Ratio sowieso niet, de Likertschaal heeft een arbitrair nulpunt (of hier zelfs helemaal geen). Dan zijn er twee elementen die losgekoppeld dienen te worden:
Het meetniveau van:
de items: ieder afzonderlijk item heeft een ordinaal meetniveau. Dit is vaak niet zo van belang, behalve wanneer je analysetechnieken gebruikt die hier in het bijzonder gevoelig voor zijn (zoals structural equation models)
de schaal: Kort antwoord: de schaal is op intervalmeetniveau. Lang antwoord: Het probleem met een gemiddelde van ordinale items is dat de totaalschaal niet écht als een continue variabele opereert. Dit plaatst het op een vervelende manier tussen interval en ordinaal in. Iets wat door sommigen 'quasi-interval' genoemd wordt. Dit betekent dat je over het algemeen de schaal mag behandelen als ware deze gemeten op intervalmeetniveau.
Dan stel je nog een aparte vraag over afhankelijke variabelen op ordinaal meetniveau. De toetsen die geschikt hiervoor zijn vallen dan vrijwel allen in het domein van de nonparametrische toetsen. Dit zijn toetsen die bij de significantietoetsing geen gebruik maken van een aangenomen onderliggende populatieverdeling. Dit maakt dat deze toetsen in de basis minder power hebben dan parametrische toetsen, tenzij de assumpties van parametrische toetsen zwaar geschonden worden.
Zonder in een lange verhandeling over nonparametrische toetsen te verzanden hieronder een paar snelle varianten van bekende parametrische toetsen
Parametrisch |
Nonparametrisch |
onafhankelijke t-toets |
Mann-Whitney |
one-way ANOVA |
Kruskall-Wallis |
gepaarde t-toets |
Wilcoxon signed-rank test |
lineare regressie |
nonparametrische regressie |
RM-ANOVA |
Friedman-test (raad ik niet aan, bij complexe nonparametrische analyses liever overschakelen op mixed-effect models) |
Dit zijn slechts enkele voordelen; er zijn meestal meerdere nonparametrische varianten die ieder eigen voor- en nadelen dragen.