Skala Likerta – jak ją poprawnie skonstruować i jak nie popełnić błędu przy analizie wyników

Skala Likerta to najpowszechniej stosowane narzędzie pomiaru postaw, opinii i satysfakcji w badaniach ilościowych. Jej poprawna konstrukcja wymaga świadomych decyzji dotyczących liczby punktów skali, obecności opcji neutralnej i sposobu formułowania pytań, a poprawna analiza wyników zależy od tego, czy zebrane dane traktuje się jako porządkowe, czy przedziałowe. Błędy popełnione na etapie budowy narzędzia lub analizy danych potrafią zmienić wnioski z badania w coś, co brzmi przekonująco, a niewiele mówi o rzeczywistości.

Narzędzie to ma prawie stuletnią historię. W 1932 roku w Nowym Jorku Rensis Likert, wówczas doktorant psychologii na Columbia University, zaproponował technikę pomiaru postaw prostszą od dominującej wcześniej metody Louisa Thurstone’a, która wymagała zaangażowania nawet 200 sędziów kompetentnych oceniających setki stwierdzeń(1). Zamiast tego Likert pozwolił, by to sami respondenci, przez swoje odpowiedzi, ustawili stwierdzenia na skali. Metoda szybko przyjęła się pod jego nazwiskiem i stała się jednym z najczęściej wykorzystywanych narzędzi w badaniach społecznych, marketingowych i HR-owych.

To jednak tylko jeden z elementów układanki badawczej. Wybór między sondażem a pogłębionym badaniem opinii publicznej, metodą CAWI, CATI czy wywiadem pogłębionym decyduje o tym, czy badanie w ogóle dotrze do właściwych respondentów. Skala Likerta rozstrzyga już tylko o jakości pojedynczego pytania w gotowym narzędziu badawczym, ale ta jakość waży więcej, niż się wydaje.

Pozycja Likerta a skala Likerta – kluczowa różnica

Pozycja Likerta, czyli pojedyncze pytanie z odpowiedziami od “zdecydowanie się nie zgadzam” do “zdecydowanie się zgadzam”, i skala Likerta, czyli suma lub średnia z kilku takich pozycji mierzących jeden konstrukt, to dwa różne pojęcia. Rozróżnienie między nimi decyduje o tym, jakie metody statystyczne wolno zastosować do analizy wyników.

Skala Likerta w ścisłym znaczeniu mierzy jeden konstrukt za pomocą kilku powiązanych stwierdzeń, na przykład satysfakcję z pracy złożoną z pytań o wynagrodzenie, relacje z przełożonym i możliwości rozwoju – podobny zestaw wymiarów opisuje również badanie satysfakcji pracowników jako standardowy zakres pomiaru w badaniach HR. Badacz Spencer E. Harpe, autor jednego z najczęściej cytowanych tekstów na ten temat, zwraca uwagę, że pomijanie rozróżnienia między pojedynczą pozycją a pełną skalą bywa źródłem większości nieporozumień wokół tego narzędzia(2).

W badaniach komercyjnych oba pojęcia miesza się nagminnie, rzadko to zaznaczając. Narzędzia oparte na tej samej logice pomiaru wykorzystuje na co dzień również CBOS, jeden z najbardziej rozpoznawalnych ośrodków badania opinii publicznej w Polsce, przy pomiarze postaw i ocen społecznych(3).

Jak skonstruować skalę Likerta krok po kroku

Konstrukcja skali Likerta wymaga sześciu świadomych decyzji: zdefiniowania mierzonego konstruktu, wyboru liczby punktów odpowiedzi, decyzji o opcji neutralnej, precyzyjnego formułowania stwierdzeń, ograniczenia skłonności respondentów do bezrefleksyjnego zgadzania się oraz przetestowania narzędzia przed właściwym badaniem. Wytyczne dotyczące tych decyzji podsumowuje między innymi opublikowany w 2025 roku praktyczny przewodnik zespołu Ferrando, Morales-Vives, Casas i Muñiz(4).

Definiowanie konstruktu przed sformułowaniem pytania

“Satysfakcja klienta” czy “świadomość ekologiczna” to zmienne latentne, których nie da się uchwycić jednym pytaniem, bo składają się z kilku wymiarów naraz. Osoba badana może deklarować wysoką świadomość ekologiczną i jednocześnie trzy razy w roku latać samolotem na wakacje – jedno pytanie tego nie wychwyci, cztery lub pięć powiązanych stwierdzeń już tak.

Liczba punktów skali: 5 czy 7 punktów odpowiedzi

Skala 5-punktowa sprawdza się w krótkich, cyklicznych badaniach na dużej próbie, na przykład przy pomiarze wskaźnika CSAT po każdej interakcji z obsługą klienta. Skala 7-punktowa daje więcej rozdzielczości tam, gdzie liczy się wynik pojedynczego respondenta lub subtelne różnice między grupami. Wybór między nimi nie jest kwestią gustu: zwiększenie liczby punktów redukuje błąd zaokrąglenia wyników, ponieważ respondent ma więcej miejsca na wyrażenie niuansu, kosztuje jednak więcej wysiłku poznawczego i przy zbyt rozbudowanej skali skutkuje niższym zwrotem wypełnionych ankiet.

Nie wiesz, którą skalę Likerta wybrać? Poniższa infografika pomoże Ci szybko zdecydować, czy lepiej zastosować skalę 5- czy 7-punktową, kiedy warto uwzględnić odpowiedź neutralną oraz jakie elementy sprawdzić przed analizą wyników.

Punkt neutralny w skali Likerta – dawać czy nie dawać

Środkowa kategoria pozwala uczciwie odpowiedzieć osobie, która naprawdę nie ma zdania, jednocześnie jednak otwiera furtkę dla respondentów, którzy nie chcą się angażować i wybierają środek z wygody. W sytuacjach wymagających jednoznacznego opowiedzenia się respondenta po jednej ze stron – na przykład w ocenach pracowniczych, gdzie unik nie powinien być opcją – rekomendowana jest skala parzysta, czyli wariant 4- lub 6-punktowy wymuszający zajęcie stanowiska, określany jako forced choice.

Jedno stwierdzenie, jedna cecha

Stwierdzenie “obsługa klienta w naszej firmie jest szybka i profesjonalna” to w rzeczywistości dwa pytania w jednym, określane jako pytanie podwójne, czyli double-barreled question. Respondent może zgadzać się z pierwszą częścią, a nie zgadzać się z drugą, i tak czy inaczej musi wybrać jedną odpowiedź. Zaleca się również unikanie przeczeń w treści stwierdzenia, takich jak “nie uważam, że…”, ponieważ wymuszają one dodatkowy wysiłek poznawczy i zwiększają liczbę odpowiedzi udzielonych przez pomyłkę.

Acquiescence bias, czyli skłonność do zgadzania się

Respondenci, zwłaszcza mniej zaangażowani, częściej klikają “zgadzam się” niż “nie zgadzam się”, niezależnie od tego, co faktycznie myślą. To zjawisko, znane w metodologii jako acquiescence bias, potrafi wypaczyć wyniki mocniej niż źle dobrana liczba punktów skali. Pew Research Center opisuje eksperyment, w którym to samo pytanie o skuteczność siły militarnej w zapewnianiu pokoju, zadane w formacie “zgadzam się – nie zgadzam się”, zebrało 55 procent poparcia(5). Zadane w formacie wymuszonego wyboru między siłą militarną a dyplomacją, poparcie spadło do 33 procent. Ten sam respondent, to samo zagadnienie, różnica 22 punktów procentowych wynikająca wyłącznie z formy pytania.

Dwa sposoby, by ograniczyć to zjawisko:

• stosowanie pytań odnoszących się wprost do konstruktu, na przykład “jak bardzo jesteś zadowolony z obsługi”, zamiast formatu “zgadzam się – nie zgadzam się”
• mieszanie w obrębie jednej skali stwierdzeń sformułowanych pozytywnie i negatywnie, czyli tak zwanych pozycji odwróconych, określanych jako reverse-coded items

Pilotaż kwestionariusza przed właściwym badaniem

Krótki pilotaż na kilkunastu lub kilkudziesięciu osobach z docelowej grupy pozwala wyłapać problemy ze zrozumieniem pytań, zanim staną się kosztowne na pełnej próbie. Nawet starannie napisane stwierdzenie bywa niejednoznaczne dla kogoś spoza zespołu, który je tworzył – skrót branżowy, nieprecyzyjne słowo, pytanie zrozumiałe inaczej niż zamierzone. Badanie pilotażowe realizuje się najczęściej metodą CAWI. W praktyce badawczej Openfield pilotaż obejmuje zwykle piętnaście do dwudziestu osób – liczba ta pozwala wychwycić większość problemów ze zrozumieniem pytań, a jednocześnie nie opóźnia realizacji właściwego badania.

Najczęstsze błędy w konstrukcji skali Likerta

Cztery błędy odpowiadają za większość problemów z jakością danych zbieranych skalą Likerta: błąd tendencji centralnej, nadmierna liczba punktów skali, mieszanie kilku konstruktów pod jedną etykietą oraz traktowanie pojedynczej pozycji jak gotowej, zwalidowanej skali.

Błąd tendencji centralnej

Masowy wybór opcji środkowej to zwykle efekt zbyt ogólnego lub niejednoznacznego stwierdzenia. Wynik wygląda na “neutralny”, choć w rzeczywistości respondenci po prostu nie do końca zrozumieli pytanie.

Zbyt rozbudowana skala odpowiedzi

Powyżej 7-9 punktów respondent traci zdolność realnego rozróżnienia kategorii i zaczyna je w głowie upraszczać, co w praktyce sprowadza 10-punktową skalę do trzech lub czterech faktycznie używanych wartości.

Mieszanie kilku konstruktów pod jedną etykietą

Nazwanie “skalą satysfakcji” zestawu pytań, które w rzeczywistości mierzą trzy różne rzeczy: cenę, jakość i obsługę, sprawia, że wynik zbiorczy nie mówi niczego konkretnego, ponieważ uśrednia oceny niemające ze sobą wiele wspólnego.

Pojedyncza pozycja traktowana jak gotowa skala

Jedno pytanie to sygnał, nie pomiar, i nie powinno być podstawą wniosków formułowanych z pewnością właściwą dla zwalidowanego narzędzia.

Rzetelność skali Likerta – alfa Cronbacha i moc dyskryminacyjna

Przed przystąpieniem do analizy różnic między grupami należy sprawdzić, czy pozycje wielopozycyjnej skali w ogóle mierzą jedną, spójną cechę – służy do tego współczynnik alfa Cronbacha oraz analiza mocy dyskryminacyjnej poszczególnych pozycji.

Pozycja, która słabo koreluje z resztą skali, nie wzmacnia pomiaru, tylko go rozmywa – zwykle lepiej ją usunąć lub przeformułować, niż zostawić dla kompletności kwestionariusza. Zespoły badawcze Openfield traktują próg alfa Cronbacha powyżej 0,7 jako punkt wyjścia do dalszej weryfikacji, a nie ostateczne potwierdzenie jakości skali – równie ważna bywa analiza treści poszczególnych pozycji.

Jak analizować wyniki skali Likerta

Wyniki skali Likerta można analizować metodami parametrycznymi, takimi jak średnia, test t-Studenta czy ANOVA, lub nieparametrycznymi, takimi jak mediana, test chi-kwadrat czy test Manna-Whitneya. Wybór zależy od tego, czy dane traktuje się jako porządkowe, czy przedziałowe, a spór o to trwa od dziesięcioleci.

Dane porządkowe czy przedziałowe – spór trwający od dziesięcioleci

Spór o to, czy odpowiedzi na skali Likerta należy traktować jako dane porządkowe, czy przedziałowe, nie ma jednoznacznego rozstrzygnięcia i raczej się go nie doczeka. Constantin Mircioiu i Jeffrey Atkinson opisują go wprost jako spór trwający od dziesięcioleci(7):

Zażarty i namiętny spór o stosowanie metod parametrycznych i nieparametrycznych do analizy porządkowych danych ze skali Likerta trwa od osiemdziesięciu lat.

Jedna grupa badaczy, określana czasem jako “ordinaliści”, twierdzi, że odpowiedzi na skali Likerta są z natury porządkowe, a jedyne uprawnione metody analizy to te nieparametryczne: test chi-kwadrat, korelacja rho Spearmana, testy Manna-Whitneya czy Kruskala-Wallisa. Cohen, Manion i Morrison, cytowani przez Harpe, formułują to stanowisko bardzo dosadnie(2):

Pytania w skali ocen traktuje się jako dane porządkowe, choć w praktyce zdarzają się liczne przypadki złamania tej zasady i potraktowania danych nieparametrycznych jak parametrycznych. Jest to niedopuszczalne.

Druga grupa, “intervaliści”, wskazuje, że w praktyce – szczególnie przy sumowanych skalach wielopozycyjnych i odpowiednio dużej próbie – testy parametryczne dają wyniki równie trafne, a przy tym lepiej wykrywają realne różnice między grupami. Geoff Norman, jeden z czołowych badaczy metodologii kształcenia medycznego, w przeglądzie przywoływanym przez Sullivan i Artino dowodzi, że testy parametryczne pozostają wiarygodne nawet przy wyraźnym naruszeniu założeń statystycznych, w tym normalności rozkładu(6).

Sami Mircioiu i Atkinson zestawili oba podejścia na tych samych, rzeczywistych danych – odpowiedziach europejskich farmaceutów na 4-punktowej skali Likerta dotyczącej kompetencji zawodowych. Przy próbie powyżej 15 osób na grupę i zbliżonych, choć nienormalnych rozkładach, metody parametryczne i nieparametryczne dały niemal identyczne wnioski co do istotności różnic między grupami. Tam, gdzie wyniki się rozjeżdżały, metody parametryczne okazywały się bardziej czułe, a trzymanie się wyłącznie testów nieparametrycznych prowadziło do utraty części informacji.

Jak analizować wyniki w praktyce

Praktyczna rekomendacja, która w większości badań komercyjnych godzi obie szkoły: dla pojedynczej pozycji Likerta zaleca się opieranie na medianie, modzie i rozkładzie procentowym odpowiedzi, ponieważ są to dane porządkowe, a średnia z jednego pytania niewiele mówi. Dla zsumowanej lub uśrednionej skali wielopozycyjnej, przy rozsądnej liczbie pozycji, czyli czterech i więcej, oraz wystarczającej próbie, zastosowanie średniej oraz testów t czy ANOVA jest uzasadnione metodologicznie i daje więcej możliwości analitycznych niż trzymanie się wyłącznie median i testów rangowych.

Wybór odpowiedniego testu to jednak dopiero połowa historii. Drugą jest sposób, w jaki te wyniki trafią później na wykres, a tu też łatwo o błąd, który zniekształci przekaz równie skutecznie, jak zła metoda statystyczna.

Wizualizacja wyników skali Likerta

Standardowy wykres słupkowy, w którym każda kategoria odpowiedzi dostaje osobny słupek, utrudnia szybką ocenę, czy w odpowiedziach przeważa ton pozytywny, czy negatywny. Rozwiązaniem rekomendowanym w literaturze jest wykres rozbieżny, czyli diverging stacked bar chart.

Rozwiązanie to opisali i przetestowali Richard Heiberger i Naomi Robbins w literaturze poświęconej wizualizacji danych porządkowych(8). Słupek jest “rozcięty” w punkcie neutralnym, z odpowiedziami negatywnymi rozciągniętymi w lewo, a pozytywnymi w prawo. Taki układ pozwala jednym rzutem oka porównać kilka pytań naraz i zobaczyć, które z nich budzą największe rozbieżności opinii.

Skala Likerta wybacza niewiele błędów

Dobrze skonstruowana, ale źle przeanalizowana skala – albo odwrotnie – prowadzi do wniosków, które brzmią przekonująco, a niewiele mówią o rzeczywistości. Różnica między badaniem, które realnie wspiera decyzję biznesową, a takim, które dostarcza tylko ładnych wykresów do prezentacji zarządu, rozstrzyga się właśnie na tych szczegółach: liczbie punktów skali, obecności punktu neutralnego, wyborze między medianą a średnią.

Firmy planujące badanie oparte na skali ocen i zależące na wynikach, które da się obronić metodologicznie, mogą skorzystać ze wsparcia zespołu badawczego przy projektowaniu takiego narzędzia, w tym przy badaniach satysfakcji klientów, zaangażowania pracowników czy postaw konsumenckich wobec nowego produktu.

Kluczowe wnioski

Najczęściej zadawane pytania o skalę Likerta

Czym różni się skala Likerta od zwykłej skali ocen

Skala Likerta mierzy stopień zgody lub niezgody ze stwierdzeniem i w ścisłym znaczeniu składa się z kilku powiązanych pozycji sumowanych w jeden wynik. Zwykła skala ocen, na przykład gwiazdkowa, to zazwyczaj pojedyncze pytanie oceniające jeden aspekt, bez sumowania kilku pozycji w konstrukt.

Ile punktów powinna mieć skala Likerta, 5 czy 7

Skala 5-punktowa sprawdza się w krótkich, cyklicznych badaniach na dużej próbie, na przykład przy pomiarze CSAT. Skala 7-punktowa daje więcej rozdzielczości tam, gdzie liczy się wynik pojedynczego respondenta lub subtelne różnice między grupami.

Czy wyniki skali Likerta można uśredniać

Dla pojedynczej pozycji Likerta średnia niesie ograniczoną wartość informacyjną, ponieważ dane mają charakter porządkowy. Dla zsumowanej skali wielopozycyjnej, przy odpowiedniej liczbie pozycji i wystarczającej próbie, obliczanie średniej jest uzasadnione metodologicznie.

Czy skala Likerta powinna mieć opcję neutralną

Zależy od celu badania. Opcja neutralna pozwala uczciwie odpowiedzieć respondentowi bez sprecyzowanej opinii, ale zwiększa ryzyko wyboru środka z wygody. Gdy celem jest wymuszenie jednoznacznego stanowiska, stosuje się skalę parzystą bez punktu środkowego.

Jaki próg alfa Cronbacha świadczy o dobrej rzetelności skali

Wartość powyżej 0,7 zwykle traktowana jest jako akceptowalny próg rzetelności wewnętrznej wielopozycyjnej skali, choć ostateczna ocena powinna uwzględniać także treść poszczególnych pozycji.

Bibliografia

1. Likert, R. (1932). A Technique for the Measurement of Attitudes. Archives of Psychology. archive.org ↩
2. Harpe, S. E. (2015). How to analyze Likert and other rating scale data. Currents in Pharmacy Teaching and Learning. sciencedirect.com ↩
3. CBOS. Metody realizacji badań. cbos.pl ↩
4. Ferrando, P. J., Morales-Vives, F., Casas, J. M., Muñiz, J. (2025). Likert Scales: A Practical Guide to Design, Construction and Use. Psicothema. psicothema.com ↩
5. Pew Research Center. Writing Survey Questions. pewresearch.org ↩
6. Sullivan, G. M., Artino, A. R. (2013). Analyzing and Interpreting Data From Likert-Type Scales. Journal of Graduate Medical Education. pmc.ncbi.nlm.nih.gov ↩
7. Mircioiu, C., Atkinson, J. (2017). A Comparison of Parametric and Non-Parametric Methods Applied to a Likert Scale. Pharmacy. ncbi.nlm.nih.gov ↩
8. Heiberger, R. M., Robbins, N. B. (2014). Design of Diverging Stacked Bar Charts for Likert Scales and Other Applications. Journal of Statistical Software. jstatsoft.org ↩