Likert Ölçeğine Hangi İstatistik Testi Uygulanır?

Likert Ölçeğine Hangi İstatistik Testi Uygulanır?

Anketinizde "1-Kesinlikle Katılmıyorum … 5-Kesinlikle Katılıyorum" şeklinde bir Likert ölçeği kullandınız. Şimdi hangi testi uygulayacaksınız? Bu soru onlarca yıldır metodoloji tartışmalarının merkezinde yer almaktadır. Doğru cevap, ölçeğin nasıl ele alındığına bağlıdır; bu yazıda iki yaklaşımı ve pratik karar rehberini bulacaksınız.

İki Temel Yaklaşım

Yaklaşım 1 — Ordinal (sıralı) veriymiş gibi davranmak: Her madde ayrı ayrı analiz edilir, parametrik olmayan testler tercih edilir. Tek maddelik sorularda önerilir.

Yaklaşım 2 — Sürekli (interval) veriymiş gibi davranmak: Birden fazla madde toplanarak alt boyut skoru elde edilir ve parametrik testler kullanılır. Güvenilirliği (α ≥ .70) kanıtlanmış çok maddelik ölçeklerde yaygın kabul görür.

Karar Tablosu

Normallik Kontrolü Zorunlu mu?

Ölçek toplam puanı için normallik kontrolü yapılmalıdır. Shapiro-Wilk (N < 50) veya Kolmogorov-Smirnov (N ≥ 50) testleri kullanılabilir. p > 0.05 ise parametrik teste geçebilirsiniz; p ≤ 0.05 ise veya histogram çarpık görünüyorsa parametrik olmayan testi tercih edin.

Tezde Nasıl Yazılır?

"Veriler Likert tipi (1–5) ölçekle toplanmış olup her alt boyut için madde ortalamaları hesaplanmıştır. Shapiro-Wilk normallik testi sonucunda alt boyut puanlarının normal dağılım gösterdiği belirlenmiş (p > .05) ve gruplar arası karşılaştırmalarda bağımsız örneklem t-testi uygulanmıştır."

Normallik testinizi yapmak için → Analizus Normallik Testi aracını kullanın.

"Likert Maddesi" ile "Likert Ölçeği" Arasındaki Kritik Fark

Rensis Likert'in özgün katkısı tek madde değil, birden fazla maddenin toplamından oluşan ölçektir. Tek bir "1–5 arası değerlendirin" sorusu Likert maddesidir; beş veya daha fazla böyle maddenin güvenilirliği kanıtlanmış toplamı ise Likert ölçeğidir. Bu ayrım test seçimini doğrudan etkiler: tek madde için non-parametrik testler önerilirken çok maddelik ve güvenilirliği yüksek ölçekler için parametrik testler kullanılabilir. Tezinizde tek soru mu, yoksa ölçek mi kullandığınızı açıkça belirtmek danışmanınızın ve jürinin güvenini artırır.

Skewness ve Kurtosis: Parametrik Test Eşikleri

Normallik testi (Shapiro-Wilk veya KS) p değeri ≤ .05 çıktığında parametrik testten vazgeçmek her zaman zorunlu değildir. Büyük örneklemlerde (N > 100) bu testler küçük sapmalarda bile anlamlı sonuç verir. Bu durumda çarpıklık (skewness) ve basıklık (kurtosis) değerleri daha güvenilir bir kılavuzdur:

Tezde: "Skewness değeri .43, kurtosis değeri −.67 olup dağılımın normal sınırlar içinde kaldığı değerlendirilmiş ve parametrik test tercih edilmiştir."

Faktör Analizi ile İlişki

Likert maddelerinden oluşan bir ölçeğe test uygulamadan önce faktör yapısını doğrulamak iyi uygulamadır. Açımlayıcı faktör analizi (AFA) veya doğrulayıcı faktör analizi (DFA) ölçeğin kaç boyutlu olduğunu ortaya koyar. Tek boyutlu bir ölçeğin toplam puanını kullanmak makul; çok boyutlu bir ölçeğin tüm maddelerini tek puanda toplamak ise hatalıdır. Bu durumda her alt boyut ayrı analiz edilmelidir.

Hem Parametrik Hem Non-Parametrik: İkisini Birden Yapmak

Bazı araştırmacılar sınırda kalan normallik bulgularında hem parametrik hem non-parametrik testin sonuçlarını raporlar. İki yöntem aynı sonucu veriyorsa bulgular güçlü; farklı sonuç veriyorsa non-parametrik sonuca ağırlık verilir ve bu tercih gerekçelendirilir. Bu yaklaşım özellikle keşifsel çalışmalarda ve Likert maddelerinin doğrudan analiz edildiği durumlarda metodolojik şeffaflık sağlar.

Karar Özeti: Hızlı Referans

Analiz öncesi kendinize üç soru sorun: (1) Tek madde mi, çok maddelik ölçek mi? (2) Normal dağılım sağlandı mı (skewness ve kurtosis değerlendirmesi dahil)? (3) Cronbach Alpha ≥ .70 mi? Bu üç sorunun yanıtı doğru testi belirler ve tezinizin Yöntem bölümünde bu gerekçeleri açıkça sunmanız jüri güvenini artırır.

Örneklem Büyüklüğünün Test Seçimine Etkisi

Küçük örneklemlerde (N < 30) normallik testleri yetersiz güce sahiptir; gerçekte normal olmayan bir dağılımı gözden kaçırabilir. Bu durumda histogram ve Q-Q grafiği görsel inceleme açısından daha bilgilendiricidir. Büyük örneklemlerde (N > 200) ise normallik testleri aşırı hassas hâle gelir; gerçekte çok küçük sapmaları dahi anlamlı bulur. Bu nedenle parametrik/non-parametrik karar sürecinde örneklem büyüklüğü, normallik testi p değeri ile birlikte değerlendirilmelidir.

Merkezi Limit Teoremi uyarınca N ≥ 30 olan gruplarda örneklem ortalamasının dağılımı normal dağılıma yaklaşır. Bu nedenle bazı kaynaklarda "N ≥ 30 ise parametrik test kullanılabilir" yargısı yer alır. Ancak bu kural aşırı basitleştirilmiştir; ciddi çarpıklık (|skewness| > 1.5) veya uç değer varlığında daha büyük örneklemlerde de non-parametrik test tercih edilebilir.

Tezde İki Yaklaşımı Birlikte Raporlamak

Yöntemsel şeffaflık açısından bazı araştırmacılar hem parametrik hem non-parametrik sonuçları yan yana sunar. Sonuçlar tutarlıysa güçlü bir metodolojik destek sağlar; farklı çıkarsa bulgular bölümünde fark tartışılır. Örnek metin: "Dağılımın normallik sınırında seyretmesi nedeniyle hem t-testi [t(78) = 2.34, p = .022, d = 0.52] hem de Mann-Whitney U testi [U = 612, p = .019, r = .26] uygulanmış; her iki testin de gruplar arasında anlamlı farklılığa işaret ettiği görülmüştür."

Kaynakça:
Norman, G. (2010). Likert scales, levels of measurement and the "laws" of statistics. Advances in Health Sciences Education, 15(5), 625–632.
Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). Sage.