yksittäisiä Likert-asteikolla tehtyjä kysymyksiä on käsiteltävä ordinaalitietoina, ja vastausten peräkkäinen järjestys on asetettava etusijalle oletettujen yhtä suurten välien sijaan.

Aloita analyysi määrittämällä jakauma ja laskemalla raaka-arvot ja prosentti­osuudet kullekin vastausluokalle.

Visualisoi tämä data tiedot pylväskaavion avulla ja varmista, että luokat on järjestetty täsmällisesti negatiivisista positiivisiin vastauksiin, jotta lukijat voivat välittömästi hahmottaa jakauman muodon.

Muuta raakadata käyttökelpoisiksi havainnoiksi noudattamalla tätä kolmi­vaiheista järjestystä:

Voit kvantifioida vastausten hajonnan ottamalla mukaan kvartiilivälin (IQR). Tämä tarjoaa luotettava vaihtelun mittarin, joka osoittaa vastausten hajautumisen ja jättää pois poikkeamat.

Toisin kuin keskihajonta, jossa oletetaan normaalijakauma, kvartiiliväli sopii paremmin Likert-asteikon "portaisiin".

Kun korkean tason yhteenveto on käytettävissäsi, voit tutkia tuloksiasi syvällisemmin suodattamalla ja vertaamalla tiettyjen ryhmien vastauksia. Tämän avulla voit havaita, muuttuvatko asenteet toissijaisten muuttujien perusteella. Tällaisia muuttujia voivat olla esimerkiksi:

Ristiintaulukoimalla Likert-ryhmät näitä muuttujia vasten saat syvällisemmän kuvan tuloksista: sen sijaan, että näkisit vain, mitä tapahtui, saat ymmärryksen ihmisistä näiden tulosten taustalla.

Tiivistä alkuperäiset Likert-luokat laajempiin ja helpommin hallittaviin ryhmiin, jotta viestintä ja yhteenvedot olisivat selkeämpiä. Markkinatutkimuksessa tähän viitataan yleisesti käyttämällä "kahden ylimmän ruudun tuloksen" terminologiaa:

Yleinen ja erittäin tehokas tapa on luoda kolme makroluokkaa: positiivinen, neutraali ja negatiivinen. Tämä saavutetaan ryhmittelemällä kaksi ylintä ruutua ja kaksi alinta ruutua ja jättämällä keskimmäinen vaihtoehto itsenäiseksi neutraaliksi ilmaisimeksi.

Tämä prosessi yksinkertaistaa raportointia, korostaa yleistä asennesuuntaa ja on erityisen hyödyllinen ajan mittaan tehtävässä suuntausten seurannassa.

Oikein valitun kyselytutkimuskaaviotyypin avulla sidosryhmät saavat nopeasti käsityksen sekä laajemmasta kokonaisuudesta että sen taustalla olevista yksityiskohdista. Yleisiä kaaviotyyppejä ovat:

Jopa huolella suunnitellut Likert-asteikot saattavat kärsiä systemaattisista virheistä, jotka heikentävät datan laatua. Näiden ongelmien tunnistaminen ja korjaaminen on ratkaisevan tärkeää, jotta kyselytutkimuksesi tulokset vastaavat tarkasti todellisuutta. Alla on viisi yleistä ongelmaa ja niiden tehokkaat korjaus­toimenpiteet.

Keskipiste (esim. "en samaa enkä eri mieltä") voi näkyä vastauksissa liikaa, jos se ei ole oleellinen tai jos vastaajat välttelevät ehdottomia vastauksia. Keskipisteen runsas käyttö voi hämärtää todellisia asenteita.

Pikakorjaus:

Epämääräiset tai heikosti toisistaan erottuvat merkinnät, kuten "hyvä" vs. "oikein hyvä", vaikeuttavat sopivimman luokan valitsemista, mikä johtaa mittaus­virheeseen.

Pikakorjaus:

Käytä täydellisesti merkittyjä, konkreettisia vaiheita, jotka tarjoavat selkeät semanttiset erot (esim. "ei kovin tyytyväinen", "melko tyytyväinen", "tyytyväinen", "erittäin tyytyväinen"). Tutkimukset ovat osoittaneet johdonmukaisesti, että täydelliset merkinnät tehostavat asteikon mittaus­ominaisuuksia.

Kaksiosainen väittämä yrittää mitata kahta erillistä käsitettä yhdessä kysymyksessä (esim. "hinta oli kohtuullinen ja laatu korkea"). Vastaaja, joka on samaa mieltä yhdestä osasta, mutta eri mieltä toisesta, ei voi vastata täsmällisesti.

Pikakorjaus:

Jaa kysymys kahteen erilliseen osaan, jossa yksi osa koskee ensimmäistä käsitettä (hinta) ja toinen toista (laatu).

Vastausjärjestyksen epäjohdonmukaisuus, jossa asteikko muuttuu yhtäkkiä suunnasta "alhainen → korkea" suuntaan "korkea → alhainen" (esim. "täysin eri mieltä" vasemmalla ja myöhemmin "täysin samaa mieltä" vasemmalla) on hämmentävää vastaajille ja suurin syy mittausvirheiden taustalla.

Pikakorjaus:

Säilytä johdonmukainen napaisuus koko kyselytutkimuksen läpi (esim. sijoita asteikon negatiivinen pää aina vasemmalle). Jos suunnan muutos on ehdottoman välttämätön (esim. tiettyjen käänteisesti koodattujen elementtien kohdalla), lisää mukaan lyhyt ohje tuodaksesi vastaajan huomio muutokseen.

Tämä vinouma ilmenee, kun vastaajat yliarvioivat tarkoituksellisesti asenteita, joiden he uskovat olevan sosiaalisesti suotuisia tai odotettuja, erityisesti arkaluonteisten aiheiden kohdalla.

Pikakorjaus:

Likert-asteikko muuttaa epämääräiset mielipiteet selkeiksi signaaleiksi, kun valitset oikean napaisuuden ja pisteiden määrän, kirjoitat tarkkoja kysymyksiä ja teet yhteenvedon vastausten jakaumasta, ei vain niiden keskiarvosta. Ne ovat yksi monipuolisimmista työkaluista tutkimuksen tekemistä ja palautteen keräämistä varten. Olitpa laatimassa 5-portaista tyytyväisyyttä mittaavaa Likert-asteikkoa tai 10 pisteestä koostuvaa luottamusasteikkoa, kysymysten muotoilun, datan analysoinnin ja tulosten tulkinnan ymmärtäminen varmistaa, että saamasi havainnot ovat sekä luotettavia että hyödynnettävissä käytännössä.

SurveyMonkeyn avulla voit aloittaa asiantuntevilla vastaussarjoilla, välttää yleiset virheet ja tehdä harkittuja päätöksiä nopeammin. Vastauksien älyapuri auttaa sinua laatimaan viimeisteltyjä Likert-kysymyksiä muutamassa sekunnissa, jotta voit keskittyä saamiisi havaintoihin tutkimuksen valmistelun sijasta. Tutustu resursseihimme, joita ovat mm. oppaat tehokkaiden asiakas­tyytyväisyys­tutkimusten luomiseksi, NPS-tulosten mittaus sekä työntekijöiden sitoutumista arvioivat mallit. Voit rekisteröityä maksutta ja seuraavan kyselytutkimuksesi julkaisua varten.

NPS, Net Promoter & Net Promoter Score ovat Satmetrix Systems, Inc:n, Bain & Companyn ja Fred Reichheldin rekisteröimiä tavaramerkkejä.