Wie wertet man Likert-Skalen korrekt aus?

Was ist eine Likert-Skala – und was nicht?

Die Auswertung von Likert-Skalen hängt entscheidend davon ab, ob Sie ein einzelnes Item oder eine aus mehreren Items zusammengesetzte Skala vorliegen haben. Dieser Unterschied bestimmt, welche Kennwerte und Tests methodisch zulässig sind – und er wird in Abschlussarbeiten erstaunlich häufig verwechselt.

Eine Likert-Skala im ursprünglichen Sinne besteht aus mehreren Items, die dasselbe latente Konstrukt messen und zu einem Gesamtwert aggregiert werden. Ein klassisches Beispiel: Fünf Fragen zur Arbeitszufriedenheit, deren Einzelantworten zu einem Summen- oder Mittelwert verrechnet werden. Ein einzelnes Likert-Item hingegen ist eine einzige Aussage mit gestuften Antwortmöglichkeiten wie „stimme voll zu“ bis „stimme gar nicht zu“.

Skalenniveau: Der entscheidende Streitpunkt

Die Frage, ob Likert-Daten ordinal oder intervallskaliert zu behandeln sind, ist in der Methodenliteratur seit Jahrzehnten umstritten – und in der Praxis oft entscheidend dafür, welche statistischen Verfahren Sie einsetzen dürfen.

Das ordinale Argument

Antwortoptionen wie „stimme nicht zu – stimme eher nicht zu – unentschieden – stimme eher zu – stimme zu“ besitzen eine klare Rangordnung. Was sie nicht besitzen, sind nachweislich gleiche Abstände zwischen den Stufen. Der Abstand zwischen „unentschieden“ und „stimme eher zu“ ist subjektiv vermutlich nicht identisch mit dem Abstand zwischen „stimme eher zu“ und „stimme voll zu“. Ordinalen Antwortkategorien Eigenschaften zuzuschreiben, die eigentlich für Intervallskalen gelten, ist einer der häufigsten methodischen Fehler im Umgang mit Likert-Daten.

Das pragmatische Gegenargument

Dennoch: Die meisten empirischen Arbeiten in Psychologie, Sozialwissenschaften und Medizin berichten Mittelwerte über Likert-Skalen – und werden in peer-reviewten Zeitschriften veröffentlicht. Die methodische Realität ist, dass ein aus mehreren Items gebildeter Summen- oder Mittelwert unter bestimmten Bedingungen eher wie eine intervallskalierte Messung behandelt werden kann. Die Kodierung mit Zahlen allein erzeugt zwar keine gleichen Abstände, aber gut konstruierte Mehr-Item-Skalen nähern sich in ihrer Verteilung häufig so stark einer Intervallskala an, dass parametrische Verfahren vertretbar sind.

Die entscheidende Faustregel lautet: Einzelnes Item → ordinal behandeln. Aggregierte Skala aus ≥ 5 Items → parametrische Auswertung vertretbar.

Einzelitem oder Summenskala – was liegt vor?

Bevor Sie mit der Auswertung beginnen, müssen Sie klären, mit welchem Datentyp Sie es zu tun haben. Die Entscheidung beeinflusst nicht nur die Wahl der Kennwerte, sondern auch, welche Tests infrage kommen.

Wenn Sie sich fragen, welche statistische Analysemethode für Ihren Fragebogen grundsätzlich geeignet ist, gibt der Artikel zu statistischen Analysemethoden für Fragebögen eine strukturierte Übersicht.

Deskriptive Auswertung: Kennwerte korrekt wählen

Die deskriptive Statistik ist der erste Schritt jeder Likert-Auswertung. Hier zeigt sich bereits, welche Darstellungsform methodisch sauber ist.

Bei Einzelitems

Berichten Sie Häufigkeiten und Prozentwerte für jede Antwortkategorie sowie den Median als Lagemaß und den Interquartilsabstand (IQR) als Streuungsmaß. Ein Balkendiagramm, das die Verteilung der Antworten zeigt, ist hier deutlich informativer als ein einzelner Mittelwert.

Wenn Sie trotzdem einen Mittelwert berichten – was in der Praxis häufig vorkommt –, fügen Sie unbedingt die Häufigkeitsverteilung hinzu. Ein Mittelwert von 3,2 auf einer 5-Punkte-Skala kann aus sehr unterschiedlichen Verteilungen entstehen und ist ohne Kontext wenig aussagekräftig.

Bei aggregierten Skalen

Für eine aus mehreren Items gebildete Summenskala sind Mittelwert und Standardabweichung üblich und methodisch vertretbar – vorausgesetzt, Sie haben die interne Konsistenz der Skala geprüft (dazu mehr im Abschnitt zu Cronbachs Alpha).

Der Skalenwert einer Person i ergibt sich als Mittelwert über alle k Items der Skala. Bei rekodierten Items (negativ gepolten Fragen) muss die Umpolung vor der Aggregation erfolgen – ein häufig vergessener Schritt, der die Ergebnisse stark verzerren kann.

Inferenzstatistik: Welcher Test ist geeignet?

Welche Hypothesentests Sie einsetzen, hängt von drei Faktoren ab: dem Skalenniveau, der Anzahl der Gruppen und der Verteilung Ihrer Daten.

Nichtparametrische Tests für Einzelitems

Bei einzelnen Likert-Items sind nichtparametrische Verfahren die methodisch sauberere Wahl:

• Mann-Whitney-U-Test: Vergleich von zwei unabhängigen Gruppen (z. B. Männer vs. Frauen)
• Wilcoxon-Vorzeichen-Rang-Test: Vergleich von zwei abhängigen Messungen (z. B. Vorher-Nachher)
• Kruskal-Wallis-H-Test: Vergleich von drei oder mehr unabhängigen Gruppen
• Spearman-Korrelation: Zusammenhang zwischen zwei ordinalen Variablen

Beim direkten Vergleich verschiedener Testverfahren an Likert-Typ-Daten zeigt sich, dass der Kruskal-Wallis-Test auch bei stark schiefen Verteilungen signifikante Effekte zuverlässig identifizieren kann, während ANOVA durch die Varianzannahmen eingeschränkt sein kann. Das ist ein wichtiger Grund, bei Einzelitems nicht einfach der „bequemeren“ parametrischen Variante zu folgen.

Parametrische Tests für aggregierte Skalen

Wenn Sie mit einer gut konstruierten Summenskala arbeiten, sind folgende Tests vertretbar:

• t-Test: Vergleich zweier Gruppen auf Mittelwertebene
• ANOVA: Vergleich von drei oder mehr Gruppen – mehr dazu im Artikel wann ANOVA und wann t-Test sinnvoll ist
• Pearson-Korrelation: Linearer Zusammenhang zwischen zwei quasi-metrischen Skalen
• Lineare Regression: Vorhersage einer Skala durch eine oder mehrere Prädiktoren

Prüfen Sie bei parametrischen Tests immer die Voraussetzungen: Normalverteilung der Residuen (bei kleinen Stichproben relevant), Homogenität der Varianzen und – bei Regressionsmodellen – das Fehlen von Multikollinearität. Eine detaillierte Schritt-für-Schritt-Anleitung bietet die Seite zur Fragebogenauswertung mit SPSS.

Ordinale logistische Regression als Alternative

Wenn Sie eine ordinal skalierte abhängige Variable durch mehrere Prädiktoren erklären wollen, ist die ordinale logistische Regression methodisch die eleganteste Lösung. Sie macht keine Annahme gleicher Abstände, setzt aber das sogenannte Proportional-Odds-Modell voraus – das sollte im Rahmen der Modelldiagnostik überprüft werden.

Reliabilität prüfen: Cronbachs Alpha

Bevor Sie Einzelitems zu einer Skala aggregieren, müssen Sie nachweisen, dass die Items dasselbe Konstrukt messen – also intern konsistent sind. Das Standardmaß dafür ist Cronbachs Alpha (α).

Dabei ist k die Anzahl der Items, die Varianz des einzelnen Items und die Varianz des Gesamtscores.

Als Faustregel gelten folgende Richtwerte:

• α ≥ 0,90: Exzellent
• α ≥ 0,80: Gut – für die meisten Forschungskontexte ausreichend
• α ≥ 0,70: Akzeptabel – für explorative Studien und Bachelorarbeiten häufig vertretbar
• α < 0,70: Problematisch – Skala sollte überarbeitet oder kritisch diskutiert werden

Wie die Reliabilität eines Fragebogens systematisch überprüft wird, beschreibt der Artikel zur Reliabilitätsprüfung von Fragebögen ausführlicher.

Häufige Fehler bei der Auswertung

In der Praxis wiederholen sich bestimmte methodische Fehler immer wieder – gerade dann, wenn Studierende unter Zeitdruck auswerten. Die folgende Liste zeigt die häufigsten Stolperstellen:

Schritt-für-Schritt-Vorgehen für Ihre Abschlussarbeit

Wenn Sie Ihre Likert-Daten systematisch auswerten wollen, hilft dieses strukturierte Vorgehen:

1. Daten kodieren und bereinigen: Prüfen Sie fehlende Werte, Eingabefehler und Ausreißer. Eine Anleitung zur korrekten Kodierung finden Sie im Artikel über das Kodieren von Fragebogendaten.
2. Negative Items rekodieren: Umpolen aller Items, die in entgegengesetzter Richtung formuliert sind.
3. Skalentyp bestimmen: Einzelitem oder Mehr-Item-Skala? Diese Entscheidung legt den gesamten weiteren Auswertungsweg fest.
4. Reliabilität prüfen (bei Skalen): Cronbachs Alpha berechnen, Item-Trennschärfen kontrollieren, ggf. Items ausschließen.
5. Summenscore oder Mittelwert berechnen (bei Skalen): Alle verbleibenden Items aggregieren.
6. Deskriptive Statistik: Häufigkeiten, Median/Mittelwert, IQR/Standardabweichung – je nach Skalentyp.
7. Verteilung prüfen: Histogramm, Boxplot, ggf. Shapiro-Wilk-Test als Voraussetzung für parametrische Tests.
8. Inferenzstatistik: Test wählen basierend auf Skalenniveau, Gruppenanzahl und Verteilung.
9. Effektstärke berichten: Cohen’s d, eta², r – je nach verwendetem Test. Signifikanz allein ist keine ausreichende Aussage.
10. Ergebnisse dokumentieren und interpretieren: Tabellen und Grafiken im Ergebnisteil, inhaltliche Einordnung im Diskussionsteil.

Wer seinen gesamten Fragebogen – von der Datenaufbereitung bis zur Interpretation – professionell begleitet haben möchte, findet auf der Seite zur Unterstützung beim Fragebogen für empirische Abschlussarbeiten einen Überblick über die verfügbaren Beratungsangebote.

Und wenn Sie noch unsicher sind, welche konkrete Auswertungsstrategie zu Ihrem Design passt: Die Seite zum professionellen Auswerten von Fragebögen zeigt, wie eine strukturierte Analyse von Umfragedaten methodisch aufgebaut wird.