Kort samengevat:
- De schaal van Likert meet de mate van instemming of tevredenheid met gestandaardiseerde antwoordopties. Het wordt vooral gebruikt bij klanttevredenheidsonderzoeken, waarbij respondenten op een 5- of 7-punts schaal aangeven hoe ze een situatie beoordelen. Correct gebruik vereist volledige labeling, testfase en recoding van negatieve items voor betrouwbare resultaten.
De schaal van Likert is een meetinstrument waarmee attitudes en meningen kwantitatief worden vastgelegd via een reeks gestandaardiseerde antwoordopties. Rensis Likert ontwikkelde deze methode in 1932, en sindsdien is de 5-punts schaal de gouden standaard voor klanttevredenheidsonderzoek. De naam wordt correct uitgesproken als “LICK-ert”, niet “LIKE-ert”. Professionals die klanttevredenheid meten, vertrouwen op deze schaal omdat ze kwalitatieve meningen omzet in kwantificeerbare data. Zo worden trends zichtbaar, vergelijkingen mogelijk en verbeteringen meetbaar.
Wat is de schaal van Likert en hoe werkt zij?
De schaal van Likert meet de mate van instemming of tevredenheid van een respondent op een geordende reeks antwoordopties. Een klassiek voorbeeld loopt van “zeer mee oneens” via “neutraal” naar “zeer mee eens”. Elke optie krijgt een cijfer, doorgaans 1 tot en met 5, waardoor de antwoorden rekenkundig verwerkt kunnen worden. Afzonderlijke vragen heten Likert-items. Een volledige Likertschaal is de som of het gemiddelde van minimaal vier van deze items, wat de betrouwbaarheid van de totaalscore aanzienlijk vergroot.
Klanttevredenheidsonderzoek profiteert direct van deze opzet. Waar een open vraag leidt tot tekst die moeilijk te vergelijken is, geeft een Likert-item een getal dat u kunt aggregeren, vergelijken en in grafieken weergeven. Organisaties die beleving structureel meten zien dat Likert-data trends sneller zichtbaar maakt dan kwalitatieve methoden. De schaal is daarmee geen simpele smiley, maar een statistisch onderbouwd meetinstrument.
Welke soorten Likert schalen bestaan er?
De 5-punts schaal als standaard
De 5-punts Likertschaal biedt voldoende nuance zonder de respondent te overbelasten. De vijf opties zijn: “zeer mee oneens”, “mee oneens”, “neutraal”, “mee eens” en “zeer mee eens”. Deze opzet werkt goed in klantonderzoek omdat respondenten de schaal intuïtief begrijpen en snel kunnen invullen. De cognitieve belasting blijft laag, wat de respons verhoogt en de kwaliteit van de data beschermt.
De 7-punts schaal voor meer precisie
De 7-punts schaal levert meer precisie bij attitudemetingen, mits respondenten de tijd nemen om nuances te wegen. Onderzoekers kiezen deze variant bij online enquêtes waar fijnere onderscheidingen gewenst zijn, zoals bij medewerkerstevredenheidsonderzoek of academisch attitudeonderzoek. Het nadeel is een hogere cognitieve belasting: respondenten moeten zeven posities onderscheiden, wat bij vluchtige invullers leidt tot willekeurige keuzes.
| Schaaltype | Voordelen | Nadelen | Beste toepassing |
|---|---|---|---|
| 5-punts | Laag cognitief gewicht, hoge respons | Minder fijne differentiatie | Klanttevredenheid, publieksonderzoek |
| 7-punts | Meer onderscheid, hogere precisie | Hogere cognitieve belasting | Academisch onderzoek, medewerkersonderzoek |
| 4-punts (forced choice) | Dwingt tot een standpunt | Geen neutrale optie mogelijk | Situaties waar neutraliteit ongewenst is |
Pro-tip: Kies de schaallengte op basis van uw onderzoeksdoel, niet op basis van gewoonte. Gebruik een 5-punts schaal voor snelle klantfeedback en een 7-punts schaal wanneer fijne attitudeverschillen inhoudelijk relevant zijn.
Hoe formuleer je labels op een Likert schaal?
Volledig gelabelde schalen verhogen de betrouwbaarheid en verminderen ruis bij respondenten. Onvolledige of vage labels zorgen voor interpretatieverschillen en lagere datakwaliteit. Wanneer alleen de uitersten een label krijgen, interpreteert elke respondent de middelste posities anders. Dit maakt vergelijking tussen respondenten onbetrouwbaar.
Goede labelformulering volgt drie principes:
- Symmetrie: de positieve en negatieve kant bevatten evenveel opties met gelijke intensiteit. “Zeer mee oneens / mee oneens / neutraal / mee eens / zeer mee eens” is symmetrisch. “Slecht / matig / goed / zeer goed / uitstekend” is dat niet.
- Volledigheid: elk punt krijgt een eigen label, niet alleen het eerste en het laatste. Respondenten weten dan precies wat positie 3 betekent.
- Eenduidigheid: vermijd woorden als “redelijk” of “tamelijk” die voor verschillende respondenten verschillende intensiteiten hebben.
Een fout voorbeeld: een schaal met alleen “1 = helemaal niet tevreden” en “5 = volledig tevreden” als labels. Respondenten weten niet of positie 3 “neutraal” of “enigszins tevreden” betekent. Een correct voorbeeld labelt alle vijf posities expliciet en gebruikt consistente taalintensiteit.
Volledig en duidelijk gelabelde antwoordopties leiden aantoonbaar tot minder ruis en hogere betrouwbaarheid dan schalen met alleen uiterste labels. Dit geldt ook voor vrijwilligersonderzoek: organisaties die vrijwilligers bevragen merken dat heldere labels de respons verbeteren en de data bruikbaarder maken.
Pro-tip: Test uw labels op vijf collega’s die niet bij het onderzoek betrokken zijn. Vraag hen hardop te beschrijven wat elke positie voor hen betekent. Inconsistente interpretaties wijzen op vage formulering.
Hoe analyseer je Likert data correct?
Ordinaal of metrisch?
Individuele Likert-items zijn ordinaal van aard. Dat betekent dat de volgorde van de antwoorden vaststaat, maar de afstand tussen twee opeenvolgende posities niet noodzakelijk gelijk is. U kunt bij een enkel item de modus en mediaan berekenen, maar geen gemiddelde zonder aannames te maken. Hoewel Likert data ordinaal is, wordt het in de praktijk vaak als metrisch behandeld bij samengestelde schalen met minimaal vijf punten. Dit is statistisch verdedigbaar mits de schaal symmetrisch is en de verdeling niet sterk scheef loopt.
Analysemethoden per situatie
| Situatie | Aanbevolen methode | Toelichting |
|---|---|---|
| Eén Likert-item | Modus en mediaan | Geen gemiddelde zonder aannames over gelijke intervallen |
| Samengestelde schaal (≥ 4 items) | Gemiddelde en standaarddeviatie | Verdedigbaar bij symmetrische, niet-scheve verdeling |
| Vergelijking tussen groepen | Mann-Whitney U of t-toets | Keuze afhankelijk van schaaltype en verdeling |
| Schaalbetrouwbaarheid | Cronbach’s alfa of factoranalyse | Minimaal 0,70 als drempelwaarde voor betrouwbaarheid |
| Negatief geformuleerde items | Score-recoding vóór analyse | Verplicht voor correcte totaalscores |
Score-recoding verdient speciale aandacht. Scores van negatief geformuleerde vragen moeten worden omgedraaid voordat u totaalscores berekent. Zonder recoding telt een negatief item in de verkeerde richting mee, wat de totaalscore onbetrouwbaar en misleidend maakt. Bij een 5-punts schaal wordt een score van 1 dan 5, een score van 2 wordt 4, enzovoort.
Betrouwbaarheidsanalyse via Cronbach’s alfa of factoranalyse is verplicht bij samengestelde schalen. Een alfa onder 0,70 wijst op items die niet hetzelfde construct meten. In dat geval verwijdert u het zwakste item of herformuleert u de vraag. Belevingsdata analyseren vraagt om deze stap voordat u conclusies trekt over klanttevredenheid.
Welke valkuilen komen voor bij Likert schaalontwerp?
Methodologische fouten in schaalontwerp leiden tot data die niet meet wat u wilt meten. De meest voorkomende problemen zijn:
- Intervalfout: de schaal behandelen als intervaldata terwijl de items ordinaal zijn. Gemiddelden van één enkel item presenteren als absolute scores geeft een vals beeld van precisie.
- Asymmetrische antwoordopties: meer positieve dan negatieve opties, of omgekeerd. Dit trekt de verdeling scheef en maakt vergelijking onmogelijk. Een schaal met “slecht / matig / goed / zeer goed / uitstekend” heeft vier positieve en één negatieve optie.
- Forced choice zonder onderbouwing: het verwijderen van de neutrale optie dwingt respondenten tot een standpunt dat ze misschien niet hebben. Dit verlaagt de validiteit bij onderwerpen waar echte neutraliteit voorkomt.
- Te veel schaalpunten: een 10-punts schaal klinkt preciezer, maar respondenten kunnen zelden tien posities consistent onderscheiden. Dit verhoogt de ruis in plaats van de precisie.
- Geen pilot test: een verkeerd gekozen schaal ondermijnt betrouwbaarheid en validiteit aanzienlijk. Na verzending zijn schaalwijzigingen niet meer mogelijk zonder het onderzoek ongeldig te maken.
Pilot tests zijn onmisbaar voor het opsporen van schaalproblemen. Een pilot van tien tot twintig respondenten onthult onlogische intensiteiten, onduidelijke labels en cognitieve overbelasting voordat de data verzameld wordt. Organisaties die betrokkenheid structureel meten investeren standaard in een testfase, juist omdat herstelwerk achteraf niet mogelijk is.
Belangrijkste inzichten
De schaal van Likert levert betrouwbare klanttevredenheidsdata wanneer u de juiste schaallengte kiest, alle labels volledig formuleert, negatieve items recodet en de schaal vooraf test.
| Punt | Details |
|---|---|
| Schaalkeuze | Gebruik een 5-punts schaal voor klantonderzoek en een 7-punts schaal voor academische attitudemetingen. |
| Volledige labeling | Label elk punt expliciet en symmetrisch om interpretatieverschillen te voorkomen. |
| Score-recoding | Draai scores van negatief geformuleerde items om vóór het berekenen van totaalscores. |
| Statistische aanpak | Gebruik modus en mediaan voor losse items; gemiddelden zijn verdedigbaar bij samengestelde schalen met minimaal vijf punten. |
| Pilot test | Test de schaal op tien tot twintig respondenten voordat u de enquête verstuurt. |
Mijn eerlijke kijk op de Likert schaal in de praktijk
Professionals onderschatten structureel hoe veel er misgaat bij schaalontwerp. In mijn ervaring met klanttevredenheidsonderzoek is de meest gemaakte fout niet de schaalkeuze zelf, maar de labelformulering. Onderzoekers kiezen een 5-punts schaal, labelen alleen de uitersten en gaan ervan uit dat respondenten de rest wel begrijpen. Dat doen ze niet. De data ziet er netjes uit, maar meet iets anders dan bedoeld.
Een tweede onderschat probleem is de behandeling van negatief geformuleerde items. Ik zie regelmatig rapporten waarin totaalscores worden gepresenteerd zonder dat recoding heeft plaatsgevonden. Het resultaat is een score die intern inconsistent is, maar er op het eerste gezicht betrouwbaar uitziet. Dit soort fouten valt pas op bij een betrouwbaarheidsanalyse.
Mijn advies: voer altijd een Cronbach’s alfa berekening uit op uw samengestelde schaal voordat u conclusies trekt. Een alfa onder 0,70 is een signaal dat uw items niet hetzelfde meten. Dat is geen reden voor paniek, maar wel een reden om de vraagformulering te herzien. De Likert schaal is een krachtig instrument, maar alleen als u de methodologische basisregels serieus neemt. Snijden in de testfase om tijd te besparen kost u later de validiteit van uw onderzoek.
— Edwin
Klanttevredenheid meten met de juiste tools
Theorie over de Likert schaal is waardevol. Praktische toepassing vraagt om een instrument dat feedback snel en betrouwbaar verzamelt op het moment dat de klantervaring nog vers is.
Foursmileys biedt de Smiley Terminal als fysieke feedbackoplossing voor organisaties die klanttevredenheid direct op de werkvloer meten. De terminal verzamelt reacties in real-time en rapporteert via een online dashboard en mobiele app. Zo ziet u niet alleen wat klanten vinden, maar ook wanneer en waar tevredenheid daalt. Voor organisaties die klanttevredenheid via NPS of schaalvragen structureel willen verbeteren, biedt Foursmileys een complete feedbackoplossing.
Veelgestelde vragen
Wat is het verschil tussen een Likert-item en een Likertschaal?
Een Likert-item is één enkele vraag met geordende antwoordopties. Een Likertschaal is de som of het gemiddelde van minimaal vier van zulke items, bedoeld om één construct betrouwbaar te meten.
Mag je een gemiddelde berekenen van Likert data?
Bij een enkel item is een gemiddelde statistisch niet verdedigbaar omdat de data ordinaal is. Bij een samengestelde schaal met minimaal vijf punten en een symmetrische verdeling accepteren de meeste onderzoekers het gebruik van gemiddelden.
Hoe veel antwoordopties geeft de beste resultaten?
De 5-punts schaal levert de beste balans tussen nuance en cognitieve belasting voor klanttevredenheidsonderzoek. De 7-punts schaal is beter geschikt voor academisch attitudeonderzoek waar fijnere onderscheidingen inhoudelijk relevant zijn.
Waarom moet ik negatief geformuleerde items recoderen?
Zonder recoding telt een negatief item in de verkeerde richting mee bij het berekenen van de totaalscore. Dit maakt de score onbetrouwbaar en misleidend, ook al ziet de data er op het eerste gezicht correct uit.
Hoe test ik mijn Likert schaal vooraf?
Laat tien tot twintig respondenten de schaal invullen en vraag hen hardop te beschrijven wat elke positie betekent. Inconsistente interpretaties wijzen op vage labels of onlogische intensiteiten die u vóór verzending moet corrigeren.