李克特量表(Likert scale)
1. 李克特量表
李克特(Likert)量表是属评分加总式量表最常用的一种，属同一构念的这些项目是用加总方式来计分，单独或个别项目是无意义的。
它是由美国社会心理学家利克特于1932年在原有的总加量表基础上改进而成的。
该量表由一组陈述组成，每一陈述有“非常同意”、“同意”、“不一定”、“不同意”、“非常不同意”五种回答，分别记为1，2，3，4，5，每个被调查者的态度总分就是他对各道题的回答所的分数的加总，这一总分可说明他的态度强弱或她在这一量表上的不同状态。
李克特量表形式上与沙氏通量表相似，都要求受测者对一组与测量主题有关陈述语句发表自己的看法。
它们的区别是，沙氏通量表只要求受测者选出他所同意的陈述语句，而李克特量表要求受测者对每一个与态度有关的陈述语句表明他同意或不同意的程度。
另外，沙氏通量表中的一组有关态度的语句按有利和不利的程度都有一个确定的分值，而李克特量表仅仅需要对态度语句划分是有利还是不利，以便事后进行数据处理。
2. 李克特量表构作的基本步骤如下：
（1）收集大量（50～100）与测量的概念相关的陈述语句。
（2）由研究人员根据测量的概念将每个测量的项目划分为“有利”或“不利”两类，一般测量的项目中有利的或不利的项目都应有一定的数量。
（3）选择部分受测者对全部项目进行预先测试，要求受测者指出每个项目是有利的或不利的，并在下面的方向-强度描述语中进行选择，一般采用所谓“五点”量表：
a．非常同意
b．同意
c．无所谓（不确定）
d．不同意
e．非常不同意
（4）对每个回答给一个分数，如从非常同意到非常不同意的有利项目分别为1、2、3、4、5分，对不利项目的分数就为5、4、3、2、1。
（5）根据受测者的各个项目的分数计算代数和，得到个人态度总得分，并依据总分多少将受测者划分为高分组和低分组。
（6）选出若干条在高分组和低分组之间有较大区分能力的项目，构成一个李克特量表。
如可以计算每个项目在高分组和低分组中的平均得分，选择那些在高分组平均得分较高并且在低分组平均得分较低的项目。
3. 李克特量表的应用
李克特量表的构造比较简单而且易于操作，因此在市场营销研究实务中应用非常广泛。
在实地调查时，研究者通常给受测者一个“回答范围”卡，请他从中挑选一个答案。
需要指出的是，目前在商业调查中很少按照上面给出的步骤来制作李克特量表，通常由客户项目经理和研究人员共同研究确定。
4. 李克特量表的优点
（1）容易设计；
（2）使用范围比其他量表要广，可以用来测量其他一些量表所不能测量的某些多维度的复杂概念或态度。
（3）通常情况下，利克特量表比同样长度的量表具有更高的信度。
（4）利克特量表的五种答案形式使回答者能够很方便的标出自己的位置
5. 李克特量表的缺点
相同的态度的分值具有十分不同的态度形态。
因为利克特量表是一个项目总加的分代表一个人的赞成程度，它可大致上区分个体间谁的态度高，谁的低，但无法进一步描述他们的态度结构差异。
如何用SPSS对李克特量表进行分析
第一步：建立数据
1. 打开SPSS
2. 在左下角点”variable view”
3. 在左上角输入“调查问卷”——将“Type类型”调成“sting字符型”——“Decimals 小数点”位数改成“0”
4. 从第二行开始依次输入“问题1，问题2，问题N”，并在每个问题的“Values 变量值”在输入：变量值Values框中为“1”/标签Label框中“非常不同意”点“add 添加”；然后依次输入2不同意3不一定4同意5非常同意
5. 以同样的方式输完所有的问题
第二步：输入数据
1. 左下角选“Data View数据视图”
2. 将每份问卷每道题的结果输入对应的框中
3. 以同样的方式将150份问卷输入
第三步：分析数据
1．在标题栏选择“Analyze分析”——“Description statistics描述性统计”——“Frequencies频数分析”
2．在频数分析对话框中，从左框选择要分析的问题到右框中
3．选择“Statistics统计”出现对话框
4．选择对应输出项即可：Mean平均数Std. deviation标准差variance方差range极差max最大min最小
5．同时也可以用“charts图表”选择要输出的图形
6．点击“OK确定”即可
7．然后再Output表中读取分析结果
8．注：因为所要分析的比较简单，能够很直观的从结果中分析出来，所以结果分析就不多解释了
PS：当然Excel也可以完成这样的分析，但SPSS软件比起Excel来要更专业些，所以用spss做出来的结果更容易得到认可，也容易得高分，并且对于更复杂的问题Excel就显的不够用了
表5 级差分析
虚拟产品品牌处理器内存价格评价分数
A 3(惠普) 3(4 GHz) 1(256 MB) 2(11198 元) 82
B 1(IBM) 2(3 GHz) 3(1 GB）2(11198 元) 88
C 3(惠普) 1(2 GHz) 3(1 GB）3(13598 元) 75
D 2(戴尔) 1(2 GHz) 2(512 MB) 2(11198 元) 67
E 2(戴尔) 3(4 GHz) 3(1 GB) 1(8798 元) 96
F 1(IBM) 1(2 GHz) 1(256 MB) 1(8798 元) 90
G 1(IBM) 3(4 GHz) 2(512 MB) 3(13598 元) 80
H 2(戴尔) 2(3 GHz) 1(256 MB) 3(13598 元) 70
I 3(惠普) 2(3 GHz) 2(512 MB) 1(8798 元) 95
水K1 258 232 242 281
平K2 233 253 242 237
和K3 252 258 259 225
743
水平k1 86 77.33 80.67 93.67
均值k2 77.67 84.33 80.67 79
k3 84 86 86.33 75
级差R 8.33 8.67 5.66 18.67
我们先用级差分析的方法来计算属性
的效用。
在表5 中，K是每个属性的各个水
平之和；由于每个属性的每个水平重复了三
次，故可求出个属性水平的均值k；用每个
属性的最大平均值减去最小平均值得个属
性的级差R。
R越大，说明该因素对结果的
影响越大。
在上表中，价格的影响显然最大
的。
从平均值看，品牌以IBM 最好，处理
器以4GHz最好，内存以1GMB最好，价格
以8798 元最好，所以综合了这几个特征的
产品是最受欢迎的。
在上面的例子中，我们初步得出品牌
IBM，处理器4 GHz，内存1GMB，价格8798
元的产品是最好的，但这个组合我们没有进
行处理，需要进一步地验证它。
我们可以通
过方差分析来验证它。
经计算，得出：SS
总
= 884.22；SS
品牌
= 113.55；SS
处理器
=126.89；
SS
内存
= 64.22；SS
价格
= 579.55；我们将内
存的方差作为误差项就会得到 F
品牌
=1.768；
F
处理器
=1.976；F
价格
=9.024。
因为F
0.05
(2,2) =
19.00，所以品牌、价格和处理器均未达到显
著水平，这说明这四种属性对消费者的重要
性是相同的。
在使用正交试验时，我们假定
了消费者的选择模型是加法模型，由每一种-104- 心理科学进展2005 年属性的最好水平组合成的产品肯定是最受
欢迎的，上面的方差分析也验证了这一点。
但消费者的愿望与商家的期望是相反的，这
种产品厂家赚不到好的利润，自然不会生
产。
厂家会在市场分额与利润之间做出权
衡，同时消费者也只能在厂家提供的产品中
做出选择。