Использование интервальных шкал в опросах

Шкала интервалов незаменима, когда необходимо изучить отношение респондента к тому или иному вопросу. Бинарные ответы типа «да или нет» не всегда отражают реальные чувства и восприятие. Какую же шкалу лучше всего использовать для анализа в маркетинговых исследованиях, и какую шкалу респондентам проще всего воспринимать?
Если речь идет о бумажной анкете или телефонном опросе, то сложные или двусмысленные вопросы могут стать настоящим испытанием для опрашиваемых. Шкала не должна содержать слишком много градаций (например, 100-бальная шкала) или слишком много вариантов ответа с описаниями (например: всегда, порой, редко, никогда, нейтрально и т. д.). Но так же, небольшое количество вариантов ответа даст ограниченную информацию для последующего анализа (например, 3х-балльная шкала не предоставит необходимой информации для дифференциации ответов).
На рисунке 1 показаны примеры различных шкал интервалов.

Сбалансировать две крайности можно при использовании интерактивных онлайн-опросов, где удается найти золотую середину между максимизацией участия респондентов и аналитической надежностью. Учитывая проблемы, присущие традиционным методам сбора данных, ниже приведены три метода, которые идеально подходят для шкал интерактивных онлайн-опросов, а так же особенности анализа полученных данных.

Четное или нечетное?

Вариантов много: от 1 до 10 (10 вариантов) или от 0 до 10 (11 вариантов); от 0 до 7 (8 вариантов) или от 1 до 7 (7 вариантов); от 0 до 5 (6 вариантов) или от 1 до 5 (5 вариантов). Есть мнение о том, что шкалы с четным количеством баллов лучше, потому что они заставляют респондента так или иначе выбрать ответ «да» или «нет». Желание исследователей получить четкий ответ на свой вопрос понятен, но дело в том, что у некоторых респондентов нет определенного мнения по тому или иному вопросу (что очень неудобно для руководителей, принимающих решения). Отказ от использования нейтрального варианта ответа вносит искажения в результаты и в конечном счете – в анализ данных. Лучше использовать нечетные шкалы – такие, в которых имеется возможность выбрать нейтральный ответ.

Общее количество баллов на шкале.

Что можно сказать точно, так это то, что шкала из 1 балла не подходит. Кроме того, лучше исключить четные шкалы. Наблюдение из книги Marketing Research: Methodological Foundations: «Исследования показывают положительную взаимосвязь между количеством точек на оценочной шкале и надежностью результатов».
Наличие большого количества точек шкалы существенно влияет на анализ. При использовании интервальных шкал, применение большего масштаба, чем «от 0 до 10» или «от 1 до 11» (11 вариантов), может показаться чрезмерным. Важно отметить: если показывать числа на шкале, то наибольшая шкала будет от 0 до 10. О важности этой шкалы и легкости ее восприятия респондентами было написано множество книг. Ноль обычно определяется как «самая низкая, наихудшая оценка», а 10 – как «самая высокая, наилучшая». Шкала от 1 до 11 подходит для оценки гораздо хуже, так как что число 11 обычно не ассоциируется с самой высокой оценкой. В отсутствие четкого определения респонденты иногда воспринимают 1 как наилучшую оценку. Такое отсутствие четкой ассоциации может создавать путаницу у опрашиваемых.
Интерактивная шкала может помочь повысить участие респондентов и преодолеть зрительное утомление. Использование скользящей шкалы позволяет избежать необходимости показывать на экране числовые значения (примеры визуальных шкал даны на рисунке 1, варианты 5 и 6). Числовые значения закодированы и не отображаются в явном виде. Это позволяет не беспокоиться о возможной путанице или чрезмерном количестве баллов шкалы. На самом деле, реальные числовые значения предназначены лишь для аналитика, создающего интерактивный опрос. Скользящая шкала позволяет задавать гораздо большее количество точек (больше 11), чтобы повысить достоверность результатов. С технической точки зрения, мы можем использовать неограниченное количество точек на шкале. Если вам не нравится идея создавать 101-балльную шкалу от 0 до 100, то создайте 101-балльную шкалу от 0 до 10. Для этого достаточно просто добавить десятичную точку (например: 0 / 0,1 / 0,2 / 0,3… и так далее вплоть до 9,8 / 9,9 / 10).

С 0 или 1?

Если респондентам видны числовые значения, то в принципе неважно, откуда начинается шкала, при условии четкого определения, что скрывается за этими числами. Количество точек на шкале во многом определяет точность анализа. Шкала «от 1 до 10», по сути, ничем не отличается от шкалы «от 0 до 9» или, например, от шкалы «от 2 до 11». Если для нижнего края шкалы использовать описание типа «вовсе нет, ничего, никогда» или что-то в этом же роде (подразумевающее полное отсутствие чего-либо), то вполне логично начать шкалу с 0. Нет никаких доводов в пользу того, чтобы начинать шкалу с 1. Кроме того, сбор данных по шкалам от 0 до 10 сильно упрощает преобразование в процентный подсчет при анализе. Безусловно, конечный выбор шкалы – личное дело каждого, но стоит учесть возможные последствия такого выбора. На рисунке 2 показаны предпочтительные варианты.

Интервальные шкалы. Возможные варианты и подводные камни

Медиана – не очень хорошая идея?

Метод медианы хорошо подходят для анализа данных с экстремальными значениями. Вероятно, лучшим примером уместности использования данного вида анализа является уровень семейного дохода. Наличие всего одного миллиардера поднимает средний уровень анализируемых доходов до небес. Когда мы анализируем шкалу, у нас есть четкий и заранее заданный диапазон. Разница в процентах может быть значительной, если в одном случае мы используем анализ средних значений, а в другом – анализ медиан.
На рисунке 3 показан случайный пример из 100 респондентов, данные по которым были проанализированы по средним величинам и медианам.

Результат среднего за 2011 год оказался на 19 % выше, чем результат медиан в 2011 году и на 11 % ниже чем в 2012 году. И наоборот, если проанализировать изменения с 2011-го по 2012 год, мы увидим 12-процентное увеличение в средних оценках, тогда как значение медиан показывает 50-процентное увеличение. Данный пример иллюстрирует уместность использования анализа средних величин при анализе интервальных шкал.

Округление средних величин – другая плохая идея?

В примере на рисунке 4 показаны два различных средних балла: группа А = 4, группа B = 5. Средняя оценка группы B на 25 % выше, чем у группы А. Если бы средняя оценка группы А была бы 4,49, а группы В = 4,51, в таком случае разница была бы минимальной. Теперь предположим, что средняя оценка группы А = 3,50, а группы В = 5,49. Значит, средняя оценка группы B на 57 процентов выше. Диапазон отличий колеблется от 0 до 57 %. Очевидно, что округлять результаты в анализах – не самое лучшее решение. Влияние округления средних оценок на результаты анализа показано на рисунке 4.

Почему процентное группирование может привести к неправильному толкованию результатов.

На рисунке 5 показан пример группирования ответов от 7 и выше, которые давались по шкале от 0 до 10. Во всех примерах на рисунке 5 доля ответов от 7 и выше составляет 25 %.

Такое группирование может быть крайне неточным в рамках анализа. При создании ряда различных сценариев, случайных и экстремальных, различия являются тревожным сигналом. На рисунке 5 в примере 3 (минимум) и примере 4 (максимум) доля ответов от 7 и выше составляет 25 %, но в примере 4 средний балл на 19 % выше, чем в примере 3.
В случае крайних оценок, показанных как «Экстрим (-)» и «Экстрим (+)», максимум может быть на 300 % выше минимума. На рисунке 6 показано дополнительное сравнение анализа средних (не округленных) значений с методом группирования для 50 % и 75 % ответов от 7 и выше по шкале от 0 до 10.

Преобразование анализа шкал интервалов в проценты.

Интервальные шкалы можно преобразовать в процентные (как уже было показано на рисунках 5 и 6). Если вы используете шкалу от 0 до 10, то простое перемещение десятичной запятой преобразует ваши средние баллы в проценты. При использовании иной шкалы, потребуется более сложная формула пересчета. Формула пересчета для различных шкал, кроме «от 0 до 10», показана на рисунке 7. Пример влияния и пересчета при использовании шкалы «от 1 до 10» показан на рисунке 8.

Не все шкалы одинаково полезны. Некоторые из них могут приводить к ложным выводам. Для минимизации отклонений лучше использовать шкалы «от 0 до 10» и проводить анализ средних неокругленных величин.