Likert Scale ควรใช้กี่ระดับ? เปรียบเทียบ 4, 5 และ 7 ระดับ เลือกแบบไหนให้เหมาะกับงานวิจัย

Likert Scale เป็นมาตรวัดที่พบได้บ่อยในงานวิจัยที่ต้องการศึกษาความคิดเห็น ทัศนคติ ความพึงพอใจ การรับรู้ หรือระดับการเห็นด้วยของผู้ตอบ ไม่ว่าจะเป็น Thesis, Dissertation, IS งานวิจัยทางการตลาด งานวิจัยด้านพฤติกรรมผู้บริโภค หรือการสำรวจความคิดเห็นภายในองค์กร

หนึ่งในคำถามที่มักเกิดขึ้นตั้งแต่ขั้นตอน ออกแบบแบบสอบถาม คือ Likert Scale ควรใช้กี่ระดับ? ควรเลือก 4 ระดับ 5 ระดับ หรือ 7 ระดับ และจำนวนระดับที่แตกต่างกันส่งผลต่อข้อมูลที่ได้อย่างไร

คำตอบคือ ไม่มีจำนวนระดับเดียวที่ดีที่สุดสำหรับทุกงานวิจัย เพราะการเลือก Response Scale ควรพิจารณาทั้งสิ่งที่ต้องการวัด ลักษณะของกลุ่มตัวอย่าง ความละเอียดของคำตอบที่ต้องการ การมีหรือไม่มีตัวเลือกกึ่งกลาง รวมถึงวิธีที่ข้อมูลจะถูกนำไปวิเคราะห์ในภายหลัง

ดังนั้น การเลือก Likert Scale จึงไม่ควรเกิดจากเหตุผลเพียงว่า “งานวิจัยส่วนใหญ่ใช้ 5 ระดับ” หรือเลือกตามงานวิจัยอื่นโดยไม่ได้พิจารณาว่า Scale นั้นเหมาะกับ Research Design ของงานตัวเองหรือไม่ Likert Scale คืออะไร?

Likert Scale เป็นรูปแบบมาตรวัดที่ใช้เพื่อวัดทัศนคติ ความคิดเห็น หรือการรับรู้ โดยให้ผู้ตอบเลือกระดับที่สะท้อนความคิดเห็นของตนต่อข้อความหรือข้อคำถามที่กำหนด

ตัวอย่างเช่น หากต้องการวัดระดับการเห็นด้วย อาจใช้:

1 = ไม่เห็นด้วยอย่างยิ่ง 2 = ไม่เห็นด้วย 3 = เป็นกลาง 4 = เห็นด้วย 5 = เห็นด้วยอย่างยิ่ง

หรือหากต้องการวัดความพึงพอใจ อาจใช้ตั้งแต่ “ไม่พึงพอใจอย่างยิ่ง” ไปจนถึง “พึงพอใจอย่างยิ่ง”

แม้ Likert Scale 5 ระดับ จะเป็นรูปแบบที่พบได้บ่อย แต่ไม่ได้หมายความว่า Likert Scale จำเป็นต้องมี 5 ระดับเสมอไป งานวิจัยสามารถใช้ 4, 5, 6, 7 หรือจำนวนระดับอื่นได้ หากมีเหตุผลรองรับตามสิ่งที่ต้องการวัด

สิ่งสำคัญจึงไม่ใช่เพียงว่า Likert Scale มีกี่ระดับ แต่คือจำนวนระดับนั้นสามารถสะท้อนความคิดเห็นของผู้ตอบได้เหมาะสมกับงานวิจัยมากน้อยเพียงใด

Likert Scale 4 ระดับ เหมาะกับงานวิจัยแบบไหน?

Likert Scale 4 ระดับ มีลักษณะสำคัญคือไม่มีตัวเลือกตรงกลาง หรือ Neutral Point เช่น

1 = ไม่เห็นด้วยอย่างยิ่ง 2 = ไม่เห็นด้วย 3 = เห็นด้วย 4 = เห็นด้วยอย่างยิ่ง

ผู้ตอบจึงต้องเลือกว่า ความคิดเห็นของตนเอนมาทางเห็นด้วยหรือไม่เห็นด้วย

รูปแบบนี้อาจเหมาะกับงานวิจัยที่ต้องการวัด ทิศทางของความคิดเห็นอย่างชัดเจน และผู้วิจัยมีเหตุผลรองรับว่าการมีคำตอบกึ่งกลางไม่จำเป็นสำหรับสิ่งที่กำลังวัด

ตัวอย่างหัวข้องานวิจัยที่อาจพิจารณา Likert Scale 4 ระดับ

• ทัศนคติของพนักงานต่อการนำระบบการทำงานรูปแบบใหม่มาใช้

• การยอมรับนโยบายด้านสิ่งแวดล้อมของผู้บริโภค

• ความคิดเห็นของบุคลากรต่อมาตรการด้านความปลอดภัยในองค์กร

อย่างไรก็ตาม ไม่ควรเลือก 4-point Likert Scale เพียงเพราะต้องการป้องกันไม่ให้ผู้ตอบเลือกคำตอบตรงกลาง

หากผู้ตอบสามารถมีความคิดเห็นเป็นกลางได้จริง การตัด Neutral Point ออกอาจบังคับให้ผู้ตอบเลือกคำตอบที่ไม่ได้สะท้อนความคิดเห็นของตนอย่างแท้จริง

ดังนั้น คำถามสำคัญก่อนเลือก 4 ระดับคือ “ผู้ตอบควรมีสิทธิ์ตอบเป็นกลางต่อเรื่องนี้หรือไม่?”

Likert Scale 5 ระดับ เหมาะกับงานวิจัยแบบไหน?

Likert Scale 5 ระดับ เป็นรูปแบบที่พบได้บ่อย เนื่องจากมีจำนวนตัวเลือกที่ไม่มากเกินไปและมี Midpoint อยู่ตรงกลาง เช่น

1 = ไม่พึงพอใจอย่างยิ่ง 2 = ไม่พึงพอใจ 3 = ปานกลาง 4 = พึงพอใจ 5 = พึงพอใจอย่างยิ่ง

ข้อดีคือโครงสร้างค่อนข้างเข้าใจง่าย ผู้ตอบไม่จำเป็นต้องแยกความแตกต่างระหว่างตัวเลือกจำนวนมาก และยังสามารถเลือกคำตอบกึ่งกลางได้หากมีความคิดเห็นเป็นกลางจริง

ตัวอย่างหัวข้องานวิจัยที่อาจพิจารณา Likert Scale 5 ระดับ

• ความพึงพอใจของลูกค้าต่อคุณภาพการให้บริการของโรงแรม

• ปัจจัยทางการตลาดที่มีอิทธิพลต่อการตัดสินใจซื้อผลิตภัณฑ์

• การรับรู้คุณภาพการบริการของผู้ใช้บริการโรงพยาบาล

• ความผูกพันของพนักงานต่อองค์กร

• ประสบการณ์ของผู้บริโภคในการใช้ Mobile Banking

• ความพึงพอใจของนักศึกษาต่อการเรียนการสอน

Likert Scale 5 ระดับจึงเป็นทางเลือกที่สามารถใช้ได้กับงานวิจัยหลากหลายประเภท โดยเฉพาะเมื่อกลุ่มตัวอย่างมีความหลากหลายหรือแบบสอบถามมีข้อคำถามจำนวนมาก

อย่างไรก็ตาม การที่ 5 ระดับเป็นรูปแบบที่นิยม ไม่ได้หมายความว่า 5 ระดับเหมาะที่สุดสำหรับทุกงานวิจัย

Likert Scale 7 ระดับ เหมาะกับงานวิจัยแบบไหน?

Likert Scale 7 ระดับ เพิ่มตัวเลือกขึ้นระหว่างสองขั้ว ทำให้ผู้ตอบสามารถแสดงระดับความคิดเห็นได้ละเอียดกว่า 5 ระดับ เช่น

1 = ไม่เห็นด้วยอย่างยิ่ง 2 = ไม่เห็นด้วย 3 = ค่อนข้างไม่เห็นด้วย 4 = เป็นกลาง 5 = ค่อนข้างเห็นด้วย 6 = เห็นด้วย 7 = เห็นด้วยอย่างยิ่ง

รูปแบบนี้อาจเหมาะเมื่อผู้วิจัยต้องการ ความละเอียดในการแยกความคิดเห็นมากขึ้น และกลุ่มตัวอย่างสามารถเข้าใจความแตกต่างระหว่าง Response Options แต่ละระดับได้อย่างมีความหมาย

ตัวอย่างหัวข้องานวิจัยที่อาจพิจารณา Likert Scale 7 ระดับ

• การรับรู้ภาพลักษณ์และคุณค่าของแบรนด์ในกลุ่มผู้บริโภค

• ปัจจัยที่มีอิทธิพลต่อ Brand Loyalty ของผู้บริโภคสินค้าระดับ Luxury

• ทัศนคติของบุคลากรต่อการนำเทคโนโลยี AI มาใช้ในองค์กร

• การรับรู้ความเสี่ยงและความไว้วางใจในการใช้บริการทางการเงินออนไลน์

• ความสัมพันธ์ระหว่าง Brand Experience, Perceived Value และ Purchase Intention

• งานวิจัยที่วัด Construct หลายด้านและต้องการแยกระดับความคิดเห็นอย่างละเอียด

ข้อได้เปรียบของ 7-point Scale คือผู้ตอบมีพื้นที่ในการแสดงระดับความคิดเห็นมากขึ้น แต่สิ่งนี้จะมีประโยชน์ก็ต่อเมื่อผู้ตอบสามารถแยกความแตกต่างของแต่ละระดับได้จริง

หากความแตกต่างระหว่าง “ค่อนข้างเห็นด้วย” กับ “เห็นด้วย” ไม่มีความหมายชัดเจนสำหรับผู้ตอบ การเพิ่มจำนวนระดับอาจทำให้แบบสอบถามซับซ้อนขึ้นโดยไม่ได้เพิ่มคุณภาพของข้อมูลตามไปด้วย

Likert Scale 5 ระดับ vs 7 ระดับ แบบไหนดีกว่า?

คำถามนี้ไม่มีคำตอบว่าแบบใดดีกว่าในทุกสถานการณ์

5-point Likert Scale มีข้อได้เปรียบด้านความเรียบง่ายและลดภาระในการตัดสินใจของผู้ตอบ ขณะที่ 7-point Likert Scale เปิดโอกาสให้ผู้ตอบแสดงความคิดเห็นได้ละเอียดมากขึ้น

ลองพิจารณางานวิจัยเรื่อง:

“ความพึงพอใจของประชาชนต่อการให้บริการของหน่วยงานภาครัฐ”

หากวัตถุประสงค์หลักคือต้องการทราบระดับความพึงพอใจโดยรวม และกลุ่มตัวอย่างมีความหลากหลาย 5 ระดับอาจให้รายละเอียดเพียงพอและตอบได้ง่าย

แต่หากเป็นงานวิจัยเรื่อง:

“อิทธิพลของ Brand Experience, Perceived Value และ Brand Trust ต่อ Brand Loyalty ของผู้บริโภคสินค้าระดับ Luxury”

ผู้วิจัยอาจพิจารณา 7 ระดับ หากต้องการให้ผู้ตอบสามารถแสดงความแตกต่างของทัศนคติในแต่ละ Construct ได้ละเอียดขึ้น และมีเหตุผลรองรับจากเครื่องมือหรือ Literature ที่เกี่ยวข้อง

อย่างไรก็ตาม ไม่ได้หมายความว่างานแรก ต้อง ใช้ 5 ระดับ หรืองานหลัง ต้อง ใช้ 7 ระดับ ตัวอย่างเหล่านี้เป็นเพียงการแสดงวิธีคิดในการเลือก Response Scale เท่านั้น

Likert Scale 4 ระดับ vs 5 ระดับ ต่างกันอย่างไร?

ความแตกต่างที่สำคัญไม่ได้อยู่ที่การเพิ่มตัวเลือกจาก 4 เป็น 5 เพียงหนึ่งระดับ แต่คือ การมีหรือไม่มี Midpoint

4-point Scale ทำให้ผู้ตอบต้องแสดงทิศทางของความคิดเห็น ขณะที่ 5-point Scale เปิดโอกาสให้เลือกคำตอบตรงกลางได้

ดังนั้น ก่อนเลือกระหว่าง 4 และ 5 ระดับ ควรถามว่า:

ผู้ตอบสามารถมีความคิดเห็นเป็นกลางต่อสิ่งที่กำลังวัดได้อย่างสมเหตุสมผลหรือไม่?

หากสามารถมีความคิดเห็นเป็นกลางได้จริง การมี Neutral Point อาจช่วยให้คำตอบสะท้อนความคิดเห็นของผู้ตอบได้เหมาะสมกว่า

Neutral ไม่เหมือนกับ “ไม่ทราบ” หรือ “ไม่มีประสบการณ์”

อีกประเด็นที่มักถูกมองข้ามในการออกแบบ Likert Scale คือ Neutral ไม่ได้มีความหมายเดียวกับ “ไม่ทราบ”

สมมติว่าถามว่า: “ท่านพึงพอใจกับบริการหลังการขายของบริษัทเพียงใด?”

ผู้ตอบที่เคยใช้บริการแล้วรู้สึกเฉย ๆ อาจตอบ “ปานกลาง” แต่ผู้ที่ ไม่เคยใช้บริการหลังการขายเลย ไม่ควรถูกบังคับให้เลือก “ปานกลาง” เพราะเขาไม่ได้มีความคิดเห็นเป็นกลาง แต่ไม่มีประสบการณ์เพียงพอที่จะประเมิน

ในกรณีนี้อาจเหมาะสมกว่าที่จะมีตัวเลือก: “ไม่เคยใช้บริการ / ไม่สามารถประเมินได้” แยกออกจาก Likert Scale นี่เป็นตัวอย่างที่แสดงว่า การออกแบบ Scale ไม่ได้มีเพียงการเลือกว่าใช้ 4, 5 หรือ 7 ระดับ แต่ต้องพิจารณาด้วยว่า แต่ละ Response Option มีความหมายอย่างไร

จำนวนระดับของ Likert Scale ส่งผลต่อข้อมูลอย่างไร?

จำนวนระดับที่เลือกเป็นตัวกำหนดว่าผู้ตอบสามารถแสดงความแตกต่างของความคิดเห็นได้ละเอียดเพียงใด หากมีระดับน้อย ผู้ตอบที่มีความคิดเห็นแตกต่างกันเล็กน้อยอาจต้องเลือกคำตอบเดียวกัน ทำให้ความละเอียดของข้อมูลลดลง

ในทางกลับกัน หากมีระดับมากเกินกว่าที่ผู้ตอบสามารถแยกความหมายได้จริง การเพิ่มตัวเลือกอาจไม่ได้สร้างข้อมูลเพิ่มเติมที่มีความหมาย และอาจเพิ่มความยากในการตอบแบบสอบถามแทน

นอกจากจำนวนระดับแล้ว Response Labels ก็มีความสำคัญ แต่ละระดับควรมีความหมายชัดเจน เรียงลำดับอย่างสมเหตุสมผล และใช้ทิศทางของคะแนนอย่างสอดคล้องกัน

ดังนั้น การเลือกว่า Likert Scale ควรใช้กี่ระดับจึงควรถูกพิจารณาตั้งแต่ขั้นตอนออกแบบแบบสอบถาม ไม่ใช่รอจนเก็บข้อมูลเสร็จแล้วจึงมาพิจารณาว่าข้อมูลที่ได้เหมาะกับการวิเคราะห์หรือไม่

Likert Scale ยิ่งมีระดับมาก ยิ่งได้ข้อมูลที่ดีกว่าหรือไม่?

ไม่เสมอไป การเพิ่มจาก 5 เป็น 7 ระดับอาจช่วยเพิ่มความละเอียดของคำตอบในบางสถานการณ์ แต่ไม่ได้หมายความว่าการเพิ่มเป็น 9, 10 หรือ 11 ระดับจะทำให้ข้อมูลมีคุณภาพสูงขึ้นเรื่อย ๆ

สิ่งสำคัญคือผู้ตอบต้องสามารถ แยกความหมายของแต่ละระดับได้จริง

คุณภาพของข้อมูลยังขึ้นอยู่กับปัจจัยอื่นอีกมาก เช่น ความชัดเจนของข้อคำถาม ความเหมาะสมของ Response Options ความยาวของแบบสอบถาม ลำดับคำถาม และความสามารถของข้อคำถามในการวัด Construct ที่ต้องการ Scale ที่มีจำนวนระดับมากจึงไม่สามารถชดเชยแบบสอบถามที่ออกแบบไม่เหมาะสมได้

แบบสอบถามเดียวกันใช้ Likert Scale ต่างจำนวนระดับกันได้หรือไม่?

สามารถทำได้ แต่ควรมีเหตุผลรองรับ ตัวอย่างเช่น Section หนึ่งอาจใช้ 5-point Likert Scale เพื่อวัดความพึงพอใจ ขณะที่อีก Section ใช้ 7-point Scale เนื่องจากนำเครื่องมือที่ได้รับการพัฒนาและตรวจสอบไว้แล้วจากงานวิจัยเดิมมาใช้

การมี Scale หลายรูปแบบในแบบสอบถามเดียวกันจึงไม่ได้ถือว่าผิดโดยอัตโนมัติ อย่างไรก็ตาม หากข้อคำถามหลายชุดกำลังวัดสิ่งที่มีลักษณะใกล้เคียงกัน การใช้จำนวนระดับและทิศทางของ Scale ให้สอดคล้องกันมักช่วยลดความสับสนของผู้ตอบ

ตัวอย่างเช่น หาก Section แรกใช้ 1–5 โดย 1 หมายถึง “ไม่เห็นด้วยอย่างยิ่ง” และ 5 หมายถึง “เห็นด้วยอย่างยิ่ง” แต่ Section ถัดไปเปลี่ยนเป็น 1–7 หรือกลับทิศทางคะแนนโดยไม่มีเหตุผลที่ชัดเจน ผู้ตอบต้องปรับวิธีคิดระหว่างทำแบบสอบถาม ซึ่งอาจเพิ่ม Cognitive Load และโอกาสเกิดความผิดพลาดในการตอบ

นอกจากนี้ การใช้ Scale ต่างจำนวนระดับกันยังมีประเด็นสำคัญในขั้นตอน วิเคราะห์และเปรียบเทียบคะแนน ด้วย

ถ้าใช้ Scale ไม่เท่ากัน สามารถเปรียบเทียบค่าเฉลี่ยได้หรือไม่?

นี่เป็นประเด็นที่ควรพิจารณาตั้งแต่ก่อนออกแบบแบบสอบถาม โดยเฉพาะหากงานวิจัยมีวัตถุประสงค์ที่จะนำคะแนนของหลาย Constructs หรือหลาย Dimensions มาเปรียบเทียบกัน

สมมติว่า:

ตัวแปร A ใช้ Likert Scale 5 ระดับ และได้ Mean = 4.20ตัวแปร B ใช้ Likert Scale 7 ระดับ และได้ Mean = 5.20

เราไม่ควรสรุปจากตัวเลขโดยตรงว่า: “ผู้ตอบให้คะแนนตัวแปร B สูงกว่าตัวแปร A”

เพียงเพราะ 5.20 สูงกว่า 4.20

สาเหตุคือคะแนนทั้งสองอยู่บน ช่วงของมาตรวัดที่แตกต่างกัน ตัวแปรแรกมีคะแนนสูงสุด 5 ขณะที่ตัวแปรที่สองมีคะแนนสูงสุด 7 ดังนั้นค่าเฉลี่ยดิบ (Raw Mean) จึงไม่ได้อยู่บนฐานเดียวกัน

ในทางคณิตศาสตร์สามารถคำนวณ Mean ของทั้งสองตัวแปรได้ แต่ ไม่ควรนำ Raw Mean จาก Scale ที่มีช่วงคะแนนต่างกันมาเปรียบเทียบกันโดยตรง แล้วตีความว่าตัวแปรใดได้รับการประเมินสูงกว่า

หากงานวิจัยมีวัตถุประสงค์ที่จะเปรียบเทียบคะแนนเฉลี่ยระหว่าง Constructs หรือ Dimensions โดยตรง การใช้ Response Scale ที่มีจำนวนระดับ ช่วงคะแนน และทิศทางเดียวกัน ตั้งแต่ต้นจะทำให้การเปรียบเทียบและการตีความตรงไปตรงมามากกว่า

ในบางกรณีสามารถพิจารณาแปลงคะแนนให้อยู่บนมาตรฐานเดียวกันก่อนเปรียบเทียบ แต่ควรกำหนดวิธีการอย่างเหมาะสมใน Analysis Plan และอธิบายวิธีการที่ใช้ให้ชัดเจน ไม่ควรแก้ปัญหาภายหลังด้วยการนำ Raw Mean ที่อยู่คนละ Scale มาเปรียบเทียบกันทันที นี่จึงเป็นอีกเหตุผลที่ การคิดถึงวิธีวิเคราะห์ข้อมูลตั้งแต่ขั้นตอนออกแบบแบบสอบถาม มีความสำคัญ

ถ้าใช้เครื่องมือจากงานวิจัยเดิม ควรเปลี่ยนจาก 5 เป็น 7 ระดับหรือไม่?

ควรระมัดระวังเป็นพิเศษ หากใช้ Validated Scale หรือเครื่องมือที่ได้รับการพัฒนาและตรวจสอบคุณสมบัติไว้ในงานวิจัยเดิม การเปลี่ยน Response Scale จาก 5 เป็น 7 ระดับ หรือจาก 7 เป็น 5 ระดับ ไม่ควรทำเพียงเพราะผู้วิจัยรู้สึกว่าอีกแบบหนึ่งน่าจะดีกว่า

การเปลี่ยนจำนวน Response Categories ถือเป็นการเปลี่ยนลักษณะของเครื่องมือจากฉบับเดิม และอาจมีผลต่อคุณสมบัติการวัดของ Scale

ดังนั้น หากอ้างอิงเครื่องมือจาก Literature เดิม ควรตรวจสอบว่าต้นฉบับใช้ Scale รูปแบบใด มีการดัดแปลงหรือ Validation ในบริบทอื่นไว้อย่างไร และหากจำเป็นต้องปรับ ควรมีเหตุผลทางระเบียบวิธีรองรับ

แล้วควรเลือก Likert Scale 4, 5 หรือ 7 ระดับ?

แทนที่จะเริ่มจากคำถามว่า “แบบไหนดีที่สุด?” ควรพิจารณาว่า แบบไหนเหมาะกับงานวิจัยของเรามากที่สุด

ประเด็นสำคัญที่ควรพิจารณา ได้แก่:

• Research Objective ต้องการวัดอะไร

• Construct หรือ Variable มีลักษณะอย่างไร

• กลุ่มตัวอย่างเป็นใคร

• ผู้ตอบสามารถแยกความแตกต่างระหว่างระดับคำตอบได้มากน้อยเพียงใด

• จำเป็นต้องมี Neutral Point หรือไม่

• แบบสอบถามมีความยาวเท่าใด

• เครื่องมือที่อ้างอิงจากงานวิจัยเดิมใช้ Scale แบบใด

• ต้องการความละเอียดของข้อมูลระดับใด

• มีแผนเปรียบเทียบคะแนนระหว่าง Constructs หรือไม่

• ข้อมูลจะถูกนำไปวิเคราะห์ด้วยวิธีใด

โดยเฉพาะสองข้อสุดท้ายไม่ควรถูกมองข้าม เพราะการเลือก Scale เกิดขึ้น ก่อนเก็บข้อมูล แต่ผลของการตัดสินใจนั้นจะตามไปถึงขั้นตอนวิเคราะห์และแปลผล

หากงานยังอยู่ในขั้นตอนพัฒนาเครื่องมือ การออกแบบและตรวจสอบแบบสอบถามให้สอดคล้องกับวัตถุประสงค์ ตัวแปร กลุ่มตัวอย่าง และแผนการวิเคราะห์ข้อมูล ตั้งแต่ต้น สามารถช่วยลดปัญหาที่แก้ไขได้ยากหลังจากเก็บข้อมูลเรียบร้อยแล้ว

สำหรับงานที่มีข้อมูลแล้วและต้องการพิจารณาว่าข้อมูลจาก Likert Scale ควรวิเคราะห์อย่างไร บริการวิเคราะห์ข้อมูลทางสถิติด้วย SPSS ของ Data Investigator สามารถช่วยพิจารณาวิธีวิเคราะห์ให้สอดคล้องกับ Research Objectives, Hypotheses และลักษณะของข้อมูลในงานวิจัยแต่ละประเภทได้

สรุป

Likert Scale ไม่มีจำนวนระดับเดียวที่ดีที่สุดสำหรับทุกงานวิจัย 4-point Scale ไม่มี Neutral Point จึงอาจเหมาะกับงานที่มีเหตุผลให้ผู้ตอบแสดงทิศทางของความคิดเห็น ขณะที่ 5-point Scale มีความเรียบง่ายและมีตัวเลือกกึ่งกลาง ส่วน 7-point Scale ให้ความละเอียดในการแสดงความคิดเห็นเพิ่มขึ้น

แต่การเลือกจำนวนระดับไม่ได้ส่งผลเฉพาะต่อประสบการณ์ของผู้ตอบเท่านั้น ยังส่งผลต่อ ลักษณะของข้อมูลและวิธีการนำคะแนนไปเปรียบเทียบและวิเคราะห์ในภายหลัง

โดยเฉพาะหากต้องการเปรียบเทียบ Mean ระหว่างหลาย Constructs การใช้ Scale ที่มีช่วงคะแนนต่างกันอาจทำให้ไม่สามารถนำ Raw Mean มาเปรียบเทียบกันตรง ๆ ได้อย่างเหมาะสม

ดังนั้น แทนที่จะถามเพียงว่า: “Likert Scale ควรใช้ 4, 5 หรือ 7 ระดับ?”

คำถามที่เหมาะสมกว่าคือ: “จำนวนระดับแบบใดเหมาะกับสิ่งที่ต้องการวัด กลุ่มตัวอย่าง และวิธีที่เราต้องการนำข้อมูลไปวิเคราะห์?” เพราะการเลือก Response Scale เป็นส่วนหนึ่งของ Research Design และควรถูกพิจารณาตั้งแต่ก่อนเริ่มเก็บข้อมูล สอบถามข้อมูลเพิ่มเติมกรุณาติดต่อ:

อีเมล์: info@datainvestigatorth.com

ไลน์: @datainvestigator     โทร: 063-969-7944