Escala de Likert: qué es, ejemplos, cuántos puntos usar y cómo analizarla

Si estás preparando una tesis en enfermería, psicología, medicina u odontología, lo más probable es que tu instrumento sea una escala de Likert: satisfacción del paciente, actitudes hacia la vacunación, estrés laboral, adherencia al tratamiento. Es el formato de cuestionario más usado en ciencias de la salud y también el que más dudas genera a la hora de analizarlo: ¿puedo sacar la media?, ¿uso pruebas paramétricas?, ¿cinco puntos o siete?, ¿qué confiabilidad tengo que reportar?

Esta guía responde a esas preguntas en orden: qué es exactamente una escala de Likert, ejemplos con ítems de salud, cuántas categorías conviene usar, el famoso debate ordinal frente a intervalo, cómo analizarla paso a paso y cómo reportarla. Si lo que buscas son los clics concretos en SPSS, los tienes en la guía de cómo analizar una escala Likert en SPSS.

Qué es una escala de Likert (y qué no lo es)

La propuso el psicólogo Rensis Likert en 1932 para medir actitudes. Su idea era sencilla: en lugar de preguntar directamente «¿qué actitud tienes hacia X?», presentar varias afirmaciones sobre X y pedir a la persona que indique su grado de acuerdo con cada una. Sumando las respuestas se obtiene una puntuación que sitúa a cada persona en un continuo, de actitud muy desfavorable a muy favorable.

Conviene separar dos cosas que se mezclan constantemente:

• Ítem tipo Likert: una sola afirmación con su formato de respuesta ordenado («Me resulta fácil tomar la medicación a la hora indicada», de 1 a 5).
• Escala de Likert: el conjunto de ítems que miden el mismo constructo y cuya suma o media forma la puntuación. Una escala de adherencia de diez ítems es una escala de Likert; cada uno de sus diez ítems es un ítem tipo Likert.

La distinción no es de diccionario: decide cómo se analiza cada cosa, como verás más abajo (Carifio y Perla, 2007). Tampoco todo lo que tiene números es una escala de Likert. Una escala visual analógica (la línea de 10 cm en la que el paciente marca su dolor), un diferencial semántico (pares de adjetivos opuestos) o una pregunta única de 0 a 10 son otros formatos, con otras propiedades.

Ejemplos de escala de Likert en ciencias de la salud

Las categorías no tienen por qué ser de acuerdo. Lo que define el formato es que las opciones estén ordenadas y sean las mismas para todos los ítems de la escala. Estos son los anclajes más habituales, con ítems ficticios de ejemplo:

Fíjate en dos detalles de buena construcción. Primero, cada ítem expresa una sola idea: «la enfermera fue amable y puntual» son dos ítems, porque alguien puede estar de acuerdo con una parte y no con la otra. Segundo, el lenguaje es el de la población que va a responder, no el del investigador.

Cuántos puntos usar: 4, 5 o 7

No existe un número correcto universal, pero sí evidencia para decidir con criterio. En el estudio de Preston y Colman (2000), las escalas de dos, tres o cuatro categorías dieron peor fiabilidad, validez y capacidad de discriminación que las de siete o más, y a partir de ahí la ganancia era pequeña. Weijters et al. (2010) mostraron además que el número de categorías y que todas lleven etiqueta cambian los estilos de respuesta: la tendencia a decir que sí a todo, el abuso del punto medio o de los extremos.

En la práctica:

• 5 puntos es la opción por defecto para población general, pacientes, adolescentes o personas con poca familiaridad con cuestionarios. Etiqueta todas las categorías, no solo los extremos.
• 7 puntos discrimina algo mejor y funciona bien con adultos acostumbrados a responder cuestionarios (profesionales sanitarios, estudiantes universitarios).
• 4 puntos (par, sin punto medio) obliga a posicionarse. Es lo habitual en la ficha de validación por juicio de expertos, donde quieres que el juez decida si el ítem sirve o no; en una escala de actitudes puede forzar respuestas a quien de verdad está en medio.
• Si adaptas un instrumento ya validado, no cambies su número de puntos. Las puntuaciones dejan de ser comparables con las del estudio original y con sus baremos, y la evidencia de validez que heredabas ya no es tuya.

Sobre el punto medio: «ni de acuerdo ni en desacuerdo» no significa «no sé» ni «no aplica». Si es esperable que alguien no tenga opinión o que el ítem no le corresponda, añade una opción separada fuera de la escala y trátala como dato perdido, no como un 3.

Ítems inversos: útiles en teoría, problemáticos en la práctica

Muchas escalas mezclan ítems directos e inversos («Me cuesta seguir las indicaciones del médico») para frenar la aquiescencia. La idea es razonable, pero la revisión de Suárez-Álvarez et al. (2018) muestra que los ítems inversos suelen bajar la fiabilidad, empeorar el ajuste del análisis factorial y crear un factor artificial de «ítems negativos» que no tiene nada que ver con el constructo. Si los usas, redáctalos sin dobles negaciones y, sobre todo, recodifícalos antes de calcular nada. Cómo hacerlo en SPSS, R y Excel está en ítems inversos y puntuaciones de escala.

¿Ordinal o de intervalo? El debate, sin rodeos

Es la pregunta que más discusión genera entre directores de tesis y revisores, y tiene una respuesta bastante clara si separas ítem y escala.

Un ítem suelto es ordinal. Sabes que «de acuerdo» es más que «ni de acuerdo ni en desacuerdo», pero no que la distancia entre 2 y 3 sea igual que entre 4 y 5. Jamieson (2004) lo planteó en Medical Education: con datos ordinales, la mediana y las pruebas no paramétricas son lo seguro. Liddell y Kruschke (2018) fueron más allá: analizar ítems ordinales como si fueran métricos puede inflar los falsos positivos, ocultar efectos reales e incluso invertir su dirección. Para un ítem, describe con frecuencias y porcentajes (o mediana y rango intercuartílico) y compara con pruebas para datos ordinales o con modelos ordinales.

La suma o media de varios ítems se comporta como una variable cuantitativa. Norman (2010) revisó la evidencia y concluyó que las pruebas paramétricas son robustas para puntuaciones de escala, incluso con muestras pequeñas y distribuciones no normales, y que no hay motivo para renunciar a ellas. Sullivan y Artino (2013) recogen la misma recomendación práctica: media y desviación típica para la puntuación total, frecuencias para el ítem. Una puntuación que va de 10 a 50 con decenas de valores posibles no es lo mismo que un ítem de cinco categorías.

La regla que te va a evitar problemas con el tribunal: analiza la escala con pruebas paramétricas comprobando sus supuestos, describe los ítems como ordinales y, si tu pregunta es sobre un ítem concreto, usa la prueba ordinal.

Cómo analizar una escala de Likert, paso a paso

1. Recodifica los ítems inversos. En una escala de 1 a 5, el valor nuevo es 6 menos el valor original.
2. Revisa los datos perdidos. Decide antes de mirar resultados qué harás con una persona que dejó ítems en blanco (por ejemplo, calcular su media con los ítems respondidos solo si le falta uno) y decláralo en el Método.
3. Calcula la puntuación. La suma es lo tradicional; la media de los ítems tiene la ventaja de mantener la métrica del ítem (un 4,2 se entiende como «entre de acuerdo y totalmente de acuerdo») y no depende del número de ítems respondidos. Usa la que indique el manual del instrumento.
4. Mira la distribución de cada ítem. Un ítem en el que el 85 % responde «totalmente de acuerdo» tiene efecto techo: no discrimina y suele dar problemas en la fiabilidad y en el análisis factorial.
5. Comprueba la confiabilidad en tu muestra (siguiente apartado).
6. Si es una escala nueva o adaptada, comprueba su estructura con análisis factorial. Con ítems de pocas categorías es recomendable trabajar con correlaciones policóricas y un estimador para datos ordinales (WLSMV en R o Mplus).
7. Haz el análisis que responde a tu pregunta, con la prueba que corresponde según analices un ítem o la puntuación total:

Si no tienes claro qué prueba corresponde a tu diseño, el selector de prueba estadística te lo dice con tres o cuatro preguntas.

Confiabilidad (fiabilidad) de una escala de Likert

La confiabilidad responde a una pregunta: ¿en qué medida las diferencias entre las puntuaciones de las personas son reales y no ruido? En escalas de Likert se estima casi siempre como consistencia interna, y hay tres coeficientes que debes conocer:

• Alfa de Cronbach (Cronbach, 1951). El más usado. Valores de .70 en adelante se aceptan para investigación y se piden más altos para decisiones clínicas sobre personas, pero no es un número mágico: el alfa sube solo con añadir ítems y supone que todos los ítems pesan lo mismo en el constructo. Calcúlalo con tus datos en la calculadora de alfa de Cronbach.
• Omega de McDonald. Se calcula a partir de las cargas factoriales y no exige que todos los ítems pesen igual, así que es más defendible cuando no lo hacen, que es lo normal (Hayes y Coutts, 2020). Muchas revistas ya lo piden junto al alfa. Puedes obtenerlo con la calculadora de omega de McDonald.
• Alfa ordinal. Usa correlaciones policóricas en lugar de las de Pearson y es más adecuado cuando los ítems tienen pocas categorías o distribuciones muy asimétricas (Zumbo et al., 2007).

Tres reglas para no fallar aquí. Calcula la confiabilidad en tu muestra, no copies la del artículo original. Si la escala tiene varias dimensiones, calcula un coeficiente por dimensión, no uno para la escala entera. Y acompáñalo de su intervalo de confianza. La diferencia entre los coeficientes y cuándo usar cada uno está desarrollada en alfa de Cronbach, omega e ICC, y la forma de escribirlo en cómo reportar el alfa de Cronbach en APA 7.

Si la escala la has creado o adaptado tú: primero, la validez

Con una escala publicada y validada en una población como la tuya, basta con citar sus evidencias de validez y comprobar la confiabilidad en tu muestra. Si la has construido tú o la has traducido y adaptado, el tribunal te va a pedir el recorrido completo, y en este orden:

1. Validez de contenido por juicio de expertos: entre 5 y 10 jueces valoran la relevancia, la claridad y la coherencia de cada ítem, y lo resumes con la V de Aiken. Tienes la plantilla en Word lista para enviar a tus jueces en la ficha de validación por juicio de expertos, y el procedimiento completo en la guía de validación por expertos.
2. Prueba piloto con un grupo pequeño de la población diana, para detectar ítems que no se entienden.
3. Estructura interna con análisis factorial exploratorio y, en otra muestra o en una submuestra, confirmatorio.
4. Confiabilidad por dimensión y, si vas a comparar grupos, invarianza de medida.

Es un proceso largo y con muchas decisiones técnicas en las que un error de planteamiento se arrastra hasta el final. Si quieres hacerlo acompañado, en la consultoría de validación de instrumentos trabajamos juntos desde el juicio de expertos hasta el informe de confiabilidad, con la sintaxis y las tablas para tu tesis o tu artículo. El recorrido técnico completo, con ejemplos de enfermería, medicina y fisioterapia, está en la guía de validación de cuestionarios en ciencias de la salud.

Cómo describir y reportar una escala de Likert

En el apartado de instrumentos del Método, cada escala necesita: nombre y autores, qué mide, número de ítems y dimensiones, formato de respuesta con sus anclajes, cómo se calcula la puntuación y en qué dirección (qué significa una puntuación alta), evidencias de validez previas con su cita y la confiabilidad obtenida en tu muestra. Un ejemplo ficticio:

La adherencia percibida se midió con una escala de 10 ítems con formato de respuesta de 5 puntos (1 = totalmente en desacuerdo, 5 = totalmente de acuerdo). Tres ítems se recodificaron por estar redactados en sentido inverso. La puntuación es la media de los ítems (rango 1–5); valores más altos indican mayor adherencia. En la presente muestra, la consistencia interna fue adecuada (ω = .86, IC 95 % [.82, .89]; α = .85).

En Resultados, la puntuación total va con media y desviación típica; los ítems, con tablas de frecuencias o con un gráfico de barras apiladas, que deja ver de un vistazo cómo se reparten las respuestas. Si ya tienes escrito el Método y quieres saber qué te objetaría un revisor antes de enviarlo, Previum · AI peer review simula la revisión por pares de tu manuscrito y su nivel Básico te devuelve las dos objeciones que más pesan.

Errores frecuentes con las escalas de Likert

• Analizar un ítem suelto con medias y pruebas t sin justificarlo, o, al revés, renunciar a las pruebas paramétricas para una puntuación total de veinte ítems.
• Olvidar recodificar los ítems inversos: el alfa sale bajísimo o negativo y la correlación entre ítems, rara.
• Cambiar el número de puntos o la redacción de una escala validada sin decirlo.
• Sumar todos los ítems de una escala multidimensional en una sola puntuación sin comprobar que eso tiene sentido.
• Reportar la confiabilidad del artículo original en lugar de la de tu muestra.
• Tratar el punto medio como «no sé» o «no aplica».

Preguntas frecuentes

¿Qué es una escala tipo Likert?

Es un formato de respuesta en el que la persona indica su grado de acuerdo (o de frecuencia, satisfacción o importancia) con una afirmación, eligiendo entre categorías ordenadas, normalmente de 5 o 7 puntos. Varios ítems de este tipo que miden lo mismo forman una escala de Likert, cuya puntuación es la suma o la media de los ítems.

¿Cuántos puntos debe tener una escala de Likert?

Lo más habitual es 5 puntos para población general y pacientes, y 7 para adultos acostumbrados a responder cuestionarios. Las escalas de 2 a 4 categorías tienden a dar peor fiabilidad. Si adaptas un instrumento ya validado, mantén su número de puntos original.

¿La escala de Likert es ordinal o de intervalo?

Cada ítem por separado es ordinal. La suma o media de varios ítems se trata habitualmente como una variable cuantitativa y admite pruebas paramétricas, porque son robustas para puntuaciones de escala. Lo prudente es describir los ítems como ordinales y analizar la puntuación total con pruebas paramétricas comprobando sus supuestos.

¿Se puede sacar la media de una escala de Likert?

De la puntuación total o de la media de los ítems de una escala, sí, y es lo estándar. De un ítem suelto es discutible: para un ítem es más informativo dar la distribución de respuestas (porcentajes por categoría) o la mediana.

¿Cómo se calcula la confiabilidad de una escala de Likert?

Con un coeficiente de consistencia interna calculado en tu muestra: el alfa de Cronbach es el más usado y el omega de McDonald es preferible cuando los ítems no pesan igual en el constructo. Si la escala tiene varias dimensiones, calcula uno por dimensión y repórtalo con su intervalo de confianza.

¿Qué diferencia hay entre una escala de Likert y una escala visual analógica?

La escala de Likert ofrece categorías discretas y etiquetadas; la escala visual analógica es una línea continua (normalmente de 10 cm) en la que la persona marca un punto, y se usa sobre todo para el dolor o la intensidad de un síntoma. Son formatos distintos y no deben mezclarse en una misma escala.

Referencias

• Carifio, J., & Perla, R. J. (2007). Ten common misunderstandings, misconceptions, persistent myths and urban legends about Likert scales and Likert response formats and their antidotes. Journal of Social Sciences, 3(3), 106–116. https://doi.org/10.3844/jssp.2007.106.116
• Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555
• Hayes, A. F., & Coutts, J. J. (2020). Use omega rather than Cronbach’s alpha for estimating reliability. But… Communication Methods and Measures, 14(1), 1–24. https://doi.org/10.1080/19312458.2020.1718629
• Jamieson, S. (2004). Likert scales: How to (ab)use them. Medical Education, 38(12), 1217–1218. https://doi.org/10.1111/j.1365-2929.2004.02012.x
• Liddell, T. M., & Kruschke, J. K. (2018). Analyzing ordinal data with metric models: What could possibly go wrong? Journal of Experimental Social Psychology, 79, 328–348. https://doi.org/10.1016/j.jesp.2018.08.009
• Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology, 22(140), 1–55.
• Norman, G. (2010). Likert scales, levels of measurement and the “laws” of statistics. Advances in Health Sciences Education, 15(5), 625–632. https://doi.org/10.1007/s10459-010-9222-y
• Preston, C. C., & Colman, A. M. (2000). Optimal number of response categories in rating scales: Reliability, validity, discriminating power, and respondent preferences. Acta Psychologica, 104(1), 1–15. https://doi.org/10.1016/S0001-6918(99)00050-5
• Suárez-Álvarez, J., Pedrosa, I., Lozano, L. M., García-Cueto, E., Cuesta, M., & Muñiz, J. (2018). Using reversed items in Likert scales: A questionable practice. Psicothema, 30(2), 149–158. https://doi.org/10.7334/psicothema2018.33
• Sullivan, G. M., & Artino, A. R. (2013). Analyzing and interpreting data from Likert-type scales. Journal of Graduate Medical Education, 5(4), 541–542. https://doi.org/10.4300/JGME-5-4-18
• Weijters, B., Cabooter, E., & Schillewaert, N. (2010). The effect of rating scale format on response styles: The number of response categories and response category labels. International Journal of Research in Marketing, 27(3), 236–247. https://doi.org/10.1016/j.ijresmar.2010.02.004
• Zumbo, B. D., Gadermann, A. M., & Zeisser, C. (2007). Ordinal versions of coefficients alpha and theta for Likert rating scales. Journal of Modern Applied Statistical Methods, 6(1), 21–29. https://doi.org/10.22237/jmasm/1177992180