研究者にとって市場調査の重要な要素は、ブランド、機能、製品、サービスなどに対する回答者の意見を測定する能力である。 意見を測定することで、必要な変革の度合いを測ることができます。 調査プロセスにおいて、リッカート尺度のような定量的なデータ収集ツールを使用することで、調査チームは回答者の感情を理解することができます。 好き嫌いを数値化することで、タイムリーな変更を行うことができ、ブランドチームやリサーチチームのインサイト収集・管理プロセスにおいて重要なツールになります。
リカートスケールとは？
定義リッカート尺度は、研究者が回答者の態度や意見を収集するために使用する一次元の尺度である。 研究者は、ブランド、製品、ターゲット市場に対する見方や考え方を理解するために、この心理尺度をよく利用します。
リカートスケールのさまざまなバリエーションは、人々の意見を直接測定することに重点を置いており、例えば、以下のようなものがあります。
ガットマン尺度
,
ボガードス尺度
そして
サーストン尺度
. 心理学者のレンシス・リカートは、一群の項目（たぶん8個以上）に対する回答の集積から実体化する尺度を区別している。 レスポンスは数値の幅で測定されます。
リカートスケールの例
例えば、製品の感想を収集する場合、調査員は二項対立の選択肢の質問形式であるリッカート尺度の質問を使用します。 その人は、質問を「その製品は良い買い物だった」とし、選択肢を「そう思う」「そう思わない」としています。 また、「製品の満足度を教えてください」という質問では、「非常に不満」から「非常に満足」までの選択肢があります。
リッカート尺度で回答する場合、ユーザーは同意か不同意かのレベルに基づいて明示的に回答する。 これらの尺度は、回答者の同意または不同意のレベルを決定することができます。リッカート尺度は、経験の強さと強さが直線的であると仮定しています。 したがって、態度が測定できることを前提に、完全な同意から完全な不同意になるのです。
もっと例が必要ですか？これらのLikert Scaleの例をチェックしてみてください。
リカートスケールの種類
リカートスケールは、顧客満足度や従業員経験に関する意見を収集するために、研究者の間で好んで使用されるようになりました。 このスケールは、主に2つのタイプに分けることができます。
- イーブン・リケール・スケール
- 奇数リカートスケール
イーブン・リケール・スケール
研究者は、中立の選択肢を与えずに極端なフィードバックを収集するために、リッカート尺度でさえも使用します。
- 重要度4段階評価: このタイプのリッカート尺度は、研究者が中立の選択肢を持たずに、4つの極端な選択肢を含めることができます。 ここでは、さまざまな重要度を4段階のリッカート尺度で表現しています。
- 8ポイント推薦の可能性 これは、先に説明した4ポイントリッカート尺度のバリエーションで、唯一の違いは、この尺度は推薦の可能性に関するフィードバックを収集するために8つの選択肢を持っていることです。
奇数リカートスケール
研究者は、回答者に中立的に回答する選択肢を与えるために、奇数リカートスケールを使用します。
- 5段階のリッカート尺度。 研究者は、5つの回答選択肢を持つこの奇妙なリッカート尺度の質問を使用して、調査設計の中で極端な選択肢から回答したくない場合、回答者が選択する中立の回答の選択肢を含めることによって、トピックに関する情報を収集する。
- 7ポイントリッカート尺度。 7ポイントリッカート尺度は、5ポイントリッカート尺度の質問の両端に、さらに2つの回答選択肢を追加したものです。
- 9点リカートスケール 9点リッカート尺度は非常に珍しいですが、7点リッカート尺度の質問にさらに2つの回答の選択肢を追加することで使用することができます。
リカートスケールの特徴
リカート尺度は、1932年に5段階評価という形で登場し、広く使われている。 これらの尺度は、一般的なトピックのグループから、回答者に同意、承認、または信念のレベルを示すよう求める最も具体的なものまで、多岐にわたっています。 リッカート尺度の大きな特徴として、以下のようなものがある。
- 関連する答え 項目と文の関係が明らかであるかどうかにかかわらず、項目は文の解答と容易に関連するものでなければならない。
- スケールタイプ。項目は常に2つの極端な位置と、その間の卒業となる中間的な回答の選択肢を持っている必要があります。
- 回答選択肢の数。 リッカート尺度は5項目が一般的ですが、より多くの項目を使用することで、より精度の高い結果を得ることができることに言及することが重要です。
- 尺度の信頼性を高める。 研究者は、5段階評価の上下に「とても」をつけて7段階評価とし、両端を増やしていくことが多い。 7段階評価では、尺度の信頼性の上限に達しています。
- ワイドスケールを使用。 一般論として、リカートなどは、なるべく広い尺度を使う方が良いと勧めている。 分析するために、適切であれば、いつでも答えを簡潔なグループに折り畳むことができます。
- 中立の選択肢がないこと。このような点を考慮し、「強制選択式」の調査尺度では「中立」の可能性を排除するために、尺度を偶数個（通常は4個）に絞り込むことがあります。
- 内在する変数。一次Likert記録は、その値が回答者のフィードバックまたは態度をマークする固有の変数が存在しうることを明確に述べており、この基礎となる変数は、せいぜい区間レベルである。
リッカート尺度のデータおよび分析
研究者は、製品やサービスの品質を測定・分析するために、定期的にアンケートを利用しています。 リッカート尺度は、研究の標準的な分類形式である。 製品・サービスの品質について、2段階、4段階、5段階、7段階で、高い方から低い方、良い方から悪い方へと回答者の意見（データ）を提供します。
研究者や監査人は、一般に、収集したデータを、さらなる分析のために、名目、順序、間隔、比率の4つの基本的な測定レベルの階層にグループ化します。:
- ノミナルデータ。変数に分類された回答が、必ずしも定量的なデータや順序を持つ必要がないデータを名目データと呼ぶ。
- 順序データ。答えの並べ替えや分類は可能だが、距離を測ることができないデータを順序データと呼ぶ。
- インターバルデータ。順序や距離の測定が可能な集計データを区間データと呼ぶ。
- 比率データ。比率データは、区間データに類似している。 違いは、各データ間の比率が等しく、絶対的な「ゼロ」が原点として扱われることだけです。
名目データ、区間データ、比率データを用いたデータ解析は、一般に透明でわかりやすい。 順序データは、特にリッカート尺度などの調査票に関するデータを分析する。 これは今に始まったことではありません。 様々な応用分野の調査分析において、順序データを区間データとして扱うことの有効性については、議論が続いている。 重要なポイントとしては、以下のようなものがあります。
- 統計的検定。 研究者は、パラメトリック統計検定がノンパラメトリックの代替よりも強力であると主張するため、序数データを区間データとして扱うことがある。 さらに、パラメトリック検定による推論は解釈が容易であり、ノンパラメトリックの選択肢よりも多くの情報を提供することができる。
- リッカート尺度に集中する。 しかし、データセットの値や分析の目的を吟味することなく、順序データを区間データとして扱うことは、調査結果を誤解させ、誤表示させる可能性があります。 スカラーデータをより適切に分析するために、研究者は順序データを区間データとして考え、Likertスケールに集中することを好んでいる。
- データを検査するための中央値または範囲。 平均値や標準偏差は、正規分布に基づくパラメトリック分析同様、データが順序尺度の場合、詳細な統計のための根拠のないパラメータであることを示唆する普遍的なガイドラインである。 ノンパラメトリック検定は、データを検査するのに適した中央値や範囲に基づいて行われる。
リッカート尺度の結果を分析するためのベストプラクティス
Likert要素データは離散的、順序的、かつ範囲が限定的であるため、Likertデータを最も論理的に分析する方法について長い間論争があった。 最初の選択肢は、パラメトリック検定とノンパラメトリック検定のどちらかを選択することです。 それぞれの分析のメリットとデメリットは、一般的に次のように説明される。
- パラメトリック検定は、規則正しく途切れることのない分割を想定しています。
- ノンパラメトリック検定は、規則正しい分割や途切れることのない分割を前提としていない。 しかし、差がある場合にそれを検出する能力が劣ることが懸念されます。
どれがベストな選択なのか？ これは、リッカート尺度の質問を使用した調査から得た情報を分析することを決定する際に、研究者が実際に行わなければならない決定である。
- 長年にわたり、この問いに答えようとする一連の研究が行われてきた。 しかし、彼らはLikertデータに対して限られた数の潜在的な分布を見ることに傾き、その結果、一般化が損なわれている。 計算機の性能向上により、シミュレーション研究によってさまざまな分布を徹底的に評価することができるようになりました。
- 研究者は、実際のLikertデータを代表する多様な14種類の分布を特定した。 コンピュータプログラムは、14の分布の可能な限りの組み合わせを検証するために、自給自足のサンプルペアを抽出した。
- 98通りの分布の組み合わせに対して、合計10,000個のランダムサンプルを作成した。 サンプルペアは、2標本t検定とMann-Whitney検定の両方を用いて分析し、各検査の有効性を比較したものである。 この研究では、異なるサンプルサイズも評価しました。
- その結果、すべての分布の組のタイプIエラー率（誤検出）は、目標量に非常に近いことがわかった。 もし、組織がいずれかの分析を利用し、結果が統計的に有意であれば、誤検出をあまり心配する必要はないでしょう。
- また、ほとんどの分布の組では、2つの検定の検出力の差は些細なものであることが示された。 もし、母集団レベルで差があれば、どの分析でも同じように検出できる。
- 特定の分布については、2つのテストの間に検出力の差がある組がいくつかある。 ある組織が同じデータで両方のテストを行い、意見が一致しなかった場合（一方は有意で、もう一方は有意でない）、この検出力の差はごく少数のケースにしか影響しない。
- 一般に、2つの解析のどちらかを選択すると、ループになります。 もし、ある組織が2つのグループの5段階評価データを比較する必要がある場合、通常、分析方法は重要ではありません。
- パラメトリックテストもノンパラメトリックテストも、一貫して偽陰性に対する同じ安全性を提供し、また偽陽性に対する同じ保護機能を提供する。 これらのパターンは、1グループあたりのサンプルサイズが10、30、200の場合に有効である。
メリットリカートスケールの利点
市場調査のためのアンケートでリッカート尺度を使用することには、多くの利点があります。 それらは
- 実施の容易さ。
この普遍的に受け入れられている尺度は、簡単に理解でき、様々な顧客満足度や従業員満足度調査に適用することができます。
- 定量化可能な回答選択肢。表現との関連性が不明なLikert項目を数値化し、その結果を統計解析する。
- 意見の順位を分析する。 あるテーマについて、さまざまな意見を持つサンプルがあるかもしれません。 リッカート尺度は、これらの調査対象者の意見を順位付けしたものです。
- 回答が簡単。回答者はこの尺度の意図を理解し、素早く質問に答えることができる。
アンケートでリッカート尺度を使いたい？ QuestionProでやってみよう!
リッカート尺度のアンケートは、感想や情報を把握するための総合的な手法で、理解や回答が格段にしやすくなっています。 これは、特定のテーマに対する意見や態度を測定するための重要な質問で、調査の次のステップに大いに役立つものです。
QuestionProを利用することで、リッカート尺度を用いたオンライン調査を実施することができます。 で開始します。
無料アカウント作成
を作成し、このタイプの質問のテストを開始します。
もし、企業がこのような質問について詳しい情報をお求めの場合は、オンラインチャットでプロジェクトについてご相談ください。
