Die Visuelle Analogskala (VAS)

Die Visuelle Analogskala (VAS) in schriftlichen Befragungen

Warum Analogskalen?

Um bei schriftlichen Fragebögen beliebige und undifferenzierte Antworten zu vermeiden, werden oft Antwortkategorien vorgegeben, aus denen die Befragten auswählen können. Die Verwendung von Kategorien schränkt aber die Antwortmöglichkeiten ein, und mitunter fühlen Befragte sich beengt und haben das Gefühl, sich nicht exakt ausdrücken zu können. Das gilt auch für ordinalskalierte Antwortkategorien (Beispiel: Bewertung der Intensität eines Sachverhalts mit den Abstufungen gar nicht – eher nicht – etwas –  sehr stark). Eine Möglichkeit, diese Beschränkungen zu umgehen, ist die Verwendung einer sogenannten Analogskala (exakt: Visuelle Analogskala, kurz VAS, gelegentlich auch Kontinuierliches Antwortformat genannt). Bei Analogskalen werden die Antworten auf einem formalen Kontinuum abgebildet, das an beiden Enden mit Ankerwörtern markiert wurde.

Obwohl das Kontinuum einer Visuellen Analogskala begrenzt wird (zum Beispiel von 0 bis 100 Prozent), kann sie im Allgemeinen als Intervallskala akzeptiert werden. Das ist ein wesentlicher Vorteil einer Analogskala. Zudem können mit einer Analogskala kleinere Unterschiede im Antwortmuster gemessen werden als mit konventionellen Ordinalskalen, wo die Abstände in vielen Anwendungsszenarien oft nicht äquidistant sind. Ob derart differenzierte Antworten durch eine Analogskala jedoch einen wirklich Erkenntnisgewinn bringen, hängt vom Untersuchungsgegenstand und theoretischen Kontext ab.

Zahlreiche kommerzielle Online-Tools bieten die Möglichkeit, eine Visuelle Analogskala mit Schieberegler in einen Online-Fragebogen einzubauen. Die Praxis zeigt, dass oft auch ordinalskalierte Antwortformate mit mehreren Kategorien (zum Beispiel von Null bis Zehn, also insgesamt elf) als Analogskala akzeptiert und als solche in der Auswertung behandelt wird (also wie eine Intervallskala). Die nachstehende Abbildung zeigt ein reales Beispiel einer Analogskala mit elf Kategorien aus einer aktuellen Online-Umfrage (GLES-Wahlkampfstudie 2022). Auf den ersten Blick wirkt sie wie eine konventionelle Ordinalskala vom Likert-Typ, jedoch mit deutlich mehr Kategorien und es wurden lediglich die Randkategorien mit Bezeichnungen markiert (bei der fünfstufigen Likert-Skala wird jede der fünf Kategorien bezeichnet).

Visuelle Analogskalen können zum Beispiel nützlich sein bei ethnisch gemischten Stichproben (Forscher einer Studie, die Unternehmen in den USA, China und Japan befragten, wählten eine 11-stufige Analogskala von Null bis Zehn mit dem Argument, sie würde interkulturell besser verstanden als die in Nordamerika üblichen Skalen von 1 bis 6 oder 1 bis 7) (W. DeSarbo und Co-Autoren in Strategic Management Journal 2005, Seiten 47-74). Dagegen sollten Analogskalen vermieden werden, wenn die zu Zielgruppe Verständnisprobleme hat (zum Beispiel ältere Menschen als Patienten mit Schwierigkeiten bei der Selbsteinschätzung der Schmerzintensität, wenn dafür VAS verwendet werden). Dazu kommen Probleme, die die Aussagekraft und Interpretation von Antwortdaten auf Grundlage einer Analogskala schmälern können. So wurde in einer Studie beobachtet, dass die Respondenten den äußeren Kategorien einer Visuellen Analogskala einen schmaleren Einstellungsbereich als mittleren Kategorien zuwiesen (Randkategorien käme demnach ein größeres Gewicht zu als inneren Kategorien), das heißt die Interpretation von Antworthäufungen in Bereichen der Randkategorien sollte eine mögliche Wahrnehmungsdiskrepanz berücksichtigen (F. Funke, Online- und Offline-Vergleich von Visuellen Analogskalen mit 4- und 8-stufigen Likert-Skalen in einem Fragebogen für soziale Gruppen, 2006). Potenzielle Limitationen und ihre nachteiligen Effekte auf die Auswertung sollten je nach Untersuchungsgegenstand, Forschungsfrage, Hypothese etc. in der Fachliteratur vorab recherchiert werden.

Visuelle Analogskalen – Auswertung mit IBM SPSS Statistics

Visuelle Analogskalen können wie Intervallskalen behandelt werden. Ist zum Beispiel das Ziel einer Auswertung, die Stichprobe auf Gruppenunterschiede im Antwortverhalten zu vergleichen (Signifikanztest), läuft das bei einer Intervallskala auf einen Vergleich von Mittelwert und Standardabweichung, Median und Normalverteilung hinaus. Ein dafür grundlegendes Testverfahren ist der t-Test (für zwei unabhängige Stichproben, zum Beispiel der Vergleich männlich versus weiblich) beziehungsweise die Varianzanalyse (ANOVA) (für mehrere unabhängige Stichproben, zum Beispiel wenn Befragte aus mehreren Unternehmen, die mit demselben Fragebogen befragt wurden, nach ihrer Branchenzugehörigkeit gruppiert werden). In SPSS ist dafür standardmäßig die Anweisung „Analyse – Vergleiche Mittelwerte“ enthalten. Dabei wird das Konstrukt, dass die Analogskala abbildet, als Abhängige Variable eingestuft.

Der folgende Screenshot zeigt die SPSS-Ausgabe eines t-Tests zur Auswertung einer Analogskala mit elf Kategorien von Null bis Zehn. Es wurden 94 Personen (N = 94) nach ihrer Zufriedenheit am Arbeitsplatz befragt.

Die Gruppierung der Stichprobe nach Geschlecht zeigt, dass die 49 Frauen der Stichprobe aufgrund des höheren Mittelwertes (8,16 > 7,93) etwas zufriedener sind als die 45 Männer (obige Tabelle). Aus den Mittelwerten und Standardabweichungen wird der t-Wert berechnet, der separat ausgegeben wird (untere Tabelle). Er beträgt 0,544 (Varianzhomogenität: Annahme „Varianzen sind gleich“) beziehungsweise 0,543 (Varianzheterogenität: Annahme „Varianzen sind nicht gleich“). Beide liegen als fast bei null (wären die Mittelwerte gleich wären sie exakt null), und daher ist die Signifikanz (2-seitig) relativ groß: Wegen p = 0,588 beziehungsweise p = 0,589 gibt es keinen signifikanten Unterschied (weil deutlich größer als 0,05, das in Studien oft festgelegte Signifikanzniveau) zwischen den Geschlechtern. Was bedeuten die übrigen Parameter? Der Levene-Test auf Varianzhomogenität (Tabelle unten) liefert einen p-Wert von 0,676. Das ist ebenfalls nicht-signifikant wegen 0,676 > 0,05 und bedeutet, dass Varianzhomogenität gegeben ist. Neben der Homogenität der Varianzen ist die Normalverteilung der Daten eine Voraussetzung zur Anwendung von t-Test und ANOVA (Vorab-Prüfung auf Normalverteilung, zum Beispiel mit dem Kolmogorov-Smirnov-Test oder Shapiro-Wilk-Test). Achtung: Ausgerechnet bei Analogskalen sind in der Praxis die Antwortdaten oft nicht normalverteilt. In solchen Fällen sollten alternative Verfahren erwogen werden, um das Ergebnis abzusichern. So kann es besser sein, anstatt des Mittelwerts (klassischer Levene-Test) den Median zu verwenden (modifizierter Levene-Test, auch Brown-Forsythe-Test genannt). Diese Alternativen sind in SPSS leider nicht standardmäßig implementiert und müssen separat durchgerechnet werden.

 

Zum Kontaktformular

 

 

© business-ghostwriter.de

Wir benutzen Cookies um die Nutzerfreundlichkeit der Webseite zu verbessen. Durch Ihren Besuch stimmen Sie dem zu.