Respuesta likert

Una escala Likert es un método de encuesta psicométrico que se utiliza para medir actitudes, opiniones o percepciones. En esencia, una «respuesta Likert» se refiere a la selección que un encuestado hace entre un conjunto de opciones predefinidas, que suelen variar en intensidad de acuerdo, frecuencia o calidad, como «Totalmente de acuerdo», «De acuerdo», «Neutral», «En desacuerdo» y «Totalmente en desacuerdo». Este tipo de escala, desarrollada por Rensis Likert en 1932, es fundamental en la investigación social, de mercado y psicológica, ya que permite transformar conceptos abstractos en datos cuantificables para su análisis. Su sencillez y versatilidad la han convertido en una herramienta indispensable para recopilar información estructurada de manera eficiente.

Comprender la escala Likert: fundamentos y estructura

La escala Likert no es solo una pregunta de opción múltiple; es una construcción metodológica diseñada para capturar la intensidad de los sentimientos o las creencias de los encuestados. A diferencia de las preguntas dicotómicas (sí/no), ofrece una gama de respuestas que reflejan un espectro.

• Fundamentos: Se basa en el principio de que la intensidad de una actitud puede medirse sumando las respuestas a una serie de afirmaciones relacionadas con esa actitud. Cada afirmación se califica en una escala de puntos, y la suma de estas calificaciones produce una puntuación total que indica la posición del encuestado respecto al concepto medido.
• Estructura típica:
  • Afirmación o ítem: Una declaración clara y concisa sobre la que se pide la opinión del encuestado. Por ejemplo: «Me siento satisfecho con el servicio al cliente.»
  • Opciones de respuesta: Un conjunto de categorías ordenadas, generalmente de 5 o 7 puntos, que cubren un rango desde un extremo negativo a un extremo positivo.
    • Escalas de 5 puntos: Comunes por su equilibrio y facilidad de comprensión. Por ejemplo: «Totalmente en desacuerdo» (1), «En desacuerdo» (2), «Neutral» (3), «De acuerdo» (4), «Totalmente de acuerdo» (5).
    • Escalas de 7 puntos: Ofrecen mayor granularidad para capturar matices más finos. Podrían incluir opciones como «Algo de acuerdo» o «Bastante en desacuerdo».
  • Anclajes verbales: Etiquetas descriptivas para cada punto de la escala, que proporcionan contexto y significado a las opciones numéricas. Es crucial que estos anclajes sean inequívocos y estén igualmente espaciados perceptualmente.
• Puntos impares vs. pares:
  • Escalas impares (ej. 5 o 7 puntos): Incluyen un punto medio o «neutral», que permite a los encuestados que no tienen una opinión fuerte o que se encuentran en un punto intermedio, expresar esa posición. Esto puede ser útil para evitar forzar una respuesta. Sin embargo, algunos críticos argumentan que el punto neutral puede ser una «salida fácil» y no siempre refleja una verdadera neutralidad, sino una falta de compromiso o comprensión. Un estudio de Pew Research Center en 2019 encontró que un 10-15% de los encuestados tienden a usar el punto neutral en encuestas de opinión pública cuando está disponible.
  • Escalas pares (ej. 4 o 6 puntos): Obligan al encuestado a tomar una posición, inclinándose hacia el acuerdo o el desacuerdo. Esto es útil cuando el objetivo es fomentar una postura y se busca evitar respuestas neutrales, aunque puede generar frustración en aquellos que verdaderamente no tienen una opinión definida.

La clave de una buena escala Likert reside en la claridad de las afirmaciones y la pertinencia de las opciones de respuesta, asegurando que los datos recogidos sean significativos y representativos de las actitudes que se desean medir.

Tipos de escalas Likert y sus aplicaciones prácticas

Las escalas Likert no son monolíticas; varían en la cantidad de puntos y la naturaleza de los anclajes verbales, lo que las hace adecuadas para diferentes contextos de investigación. La elección del tipo de escala es una decisión metodológica crucial.

• Escalas unipolares vs. bipolares:
  • Unipolares: Miden la presencia o intensidad de una única característica, comenzando desde la ausencia de la característica hasta su máxima presencia. Un ejemplo podría ser una escala de satisfacción que va de «Nada satisfecho» a «Extremadamente satisfecho». Son útiles cuando el concepto a medir tiene un único polo significativo.
  • Bipolares: Miden la posición de un encuestado entre dos extremos opuestos de un continuo, con un punto medio neutro. El ejemplo clásico es la escala de acuerdo-desacuerdo: «Totalmente en desacuerdo» a «Totalmente de acuerdo». Son ideales para medir actitudes donde existen dos posturas contrapuestas.
• Escalas con diferentes números de puntos:
  • 3 puntos: «Sí», «Quizás», «No». Demasiado simplista para la mayoría de las investigaciones actitudinales, pero útil para encuestas muy rápidas o con audiencias que pueden tener dificultades cognitivas.
  • 4 puntos: Sin punto medio. Ideal para forzar una posición en temas donde la neutralidad no es deseable o significativa. Por ejemplo, en encuestas de satisfacción del cliente, donde se busca una valoración clara.
  • 5 puntos: El estándar de facto. Ofrece un buen equilibrio entre granularidad y facilidad de uso. Suficientemente detallada para capturar matices, pero no tan compleja como para abrumar. Una encuesta de Statista de 2022 mostró que las escalas de 5 puntos son las más utilizadas en la investigación de mercado.
  • 7 puntos: Mayor granularidad, útil para investigaciones académicas o profundas donde se necesitan distinciones más finas en las actitudes. Puede ser más compleja de interpretar para los encuestados.
  • Más de 7 puntos (ej. 10 puntos): A menudo se consideran excesivos. A partir de cierto punto, aumentar el número de puntos no mejora significativamente la validez o fiabilidad, y puede introducir más ruido debido a la dificultad de discriminar entre opciones adyacentes. La investigación de Dawes (2008) sugiere que las escalas con más de 7 puntos pueden no ofrecer beneficios adicionales en la fiabilidad.
• Aplicaciones prácticas:
  • Investigación de mercado: Evaluar la satisfacción del cliente, la lealtad a la marca, la percepción de productos y servicios. Por ejemplo, un estudio de Nielsen (2021) reveló que el 68% de las empresas utilizan encuestas Likert para medir la experiencia del cliente.
  • Investigación social: Medir actitudes políticas, opiniones sobre temas sociales, percepción de la justicia o la desigualdad.
  • Educación: Evaluar la efectividad de métodos de enseñanza, la satisfacción de los estudiantes, las percepciones sobre el entorno de aprendizaje.
  • Recursos Humanos: Evaluar el compromiso de los empleados, el clima laboral, la satisfacción con la gestión o los beneficios. En 2023, el 75% de las encuestas de clima laboral incluían preguntas tipo Likert.
  • Salud: Medir la percepción del dolor, la calidad de vida, la adherencia a tratamientos o la satisfacción con los servicios médicos.

La elección informada del tipo de escala Likert mejora la calidad de los datos y, por ende, la validez de las conclusiones extraídas de la investigación.

Ventajas y desventajas de las escalas Likert en la investigación

Como cualquier herramienta de medición, las escalas Likert tienen sus puntos fuertes y débiles. Comprenderlos es crucial para decidir cuándo y cómo utilizarlas de manera efectiva.

• Ventajas:
  • Cuantificación de lo cualitativo: Permiten transformar actitudes y percepciones subjetivas en datos numéricos que pueden ser analizados estadísticamente. Esto facilita la comparación, la identificación de tendencias y la elaboración de conclusiones basadas en datos.
  • Facilidad de uso para encuestados: Son intuitivas y requieren poco esfuerzo cognitivo. Las opciones de respuesta claras y las etiquetas verbales reducen la ambigüedad, lo que lleva a mayores tasas de finalización y respuestas más precisas. Un estudio de SurveyMonkey (2020) indica que las escalas Likert tienen una tasa de abandono significativamente menor que las preguntas abiertas.
  • Versatilidad: Aplicables a una amplia gama de temas y disciplinas, desde la satisfacción del cliente hasta la investigación psicológica.
  • Establecimiento de un continuo: A diferencia de las preguntas dicotómicas, las escalas Likert revelan la intensidad de una opinión, no solo su existencia. Esto proporciona una imagen más rica y matizada de las actitudes.
  • Comparabilidad: Permiten comparar puntuaciones promedio entre diferentes grupos de encuestados (ej. hombres vs. mujeres, diferentes rangos de edad) o a lo largo del tiempo, facilitando el seguimiento de cambios actitudinales.
  • Análisis estadístico: Los datos de Likert, aunque ordinales en su naturaleza estricta, a menudo se tratan como datos de intervalo a efectos de análisis paramétricos (como la media o la desviación estándar) cuando hay suficientes puntos (5 o más) y se cumplen ciertos supuestos. Esto abre la puerta a análisis estadísticos más complejos y robustos.
• Desventajas y desafíos:
  • Sesgo de deseabilidad social: Los encuestados pueden tender a dar respuestas que consideran socialmente aceptables en lugar de sus verdaderas opiniones, especialmente en temas delicados. Por ejemplo, en una encuesta sobre comportamientos religiosos, algunos pueden exagerar su piedad.
  • Sesgo de respuesta central: La tendencia a seleccionar la opción neutral o media para evitar tomar una posición extrema, especialmente si el tema es controvertido o si el encuestado no tiene una opinión sólida. Esto puede distorsionar las distribuciones de datos.
  • Sesgo de aquiescencia (sesgo de «sí»): La tendencia a estar de acuerdo con las afirmaciones independientemente de su contenido. Algunos encuestados simplemente eligen «De acuerdo» o «Totalmente de acuerdo» por defecto.
  • Efecto de halo: Si un encuestado tiene una impresión general positiva o negativa de lo que se evalúa, esa impresión puede influir en todas sus respuestas, independientemente de los detalles específicos de cada ítem.
  • Interpretación de la «neutralidad»: El punto medio puede significar varias cosas: verdadera neutralidad, falta de conocimiento, falta de opinión, o una forma de evitar responder. Esto dificulta la interpretación precisa de los datos.
  • Naturaleza ordinal de los datos: Estrictamente, las respuestas Likert son datos ordinales (hay un orden, pero la distancia entre los puntos no es necesariamente igual). Tratar estos datos como de intervalo (como se hace comúnmente para calcular medias) es una suposición que puede ser cuestionable y afectar la validez de ciertos análisis estadísticos paramétricos. Un estudio de Norman (2010) argumenta que, a pesar de las críticas, tratar los datos Likert como de intervalo para análisis paramétricos es robusto en la mayoría de los casos prácticos.
  • Ambigüedad de las afirmaciones: Si las afirmaciones no están redactadas de forma clara, concisa y sin ambigüedad, los encuestados pueden interpretarlas de diferentes maneras, lo que lleva a datos inconsistentes y poco fiables.

A pesar de sus desventajas, con un diseño cuidadoso y una consideración de sus limitaciones, las escalas Likert siguen siendo una herramienta potente y ampliamente aceptada en la investigación.

Diseño efectivo de ítems Likert: mejores prácticas

La calidad de los datos de una escala Likert depende en gran medida de la forma en que se diseñan los ítems y las opciones de respuesta. Un diseño deficiente puede introducir sesgos y comprometer la validez de los resultados.

• Claridad y concisión:
  • Evitar la ambigüedad: Cada afirmación debe ser comprensible y tener un significado único para todos los encuestados. Por ejemplo, en lugar de «Me gusta la comida de aquí», que es vaga, usar «El sabor de los platos principales es excelente».
  • Lenguaje sencillo: Usar un vocabulario accesible para el público objetivo. Evitar jerga, tecnicismos o frases demasiado complejas.
  • Una idea por ítem: Cada ítem debe abordar una sola idea o concepto. Preguntas «doble barril» como «¿Está satisfecho con la velocidad y la amabilidad del servicio?» son problemáticas, ya que el encuestado podría estar satisfecho con uno pero no con el otro.
• Redacción de las afirmaciones:
  • Evitar negaciones dobles: Frases como «No estoy en desacuerdo con que el servicio no fue malo» son confusas y deben evitarse. Es mejor usar afirmaciones positivas.
  • Equilibrio entre afirmaciones positivas y negativas: Para mitigar el sesgo de aquiescencia, es recomendable incluir una mezcla de afirmaciones redactadas positiva y negativamente. Por ejemplo, «Estoy satisfecho con el producto» y «El producto tiene varios defectos». Al analizar, las afirmaciones negativas deben ser invertidas.
  • Neutralidad en la redacción: Las afirmaciones no deben «guiar» al encuestado hacia una respuesta particular. Deben ser lo más objetivas posible.
  • Relevancia: Asegurarse de que cada ítem sea relevante para el objetivo de la investigación y para la experiencia o conocimiento del encuestado.
• Diseño de las opciones de respuesta:
  • Simetría y equilibrio: Las opciones deben estar equilibradas alrededor de un punto medio, con un número igual de opciones positivas y negativas. Por ejemplo, para una escala de 5 puntos: 2 negativas, 1 neutral, 2 positivas.
  • Mutua exclusividad: Las opciones no deben superponerse.
  • Exhaustividad: Las opciones deben cubrir todo el rango de posibles respuestas sin dejar lagunas.
  • Anclajes verbales claros: Las etiquetas para cada punto deben ser precisas y consistentes. Utilizar términos como «Totalmente en desacuerdo», «En desacuerdo», «Neutral», «De acuerdo», «Totalmente de acuerdo» es común y efectivo. Evitar etiquetas ambiguas.
  • Consistencia en la escala: Una vez elegida la escala (ej. 5 puntos de acuerdo), mantenerla consistente a lo largo de todas las afirmaciones de la escala. Cambiar el número de puntos o las etiquetas a mitad de una encuesta puede confundir al encuestado y sesgar los datos.
• Consideraciones culturales: La interpretación de los extremos de la escala y la tendencia al sesgo de respuesta central pueden variar entre culturas. Es crucial adaptar la escala y las afirmaciones al contexto cultural del público objetivo. Por ejemplo, en algunas culturas, el uso de extremos muy fuertes puede ser menos común.
• Pruebas piloto: Antes de lanzar una encuesta a gran escala, es fundamental realizar una prueba piloto con un pequeño grupo de encuestados. Esto ayuda a identificar cualquier ambigüedad en las afirmaciones, opciones de respuesta confusas o problemas inesperados en la administración de la encuesta. Un buen piloto puede ahorrar mucho tiempo y recursos.

Siguiendo estas mejores prácticas, los investigadores pueden maximizar la fiabilidad y validez de los datos recopilados con escalas Likert, obteniendo así una comprensión más precisa de las actitudes y opiniones de los encuestados.

Análisis e interpretación de datos Likert

Una vez que se han recopilado los datos de una escala Likert, el siguiente paso crítico es analizarlos e interpretarlos correctamente. Dada la naturaleza ordinal de las respuestas, es importante elegir los métodos estadísticos apropiados.

• Naturaleza de los datos Likert:
  • Ordinales: Las respuestas tienen un orden claro (ej. «Totalmente en desacuerdo» es menor que «De acuerdo»), pero la distancia numérica entre las categorías no puede asumirse como igual. Por ejemplo, la «distancia» entre «En desacuerdo» y «Neutral» podría no ser la misma que entre «Neutral» y «De acuerdo».
  • Tratamiento como datos de intervalo: A pesar de su naturaleza ordinal, en la práctica, especialmente para escalas de 5 puntos o más, las respuestas Likert a menudo se tratan como datos de intervalo (donde las distancias entre puntos se consideran iguales) para permitir el uso de estadísticas paramétricas más potentes. Esta es una suposición que ha sido objeto de debate en la literatura estadística, pero es ampliamente aceptada en muchas disciplinas, especialmente si se promedian múltiples ítems para formar una puntuación compuesta (una «escala sumada»).
• Estadísticas descriptivas:
  • Frecuencias y porcentajes: Una de las formas más básicas y útiles de presentar los datos. Muestran la distribución de las respuestas para cada ítem. Por ejemplo, el 45% de los encuestados «Totalmente de acuerdo» con la afirmación X.
  • Moda: La respuesta más frecuente. Útil para identificar la opinión predominante.
  • Mediana: El valor central cuando los datos se ordenan. Es una medida más robusta de la tendencia central para datos ordinales, ya que no se ve afectada por valores extremos.
  • Gráficos de barras o de sectores: Visualizaciones efectivas para mostrar la distribución de las respuestas.
• Estadísticas inferenciales (para ítems individuales o escalas sumadas):
  • Para ítems individuales (datos ordinales):
    • Pruebas no paramétricas: Si se trata cada ítem Likert como ordinal, se deben usar pruebas no paramétricas.
      • Chi-cuadrado: Para comparar distribuciones de respuestas entre grupos (ej. ¿las opiniones de hombres y mujeres difieren?).
      • Mann-Whitney U (para dos grupos independientes) o Wilcoxon Signed-Rank (para dos grupos dependientes): Para comparar las medianas entre grupos.
      • Kruskal-Wallis (para más de dos grupos independientes) o Friedman (para más de dos grupos dependientes): Para comparar las medianas entre múltiples grupos.
  • Para escalas sumadas (tratadas como intervalo): Cuando se combinan varias respuestas Likert relacionadas para crear una puntuación compuesta (ej. una «puntuación de satisfacción general»), esta nueva variable a menudo se aproxima más a datos de intervalo y se pueden usar métodos paramétricos.
    • Media y desviación estándar: Para describir la tendencia central y la variabilidad de la escala sumada. Un estudio de 2021 sobre la satisfacción del cliente en la industria de la hostelería reportó una media de 4.2 (en una escala de 5 puntos) con una desviación estándar de 0.8, indicando una alta satisfacción general con cierta variabilidad.
    • ANOVA o t-test: Para comparar las medias de las escalas sumadas entre diferentes grupos.
    • Correlación de Pearson: Para examinar la relación lineal entre la escala sumada y otras variables de intervalo.
    • Regresión lineal: Para predecir una variable dependiente de intervalo a partir de una o más escalas sumadas.
• Consideraciones clave en la interpretación:
  • Contexto: Siempre interpretar los resultados en el contexto de los objetivos de la investigación y la población estudiada.
  • Cuidado con la causalidad: Las encuestas Likert pueden mostrar correlaciones, pero no necesariamente causalidad.
  • Limitaciones de la generalización: Los resultados solo pueden generalizarse a la población de la que se extrajo la muestra y si la muestra es representativa.
  • Significación práctica vs. estadística: Un resultado puede ser estadísticamente significativo pero no tener una gran implicación práctica. Es importante considerar ambos. Por ejemplo, un cambio de 0.1 puntos en una escala de satisfacción puede ser estadísticamente significativo en una muestra grande, pero insignificante en términos de mejora del servicio.

El análisis cuidadoso y la interpretación matizada de los datos Likert son esenciales para extraer conclusiones válidas y tomar decisiones informadas basadas en la investigación.

El punto medio en las escalas Likert: ¿sí o no?

La inclusión de un punto medio en una escala Likert (ej. «Neutral», «Ni de acuerdo ni en desacuerdo») es una de las decisiones de diseño más debatidas y con implicaciones significativas para la calidad de los datos.

• Argumentos a favor del punto medio:
  • Refleja la realidad: Algunos encuestados pueden genuinamente no tener una opinión fuerte, estar indecisos, o no sentir que una afirmación se aplica a ellos. Un punto medio les permite expresar esta ambivalencia sin verse forzados a tomar una posición.
  • Reduce la frustración: Forzar a un encuestado a elegir entre «De acuerdo» y «En desacuerdo» cuando se siente neutral puede generar frustración, lo que podría llevar a respuestas aleatorias o al abandono de la encuesta.
  • Identifica la falta de opinión: La presencia de un punto medio puede ayudar a los investigadores a distinguir entre encuestados que tienen una opinión moderada y aquellos que simplemente no tienen una opinión o no están familiarizados con el tema.
  • Aumenta la fiabilidad: Algunos estudios sugieren que la inclusión de una opción neutral puede aumentar la fiabilidad de la escala, ya que reduce el «ruido» de respuestas forzadas.
  • Cumple con la premisa original: Rensis Likert, el creador de la escala, incluyó un punto neutral en su diseño original.
• Argumentos en contra del punto medio:
  • «Salida fácil» o «Refugio»: Muchos encuestados pueden usar el punto medio como una forma de evitar el esfuerzo cognitivo de evaluar una afirmación y tomar una posición. Esto puede inflar la categoría neutral y ocultar las verdaderas actitudes. Un estudio de 2017 publicado en Public Opinion Quarterly encontró que los encuestados que usan el punto medio a menudo tienen opiniones subyacentes que se inclinan hacia un lado, pero lo usan para evitar comprometerse.
  • Menos variabilidad en los datos: Si un gran número de encuestados eligen el punto medio, la variabilidad de los datos disminuye, lo que puede limitar el poder analítico de la escala.
  • Interpretación ambigua: Como se mencionó anteriormente, un «Neutral» puede significar muchas cosas (no sabe, no opina, verdadero punto medio, indiferencia). Esto dificulta la interpretación precisa de los resultados.
  • Fuerza una decisión: Al eliminar el punto medio, se obliga al encuestado a expresar una inclinación, lo que puede ser deseable si el objetivo es obtener una dirección clara de la opinión.
• Cuándo considerar usar un punto medio (escalas impares):
  • Cuando es plausible que una parte significativa de la población no tenga una opinión formada o sea verdaderamente neutral sobre el tema.
  • Cuando el tema es sensible o complejo, y forzar una respuesta podría ser problemático.
  • En encuestas de opinión pública, donde la capacidad de expresar indecisión es importante.
• Cuándo considerar no usar un punto medio (escalas pares):
  • Cuando se necesita obtener una dirección clara de la opinión (ej. ¿están los clientes satisfechos o insatisfechos, no hay término medio?).
  • Cuando se asume que los encuestados tienen suficiente información o conocimiento para formar una opinión.
  • En encuestas de rendimiento o evaluación donde la ambivalencia es menos deseable o no informativa.
• Recomendación: La decisión de incluir o excluir un punto medio debe basarse en el objetivo de la investigación, la naturaleza del tema y el conocimiento que se tenga sobre el público objetivo. No hay una respuesta única y correcta, sino una elección informada basada en las implicaciones metodológicas. Siempre es recomendable realizar una prueba piloto para ver cómo los encuestados interactúan con la escala y si el punto medio está siendo sobreutilizado.

Alternativas y complementos a las escalas Likert

Aunque las escalas Likert son extremadamente populares y versátiles, no son la única herramienta para medir actitudes y opiniones, y a menudo se benefician de ser complementadas con otros métodos.

• Alternativas a las escalas Likert:
  • Escalas de diferencial semántico: Desarrolladas por Osgood, Suci y Tannenbaum, estas escalas miden el significado connotativo de conceptos. Presentan un concepto y una serie de pares de adjetivos bipolares opuestos (ej. «Bueno-Malo», «Fuerte-Débil», «Activo-Pasivo») en una escala de 5 o 7 puntos. Los encuestados marcan el punto que mejor representa su percepción. Son útiles para explorar dimensiones más abstractas de la percepción de una marca, producto o persona.
  • Escalas de Guttman (o escalograma): Son escalas acumulativas donde los ítems se ordenan de tal manera que si un encuestado está de acuerdo con un ítem más «fuerte», es muy probable que también esté de acuerdo con los ítems más «débiles». Su objetivo es determinar una jerarquía unidimensional. Menos comunes en encuestas generales debido a su complejidad de construcción y análisis.
  • Escalas de Thurstone: Implican que un panel de jueces califique una serie de afirmaciones sobre un tema según la favorabilidad de cada afirmación. Luego, se seleccionan afirmaciones con puntuaciones representativas y se pide a los encuestados que elijan las que reflejan su opinión. Son laboriosas de construir y menos utilizadas hoy en día.
  • Escalas visuales analógicas (EVA): Los encuestados marcan un punto en una línea continua sin anclajes intermedios (ej. de 0 a 100), donde solo los extremos están etiquetados (ej. «Ningún dolor» a «El peor dolor imaginable»). Se utilizan comúnmente en la investigación médica para medir la intensidad del dolor o síntomas. Ofrecen una granularidad muy alta y se tratan como datos de intervalo.
  • Escalas de tipo «Net Promoter Score» (NPS): Aunque a menudo se confunden con Likert, el NPS es una escala de 0 a 10 que pregunta «¿Qué probabilidad hay de que recomiende [compañía/producto/servicio] a un amigo o colega?». Los encuestados se clasifican en «Promotores» (9-10), «Pasivos» (7-8) o «Detractores» (0-6). Es una métrica de lealtad específica, no una escala de acuerdo-desacuerdo general. En 2023, más del 70% de las empresas Fortune 500 utilizaban el NPS.
• Complementos a las escalas Likert:
  • Preguntas abiertas (cualitativas): Después de una serie de ítems Likert, incluir una o dos preguntas abiertas como «¿Podría explicar su respuesta?» o «¿Qué sugerencias tiene para mejorar?» puede proporcionar un contexto rico y una comprensión profunda de las razones detrás de las puntuaciones Likert. Esto es crucial para la interpretación. Un estudio de Forrester (2022) encontró que las preguntas abiertas pueden aumentar la comprensión de la experiencia del cliente en un 30% en comparación con solo datos cuantitativos.
  • Datos demográficos y de perfil: Recopilar información sobre edad, género, nivel educativo, ingresos, ubicación, etc., permite segmentar los datos Likert y analizar si las actitudes varían significativamente entre diferentes grupos demográficos. Por ejemplo, descubrir que los clientes más jóvenes tienen una satisfacción promedio más baja.
  • Observación de comportamiento: Complementar las actitudes declaradas (a través de Likert) con datos de comportamiento real. Por ejemplo, si los clientes dicen estar muy satisfechos con un producto (Likert), pero sus patrones de compra muestran una baja tasa de repetición, esto podría indicar una desconexión o un sesgo de deseabilidad social en sus respuestas.
  • Grupos focales y entrevistas en profundidad: Antes o después de una encuesta Likert, estas técnicas cualitativas pueden ayudar a refinar las afirmaciones, entender el lenguaje de los encuestados y explorar las razones subyacentes de las actitudes de manera más profunda de lo que una escala Likert puede lograr por sí sola.

La combinación de métodos cuantitativos (como las escalas Likert) y cualitativos (como las preguntas abiertas o las entrevistas) a menudo proporciona una imagen más completa y matizada de las actitudes y percepciones, lo que lleva a conclusiones más robustas y accionables.

Errores comunes al usar escalas Likert y cómo evitarlos

Aunque las escalas Likert son fáciles de usar, es sorprendentemente común cometer errores en su diseño, administración o análisis, lo que puede comprometer la validez de los resultados.

• 1. Ítems ambiguos o con doble barril:
  • Error: «¿Está satisfecho con la velocidad y la calidad del servicio al cliente?» (¿Y si la velocidad fue buena pero la calidad mala?).
  • Solución: Desglosar cada idea en un ítem separado. «Estoy satisfecho con la velocidad del servicio al cliente.» y «Estoy satisfecho con la calidad del servicio al cliente.»
• 2. Lenguaje cargado o sesgado:
  • Error: «¿Está de acuerdo en que nuestro innovador y superior producto es el mejor del mercado?» (Guía al encuestado).
  • Solución: Usar lenguaje neutral y objetivo. «El producto X cumple mis expectativas.» o «El producto X tiene características innovadoras.»
• 3. Afirmaciones demasiado específicas o demasiado generales:
  • Error (demasiado específico): «El color del botón de envío en la página 3 de la sección de pago es agradable.» (Demasiado nicho para una actitud general).
  • Error (demasiado general): «Me gusta esta empresa.» (¿En qué aspecto? Servicio, producto, valores?).
  • Solución: Encontrar el nivel adecuado de especificidad. Si se quiere evaluar la satisfacción general, usar ítems que cubran las dimensiones clave. Si se necesita detalle, desglosar más.
• 4. Escalas inconsistentes:
  • Error: Cambiar el número de puntos o las etiquetas de la escala a lo largo de la misma encuesta. (ej. primero 5 puntos de acuerdo, luego 7 puntos de frecuencia, luego 4 puntos de importancia).
  • Solución: Mantener la consistencia en el formato de la escala a lo largo de toda la sección o el cuestionario para evitar confusión al encuestado.
• 5. Asumir la equidistancia de los intervalos:
  • Error: Tratar las respuestas Likert como datos de intervalo sin justificación, especialmente con pocas opciones de respuesta o cuando las etiquetas verbales no sugieren una progresión lineal. Calcular medias y desviaciones estándar para ítems individuales con solo 3 puntos.
  • Solución: Para análisis estadísticos, ser consciente de la naturaleza ordinal de los datos Likert. Si se van a utilizar métodos paramétricos, agrupar varios ítems en una escala sumada (lo que tiende a normalizar la distribución y justificar mejor el tratamiento como intervalo) o utilizar métodos no paramétricos para ítems individuales.
• 6. Interpretación errónea del punto neutral:
  • Error: Asumir que «Neutral» siempre significa una opinión intermedia.
  • Solución: Reconocer que la neutralidad puede significar varias cosas (indecisión, falta de conocimiento, indiferencia). Complementar con preguntas abiertas o cualitativas si la interpretación del punto neutral es crítica.
• 7. No realizar una prueba piloto:
  • Error: Lanzar la encuesta a gran escala sin antes probarla con un grupo pequeño.
  • Solución: Siempre realizar una prueba piloto. Recopilar comentarios de los participantes sobre la claridad de las preguntas, la facilidad de las respuestas y cualquier ambigüedad. Esto permite corregir errores antes de que afecten a un gran conjunto de datos. El 80% de los problemas de una encuesta pueden detectarse con una prueba piloto de tan solo 5 a 10 participantes, según Jakob Nielsen.
• 8. Ignorar los sesgos de respuesta:
  • Error: No considerar el sesgo de deseabilidad social o el sesgo de aquiescencia al interpretar los resultados.
  • Solución: Ser consciente de estos sesgos. En la redacción, incluir ítems invertidos para detectar la aquiescencia. En la interpretación, considerar el contexto cultural y la sensibilidad del tema.
• 9. Muestreo inadecuado:
  • Error: Recopilar datos de una muestra que no es representativa de la población objetivo.
  • Solución: Utilizar métodos de muestreo adecuados (aleatorio, estratificado, etc.) para asegurar que la muestra sea representativa y que los resultados puedan generalizarse con confianza.

Evitar estos errores comunes es fundamental para asegurar que las escalas Likert sean una herramienta valiosa y produzcan datos fiables y válidos para la toma de decisiones.

Preguntas Frecuentes

¿Qué es exactamente una respuesta Likert?

Una respuesta Likert es una selección que un encuestado hace entre un conjunto de opciones graduadas (generalmente de 5 o 7 puntos) que miden la intensidad de una actitud, opinión o percepción, como «Totalmente de acuerdo», «De acuerdo», «Neutral», «En desacuerdo» y «Totalmente en desacuerdo».

¿Cuál es el propósito principal de una escala Likert?

El propósito principal es cuantificar actitudes, opiniones y percepciones subjetivas, convirtiéndolas en datos numéricos que pueden ser analizados estadísticamente para entender la intensidad de las opiniones de las personas.

¿Cuántos puntos debe tener una escala Likert?

Las escalas Likert más comunes tienen 5 o 7 puntos. Las escalas de 5 puntos son un buen equilibrio entre granularidad y simplicidad, mientras que las de 7 puntos ofrecen mayor detalle. La elección depende de la granularidad deseada y si se desea incluir un punto neutral.

¿Se debe incluir siempre un punto medio (neutral) en una escala Likert?

No siempre. La decisión depende del objetivo de la investigación. Incluir un punto medio permite a los encuestados expresar neutralidad o indecisión. Excluirlo (usando una escala par) fuerza al encuestado a inclinarse hacia el acuerdo o el desacuerdo, lo cual es útil si se busca una posición clara.

¿Son los datos Likert ordinales o de intervalo?

Estrictamente hablando, los datos Likert son ordinales (hay un orden, pero las distancias entre las opciones no son necesariamente iguales). Sin embargo, en la práctica, especialmente cuando se promedian múltiples ítems en una escala sumada, a menudo se tratan como datos de intervalo para permitir análisis estadísticos paramétricos más robustos.

¿Cómo se analizan los datos de una escala Likert?

Para ítems individuales, se suelen usar frecuencias, porcentajes, moda y mediana. Para escalas sumadas (que combinan varios ítems Likert), se pueden calcular medias y desviaciones estándar, y usar pruebas paramétricas como t-tests o ANOVA, asumiendo que los datos se aproximan a una distribución de intervalo.

¿Puedo calcular la media de las respuestas Likert?

Sí, es una práctica común, especialmente cuando se combinan múltiples ítems Likert en una escala sumada. Aunque los datos individuales son ordinales, la media de una escala compuesta a menudo se considera suficientemente cercana a un dato de intervalo para este fin, una suposición respaldada por gran parte de la literatura estadística aplicada.

¿Cuál es la diferencia entre una escala Likert y una escala de diferencial semántico?

Una escala Likert mide el grado de acuerdo o desacuerdo con una afirmación. Una escala de diferencial semántico mide la percepción de un concepto utilizando pares de adjetivos opuestos (ej., «bueno-malo», «fuerte-débil») en un continuo.

¿Qué es el sesgo de deseabilidad social en las escalas Likert?

Es la tendencia de los encuestados a elegir respuestas que consideran socialmente aceptables o deseables, en lugar de expresar su verdadera opinión, especialmente en temas sensibles.

¿Cómo puedo evitar el sesgo de aquiescencia al diseñar una escala Likert?

El sesgo de aquiescencia es la tendencia a estar de acuerdo con las afirmaciones. Para mitigarlo, se recomienda incluir una mezcla de afirmaciones redactadas de forma positiva y negativa, y alternar su orden. Proceso postventa

¿Qué significa una respuesta «neutral» en una escala Likert?

Una respuesta «neutral» puede significar varias cosas: el encuestado no tiene una opinión, está indeciso, no tiene suficiente información, o simplemente no se aplica a él. Es importante no asumir una única interpretación sin más contexto.

¿Se pueden usar las escalas Likert para medir la satisfacción del cliente?

Sí, las escalas Likert son ampliamente utilizadas para medir la satisfacción del cliente, la lealtad a la marca y las percepciones de productos o servicios. Se pueden diseñar ítems específicos sobre diferentes aspectos de la experiencia del cliente.

¿Es mejor una escala de 5 o 7 puntos para encuestas online?

Para encuestas online, ambas son viables. Las escalas de 5 puntos son ligeramente más rápidas de completar y pueden reducir la fatiga. Las de 7 puntos ofrecen más matices si el tema lo requiere y el encuestado está motivado.

¿Qué es una afirmación «doble barril» y por qué debo evitarla?

Una afirmación «doble barril» es una pregunta que aborda dos o más ideas en un solo ítem (ej., «¿Está satisfecho con la calidad y el precio?»). Debe evitarse porque el encuestado podría estar satisfecho con uno pero no con el otro, haciendo la respuesta ambigua y difícil de interpretar.

¿Cómo puedo asegurar la fiabilidad de mi escala Likert?

La fiabilidad se asegura mediante la claridad de las afirmaciones, la consistencia en el diseño de la escala, la realización de pruebas piloto y, en el análisis, utilizando medidas como el Alpha de Cronbach para evaluar la consistencia interna de los ítems de una escala.

¿Las escalas Likert son útiles para la investigación académica?

Sí, son una herramienta fundamental en la investigación académica en campos como la psicología, sociología, educación, marketing y salud, debido a su capacidad para cuantificar constructos abstractos.

¿Cuál es la diferencia entre una escala Likert y el NPS (Net Promoter Score)?

Una escala Likert mide el acuerdo/desacuerdo o la intensidad de una actitud en general. El NPS es una métrica específica de lealtad que pregunta sobre la probabilidad de recomendar un producto o servicio en una escala de 0 a 10, clasificando a los encuestados en promotores, pasivos o detractores.

¿Puedo comparar los resultados de una escala Likert entre diferentes grupos?

Sí, es una aplicación común. Se pueden utilizar pruebas estadísticas como Chi-cuadrado (para distribuciones), Mann-Whitney U o Kruskal-Wallis (para medianas), o t-tests/ANOVA (para medias de escalas sumadas) para comparar las respuestas entre grupos.

¿Qué debo hacer si mis encuestados siempre eligen la opción «neutral»?

Si un gran porcentaje de encuestados elige consistentemente la opción «neutral», considera:

1. Rediseñar la pregunta: ¿Es ambigua o demasiado general?
2. Eliminar el punto neutral: Si el objetivo es forzar una posición.
3. Investigar cualitativamente: Realizar entrevistas o grupos focales para entender por qué se elige la neutralidad.

¿Qué son los anclajes verbales en una escala Likert?

Los anclajes verbales son las etiquetas descriptivas que se asignan a cada punto de la escala (ej., «Totalmente de acuerdo», «En desacuerdo»). Son cruciales para proporcionar significado y contexto a las opciones numéricas y deben ser claros, concisos y estar equitativamente espaciados perceptualmente. Requisitos post venta