Um questionário com itens de 1 a 5 não indica, por si só, que teste deve correr no SPSS, no JASP ou no R. Quem decide é a unidade de análise. Escolher para a sua escala Likert análise estatística adequada depende de uma pergunta que muitos mestrandos saltam: está a analisar um item isolado ou um escore composto por vários itens que medem o mesmo constructo?

A resposta altera tudo o que vem a seguir. Muda a medida de tendência central, a família de testes de hipóteses e a matriz de correlações a usar numa análise fatorial. Muda também a forma de justificar as opções no capítulo de metodologia. É uma das questões que um júri atento levanta quando encontra médias como “3,4” reportadas item a item numa tabela de resultados.

O que se segue é um percurso de decisão em cinco etapas: natureza da medida, estatística descritiva, testes de hipóteses, escalas compostas e análise fatorial. No fim há uma tabela-síntese e indicações para redigir a secção de análise de dados. Os exemplos vêm de teses de enfermagem, psicologia e educação.

Item isolado ou escala composta: a distinção que decide tudo

Um item como “Sinto que o meu trabalho tem significado”, com as opções 1 = Discordo totalmente, 2 = Discordo, 3 = Neutro, 4 = Concordo e 5 = Concordo totalmente, produz dados ordinais. Sabemos que 5 está acima de 4 e que 4 está acima de 3. Não sabemos se a distância psicológica entre “Discordo” e “Neutro” é igual à distância entre “Concordo” e “Concordo totalmente”. A literatura metodológica publicada na Revista Contribuciones sublinha precisamente este ponto: a ordem é conhecida, a distância exata entre categorias não é.

A situação muda quando vários itens medem o mesmo constructo latente. Pense numa subescala de exaustão emocional com cinco itens, somados ou convertidos em média. O escore final tem muitos valores possíveis, aproxima-se de uma variável contínua e passa a comportar-se como uma medida quase intervalar. Esta posição é amplamente aceite na literatura. É ela que legitima o uso de estatística paramétrica sobre escalas compostas, mas não sobre itens isolados.

Antes de abrir o software, faça por isso um inventário simples. Para cada hipótese, registe se a variável dependente é um item ou um escore dimensional. Esta decisão deve estar alinhada com o modelo teórico: um constructo só pode ser somado se a teoria e a validação do instrumento o tratarem como unidimensional. O guia sobre o enquadramento teórico de uma tese de psicologia ajuda a fazer esta ponte entre teoria e operacionalização.

Estatística descritiva para itens Likert

Para um item isolado, a recomendação é reportar a distribuição de respostas: frequências absolutas e percentagens por categoria, mediana e moda. O SurveyMonkey, na sua orientação sobre análise de questões únicas, desaconselha a média e o desvio-padrão neste caso. Não faz sentido afirmar que a concordância média é “3,4” quando as categorias são discretas.

Na prática, uma tabela descritiva sólida para itens Likert inclui:

• Percentagem por categoria, idealmente com as categorias de discordância agrupadas à esquerda e as de concordância à direita;
• Mediana, que indica a posição central sem assumir distâncias iguais;
• Moda, útil quando há concentração forte numa categoria;
• Amplitude interquartil, como medida de dispersão coerente com a mediana;
• Gráfico de barras empilhadas divergentes, que mostra de imediato o equilíbrio entre concordância e discordância.

Um erro frequente é agrupar categorias, por exemplo juntar “Concordo” e “Concordo totalmente”, sem o declarar. O agrupamento é legítimo para leitura interpretativa, mas deve ser explícito e não pode substituir a tabela completa num anexo.

Escala Likert: análise estatística adequada para comparar grupos e correlacionar

Quando a hipótese incide sobre um item isolado, ou quando os dados ordinais violam os pressupostos de normalidade, a escolha recai sobre testes não paramétricos. A síntese de Fernanda Peres sobre análise de dados ordinais resume as opções principais:

• Dois grupos independentes: teste de Mann-Whitney (por exemplo, enfermeiros do turno diurno contra os do turno noturno num item de satisfação);
• Três ou mais grupos: teste de Kruskal-Wallis, seguido de comparações múltiplas com correção do erro tipo I quando o resultado global é significativo;
• Associação entre duas variáveis ordinais: correlação de Spearman ou tau de Kendall. O tau de Kendall é muitas vezes preferido quando há muitos empates, o que é habitual com poucas categorias.

Para medidas repetidas no mesmo grupo, como um pré-teste e um pós-teste de um item, o equivalente não paramétrico habitual é o teste de Wilcoxon para amostras emparelhadas. Em todos estes casos, reporte a estatística do teste, o valor de p e uma medida de tamanho de efeito adequada a testes de ordens. O valor de p, sozinho, não informa sobre a magnitude da diferença.

Quem trabalha com instrumentos clínicos encontra frequentemente esta situação na análise item a item. É o caso de quem usa a escala de burnout MBI numa tese de enfermagem: os itens descrevem-se como ordinais e as dimensões tratam-se como escores compostos.

Escalas compostas e testes paramétricos

Se a variável em análise é um escore dimensional, isto é, a soma ou a média de vários itens do mesmo constructo, o uso de estatística paramétrica é amplamente aceite, desde que os pressupostos se verifiquem. Com amostras moderadas a grandes, o teste t de Student e a ANOVA mostram-se robustos a pequenos desvios de normalidade. Essa robustez apoia-se no Teorema do Limite Central.

A robustez não dispensa verificações. Antes de somar itens e aplicar testes paramétricos, confirme quatro pontos:

1. Inversão dos itens formulados no sentido negativo, para que valores altos signifiquem sempre o mesmo pólo do constructo;
2. Consistência interna da dimensão na sua amostra, através do alfa de Cronbach ou, de preferência, do ómega de McDonald;
3. Homogeneidade de variâncias entre grupos, com recurso à correção de Welch quando não se verifica;
4. Inspeção da distribuição com histogramas e gráficos Q-Q, e não apenas com o teste de Shapiro-Wilk, que se torna hipersensível em amostras grandes.

Se a amostra é pequena e o escore composto apresenta forte assimetria, a opção mais defensável é voltar aos testes não paramétricos ou usar métodos robustos, como o bootstrap. Esta situação é comum em estudos realizados dentro de organizações, com equipas reduzidas. O artigo sobre fazer a tese dentro de uma empresa em psicologia organizacional discute os constrangimentos de acesso que costumam limitar a dimensão da amostra.

Quando o instrumento ainda não está validado para a população em estudo, convém escolher escalas com evidência psicométrica prévia. O banco de instrumentos validados para medir autoeficácia na amamentação ilustra como comparar opções antes de decidir.

Análise fatorial com itens Likert: correlações policóricas

Numa análise fatorial exploratória (AFE) ou confirmatória (AFC), a unidade de análise volta a ser o item isolado. Aqui reside uma das falhas mais comuns em teses: correr a análise fatorial sobre a matriz de correlações de Pearson, como faz por defeito boa parte do software. A literatura psicométrica indexada na SciELO indica que, por serem discretos e frequentemente muito assimétricos, os itens Likert levam a correlação de Pearson a subestimar as cargas fatoriais e as relações entre variáveis. A recomendação contemporânea é usar estimadores baseados em matrizes de correlação policóricas, ou tetracóricas no caso de itens dicotómicos.

Em termos operacionais, isto traduz-se em:

• AFE: pedir explicitamente a matriz policórica (disponível, por exemplo, no programa FACTOR, no JASP e em pacotes de R como o psych);
• AFC: declarar os itens como ordinais e usar um estimador para dados categóricos, como os estimadores de mínimos quadrados ponderados ajustados à média e à variância, disponíveis no lavaan e no Mplus;
• Fiabilidade: preferir versões ordinais dos coeficientes de consistência interna quando a estrutura fatorial foi estimada sobre a matriz policórica.

Esta escolha precisa de ser justificada no texto. Uma frase como “a análise foi conduzida sobre a matriz de correlações policóricas, dada a natureza ordinal e a assimetria dos itens”, acompanhada da referência metodológica, antecipa uma das perguntas mais previsíveis da arguição.

Tabela de decisão rápida

Como justificar e reportar as opções na tese

A secção de análise de dados deve permitir que outro investigador reproduza o seu raciocínio. Para cada família de análises, inclua três elementos: o nível de medida assumido, o teste escolhido e a razão dessa escolha, apoiada numa referência metodológica. Um exemplo de redação: “Os itens foram tratados como variáveis ordinais e descritos através de frequências relativas e medianas. As dimensões, obtidas pela média dos respetivos itens, foram tratadas como variáveis quase intervalares. Verificados os pressupostos, recorreu-se ao teste t para amostras independentes.”

Evite estes erros, que surgem com frequência em dissertações:

• Reportar médias e desvios-padrão item a item sem qualquer justificação;
• Somar itens de dimensões diferentes num escore global que o instrumento não prevê;
• Usar Pearson numa análise fatorial com itens muito assimétricos;
• Declarar “os dados seguem distribuição normal” sem mostrar como isso foi avaliado;
• Omitir os tamanhos de efeito.

As referências metodológicas que sustentam estas opções devem estar formatadas com rigor. Com a Bibliografia Automática do Tesify, pode pesquisar artigos no Google Scholar, na PubMed e no RCAAP e gerar a citação em APA com um clique. A referência fica organizada no capítulo certo. Se vai defender um trabalho com componente empírica forte, vale a pena antecipar o tipo de pergunta técnica que o júri faz, como se vê no guia sobre perguntas do júri numa defesa de tese.

Em síntese, definir para cada escala Likert a análise estatística adequada não é uma questão de preferência. É uma decisão sobre o nível de medida que tem de ser coerente do início ao fim: o item descreve-se e compara-se como ordinal, o escore composto pode receber estatística paramétrica e a estrutura fatorial estima-se sobre correlações policóricas.

Perguntas frequentes

Posso calcular a média de um item Likert isolado?

Formalmente, um item isolado é uma variável ordinal, pelo que a média e o desvio-padrão não são matematicamente rigorosos. Recomenda-se reportar frequências, percentagens, mediana e moda. Se, por convenção da área, apresentar também a média, assuma essa opção como complementar e justifique-a.

Quando é aceitável usar o teste t ou a ANOVA com dados Likert?

Quando a variável dependente é um escore composto, ou seja, a soma ou a média de vários itens que medem o mesmo constructo, e os pressupostos se verificam. Com amostras moderadas a grandes, estes testes são robustos a pequenos desvios de normalidade, graças ao Teorema do Limite Central.

Que teste uso para comparar dois grupos num único item Likert?

O teste de Mann-Whitney, para dois grupos independentes. Para três ou mais grupos, use o teste de Kruskal-Wallis. Para avaliar associações entre itens ordinais, use a correlação de Spearman ou o tau de Kendall.

Porque devo usar correlações policóricas na análise fatorial?

Porque os itens Likert são discretos e muitas vezes assimétricos, o que leva a correlação de Pearson a subestimar as cargas fatoriais. As matrizes policóricas tratam adequadamente a natureza ordinal dos itens e são a recomendação contemporânea para a AFE e a AFC.

Posso somar todos os itens do questionário num único escore?

Só se o instrumento e a sua validação o previrem, isto é, se os itens medirem um constructo unidimensional. Somar itens de dimensões diferentes produz um escore sem significado teórico. Verifique também a consistência interna na sua amostra e inverta os itens formulados no sentido negativo.