Likert Skalen auswerten: richtig entscheiden

Eine Befragung ist sauber erhoben, die Antworten liegen vor - und dann entsteht oft die entscheidende Unsicherheit: Darf ich Likert Skalen auswerten, indem ich Mittelwerte bilde? Oder sind die Antwortstufen von „stimme gar nicht zu“ bis „stimme völlig zu“ strikt ordinal und verlangen nichtparametrische Tests? Die richtige Antwort hängt nicht von einer pauschalen Statistikregel ab, sondern vom Aufbau Ihres Instruments, Ihrer Forschungsfrage und den Eigenschaften Ihrer Daten.

Gerade in Abschlussarbeiten, Dissertationen und Publikationen entscheidet diese Wahl über die methodische Nachvollziehbarkeit Ihrer Ergebnisse. Wer Einzelitems, Skalenwerte und Testverfahren vermischt, riskiert Rückfragen durch Betreuende oder Reviewer. Mit einer klaren Entscheidungslogik lässt sich das vermeiden.

Was Likert-Items von Likert-Skalen unterscheidet

Ein Likert-Item ist eine einzelne Aussage mit geordneten Antwortkategorien, etwa: „Ich fühle mich durch meine Arbeit stark belastet.“ Die Befragten antworten beispielsweise auf einer fünfstufigen Skala von 1 = „stimme gar nicht zu“ bis 5 = „stimme völlig zu“. Die Abstände zwischen den Kategorien sind nicht zweifelsfrei gleich groß. Der Sprung von „stimme eher nicht zu“ zu „teils/teils“ muss subjektiv nicht genauso groß sein wie der nächste Sprung.

Eine Likert-Skala im engeren Sinn entsteht dagegen, wenn mehrere inhaltlich zusammengehörige Items ein gemeinsames Konstrukt erfassen - etwa Belastung, Lebensqualität, Therapieadhärenz oder Markenvertrauen. Aus diesen Items wird ein Summen- oder Mittelwertscore gebildet. Diese Unterscheidung ist zentral: Die Diskussion um ordinales oder metrisches Skalenniveau ist bei einzelnen Items deutlich strenger als bei einem Score aus mehreren geeigneten Items.

Bevor Sie rechnen, prüfen Sie daher: Messen die Items tatsächlich dasselbe Konstrukt? Sind negativ formulierte Aussagen korrekt umgepolt? Und bedeutet ein hoher Wert bei allen Items inhaltlich dieselbe Richtung? Ein übersehener Polungsfehler kann eine Skala inhaltlich und statistisch entwerten.

Likert Skalen auswerten: Erst Daten und Instrument prüfen

Die Auswertung beginnt nicht mit dem Klick auf einen Test in SPSS, R oder Jamovi. Zunächst braucht es eine nachvollziehbare Datenprüfung. Kontrollieren Sie den Wertebereich jeder Variable, zum Beispiel ob wirklich nur die Codes 1 bis 5 vorkommen. Häufige Fehler sind vertauschte Missing-Codes, nicht dokumentierte Sonderwerte wie 99 oder eine inkonsistente Codierung einzelner Fragen.

Bei negativ gepolten Items erfolgt die Rekodierung vor der Skalenbildung. Für eine fünfstufige Antwortskala wird aus 1 die 5, aus 2 die 4 und umgekehrt. Der neue Wert ergibt sich rechnerisch aus 6 minus dem alten Wert. Bei einer siebenstufigen Skala lautet die Formel entsprechend 8 minus alter Wert. Dokumentieren Sie diesen Schritt im Methodenteil und bewahren Sie die Originalvariablen auf.

Anschließend ist der Umgang mit fehlenden Werten festzulegen. Ein vollständiger Ausschluss von Fällen kann bei wenigen fehlenden Antworten unnötig Daten kosten. Ein Mittelwertscore aus den beantworteten Items kann vertretbar sein, wenn nur ein kleiner, zuvor definierter Anteil einer Skala fehlt. Die Regel muss jedoch sachlich begründet sein. Bei einem Score aus zehn Items ist es etwas anderes, ob eine Antwort fehlt oder sechs.

Reliabilität ist keine Formalität

Bevor ein Gesamtwert gebildet wird, sollte die interne Konsistenz geprüft werden. Cronbachs Alpha ist verbreitet, aber nicht automatisch die beste oder einzige Kennzahl. McDonalds Omega ist häufig die aussagekräftigere Ergänzung, insbesondere wenn die Items nicht gleich stark zum Konstrukt beitragen.

Ein hoher Reliabilitätswert beweist allerdings nicht, dass eine Skala eindimensional ist. Sehr ähnliche oder redundant formulierte Items können Alpha künstlich erhöhen. Umgekehrt kann ein niedriger Wert auf heterogene Inhalte, eine kleine Itemzahl, Polungsprobleme oder eine ungeeignete Stichprobe hinweisen. Bei neu entwickelten Instrumenten oder unklarer Skalenstruktur ist eine explorative oder konfirmatorische Faktorenanalyse oft der methodisch passendere nächste Schritt.

Mittelwert, Summe oder Median?

Für einzelne Likert-Items sind Häufigkeiten und Prozentwerte fast immer sinnvoll. Ergänzend können Sie den Median und den Interquartilsabstand berichten. Diese Kennwerte respektieren die geordnete Natur der Antwortkategorien und machen sichtbar, wie sich die Befragten tatsächlich verteilt haben. Ein Mittelwert für ein Einzelitem kann beschreibend verwendet werden, sollte aber nicht den Eindruck einer präzisen metrischen Messung erzeugen.

Bei einem Skalenwert aus mehreren reliablen, inhaltlich homogenen Items ist ein Mittelwertscore in vielen Forschungsfeldern üblich und gut begründbar. Er hat einen praktischen Vorteil: Die Skala bleibt auf dem ursprünglichen Antwortbereich interpretierbar. Ein Mittelwert von 4,1 auf einer Skala von 1 bis 5 ist unmittelbar verständlicher als eine Summe von 41 bei zehn Items.

Ob Sie Mittelwerte inferenzstatistisch wie metrische Werte behandeln können, hängt dennoch von mehreren Faktoren ab: der Anzahl der Items, der Verteilung des Scores, der Stichprobengröße, möglichen Boden- oder Deckeneffekten sowie der Modellfrage. Ein Score aus acht oder zwölf gut funktionierenden Items verhält sich häufig näherungsweise intervallskaliert. Ein einzelnes, stark schief verteiltes Fünf-Punkte-Item dagegen nicht.

Welcher statistische Test passt zur Forschungsfrage?

Die Wahl des Tests folgt der abhängigen Variable und dem Studiendesign, nicht allein dem Etikett „Likert“. Vergleichen Sie einen ausreichend gut verteilten Skalenmittelwert zwischen zwei unabhängigen Gruppen, kann ein t-Test passend sein. Bei mehreren Gruppen kommt eine Varianzanalyse infrage. Für Zusammenhänge und Vorhersagen sind Korrelationen oder lineare Regressionsmodelle häufig sinnvoll, sofern deren Voraussetzungen geprüft und transparent behandelt werden.

Bei klar ordinalen Einzelitems oder stark problematischen Verteilungen sind ordinale Modelle oft die methodisch stärkere Wahl. Für Gruppenvergleiche bieten sich je nach Design beispielsweise Mann-Whitney-U- oder Kruskal-Wallis-Tests an. Diese Tests prüfen jedoch nicht schlicht „Medianunterschiede“, wie oft behauptet wird, sondern Unterschiede in den Rangverteilungen. Bei wiederholten Messungen gelten wiederum eigene Verfahren und Annahmen.

Ein ordinales Regressionsmodell ist besonders geeignet, wenn ein einzelnes Likert-Item die Zielvariable ist und mehrere Einflussfaktoren berücksichtigt werden sollen. Es nutzt die Rangordnung der Kategorien, ohne gleiche Abstände vorauszusetzen. Dafür müssen unter anderem die Modellannahmen, insbesondere die proportionalen Odds, geprüft werden. Die vermeintlich einfachere Methode ist daher nicht immer die wissenschaftlich sicherere.

Auch bei Skalenmittelwerten sollten Sie nicht nur auf einen Normalitätstest schauen. Bei größeren Stichproben wird dieser schnell signifikant, selbst wenn Abweichungen praktisch unbedeutend sind. Histogramme, Q-Q-Plots, Ausreißerdiagnostik und die Residuen des gewählten Modells liefern meist die bessere Grundlage für eine Entscheidung.

Ergebnisse so berichten, dass sie überprüfbar bleiben

Ein überzeugendes Reporting zeigt nicht nur p-Werte. Beschreiben Sie zunächst das Instrument: Anzahl der Items, Antwortformat, Polung, Bildungsregel des Scores und Umgang mit Missing Values. Berichten Sie anschließend Reliabilitätskennwerte und deskriptive Statistiken. Bei Gruppenvergleichen oder Modellen gehören Effektgrößen und Konfidenzintervalle dazu.

Eine sachliche Formulierung könnte lauten: „Die wahrgenommene Belastung wurde über acht Items auf einer fünfstufigen Zustimmungsskala erhoben. Nach Rekodierung zweier negativ formulierter Items wurde ein Mittelwertscore gebildet. Die interne Konsistenz war gut (Omega = .84). Höhere Werte zeigten eine höhere wahrgenommene Belastung an.“ Danach folgen die für Ihre Forschungsfrage relevanten Gruppenunterschiede oder Regressionsbefunde.

Vermeiden Sie es, aus einem statistisch signifikanten Unterschied automatisch eine starke praktische Relevanz abzuleiten. Bei großen Stichproben können sehr kleine Effekte signifikant werden. Umgekehrt kann eine klinisch oder fachlich relevante Tendenz bei kleiner Stichprobe statistisch unsicher bleiben. Die Interpretation braucht immer den fachlichen Kontext Ihrer Studie.

Wenn Skalenkonstruktion, Rekodierung oder Testwahl in Ihrer Arbeit strittig sind, ist eine methodische Prüfung vor der finalen Analyse meist deutlich effizienter als eine spätere Korrekturrunde. Bei Easy Statistik unterstützen promovierte Statistiker individuell bei der Auswertungsplanung, Umsetzung und wissenschaftlich sauberen Ergebnisdarstellung. Fordern Sie über das Kontaktformular eine diskrete Statistikberatung an - damit Ihre Skalenwerte nicht nur berechnet, sondern fachlich überzeugend begründet sind.