Likert-Skala: Wie Antwortformate in psychologischen Tests funktionieren

Likerts Innovation von 1932

Vor Likert galt die Thurstone-Skalierung als Goldstandard der Einstellungsmessung – ein aufwendiges Verfahren, bei dem Expertenrichter Hunderte Aussagen auf einer Werteskala verorten mussten. Likert zeigte, dass man vergleichbar zuverlässige Messungen viel einfacher erhält: Aussagen formulieren, Zustimmungsstufen mit Zahlen belegen, Punkte über mehrere Items addieren. Die Richterrunden entfielen komplett.

Der Summengedanke ist dabei zentral: Ein einzelnes Item ist fehleranfällig und mehrdeutig, doch über acht, zehn oder zwanzig Items mitteln sich Zufallsfehler heraus. Auf diesem Prinzip beruht bis heute die klassische Testtheorie – und die Verlässlichkeit praktisch aller Selbstberichtsverfahren.

Konstruktionsfragen: Stufen, Mitte, Beschriftung

Wie viele Antwortstufen sind optimal? Die Forschung gibt eine pragmatische Antwort: Zwischen fünf und sieben Stufen steigt die Messgenauigkeit kaum noch, darunter geht Differenzierung verloren, darüber überfordert die Feinabstufung viele Befragte. Wichtig ist eher, dass alle Stufen sprachlich sauber beschriftet sind und die Abstände zwischen den Etiketten gefühlt gleich groß wirken.

Heikel ist die Mittelkategorie. Eine ungerade Stufenzahl bietet mit 'teils/teils' oder 'neutral' einen bequemen Ausweichpunkt – manche Befragte parken dort ihre Unentschlossenheit, ihr Nichtwissen oder ihre Antwortverweigerung, was ganz Unterschiedliches bedeutet. Gerade Stufenzahlen erzwingen eine Tendenz, können aber Personen frustrieren, die tatsächlich indifferent sind. Beide Lösungen haben Kosten; die Entscheidung hängt vom Gegenstand ab.

Auch die Richtung der Items will geplant sein: Gute Skalen mischen positiv und negativ gepolte Aussagen, um automatisches Durchklicken zu erschweren. Der Preis sind Umpol-Fehler bei der Auswertung und gelegentliche Methodenfaktoren, wie sie etwa bei der Rosenberg-Skala dokumentiert sind.

Antworttendenzen: die systematischen Störgrößen

Menschen beantworten Skalen nicht wie Messgeräte. Zu den bekanntesten Verzerrungen zählt die Akquieszenz, die Neigung, Aussagen unabhängig vom Inhalt eher zuzustimmen. Hinzu kommen Extremtendenz (bevorzugt Randkategorien ankreuzen) und ihre Gegenspielerin, die Tendenz zur Mitte – beide variieren interessanterweise auch zwischen Kulturen, was internationale Vergleiche erschwert.

Die gewichtigste Störgröße bei sensiblen Themen ist soziale Erwünschtheit: Befragte rücken ihre Antworten in Richtung dessen, was akzeptabel erscheint. Anonymität, neutrale Formulierungen und ausbalancierte Itempolung mildern das Problem, beseitigen es aber nicht. Wer Selbsttest-Ergebnisse interpretiert, sollte diese menschlichen Faktoren schlicht einpreisen.

Der Streit ums Messniveau

Formal liefern Likert-Items Ordinaldaten: 'stimme eher zu' ist mehr als 'teils/teils', aber niemand garantiert, dass der Abstand zwischen den Stufen überall gleich groß ist. Streng genommen wären damit Mittelwerte und viele gängige Statistiken unzulässig. Die Praxis behandelt Summenwerte aus mehreren Items dennoch als intervallskaliert – und Simulationsstudien zeigen, dass die üblichen Verfahren dabei erstaunlich robust bleiben.

Für einzelne Items ist mehr Vorsicht geboten als für Skalensummen. Moderne Ansätze wie die Item-Response-Theorie umgehen das Problem elegant, indem sie aus dem Antwortmuster latente Merkmalswerte schätzen, statt Stufen naiv zu addieren.

Warum Sie das beim Selbsttest wissen sollten

Wenn Sie das nächste Mal zwischen 'trifft eher zu' und 'trifft teilweise zu' zögern: Diese Unschärfe ist einkalkuliert. Kein seriöses Verfahren hängt an einer einzelnen Antwort; erst das Muster über viele Items ergibt den Messwert. Antworten Sie deshalb zügig und nach dem ersten Impuls – langes Abwägen einzelner Formulierungen verbessert die Messung nicht.

Achten Sie bei Online-Tests auf handwerkliche Qualität: klar beschriftete Stufen, eine konsistente Skalenrichtung, keine doppelläufigen Aussagen ('Ich bin gestresst und schlafe schlecht'). Solche Details verraten mehr über die Seriosität eines Tests als jedes Design.