การปฏิบัติต่อข้อมูลมาตราส่วน n-point Likert เป็นการทดลอง n จากกระบวนการทวินามหรือไม่?


11

ฉันไม่เคยชอบวิธีที่ผู้คนมักวิเคราะห์ข้อมูลจากเครื่องชั่ง Likert ราวกับว่าข้อผิดพลาดนั้นเกิดขึ้นอย่างต่อเนื่อง & Gaussian เมื่อมีการคาดการณ์ที่สมเหตุสมผลว่าสมมติฐานเหล่านี้ถูกละเมิดอย่างน้อยที่สุดก็สุดขั้ว คุณคิดอย่างไรกับทางเลือกต่อไปนี้:

หากการตอบสนองใช้ค่าในสเกล point ให้ขยายข้อมูลนั้นไปยัง trials ซึ่งมีค่า 1 และที่มีค่า 0 ดังนั้นเราจะทำการตอบสนองบนสเกล Likert เสมือนว่ามัน เป็นการรวมตัวกันอย่างเปิดเผยของชุดการทดลองแบบทวินาม (อันที่จริงจากมุมมองด้านความรู้ความเข้าใจทางวิทยาศาสตร์นี่เป็นแบบจำลองที่น่าสนใจสำหรับกลไกที่เกี่ยวข้องกับการตัดสินใจแบบนี้) ด้วยข้อมูลที่ขยายคุณสามารถใช้โมเดลเอฟเฟกต์แบบผสมระบุผู้ตอบเป็นเอฟเฟกต์แบบสุ่ม (เช่นคำถามเป็นเอฟเฟกต์แบบสุ่มหากคุณมีคำถามหลายข้อ) และใช้ฟังก์ชันลิงค์ทวินามเพื่อระบุการแจกแจงข้อผิดพลาดknnknk

ทุกคนสามารถเห็นการละเมิดข้อสันนิษฐานหรือแง่มุมที่เป็นอันตรายอื่น ๆ


2
คุณรู้หรือไม่ว่างานวิจัยที่ตีพิมพ์ใด ๆ ที่พิจารณาถึงข้อดีของการใช้เครื่องชั่ง likert เป็นระยะเทียบกับข้อมูลลำดับ บางทีข้อบกพร่องในการปฏิบัติต่อพวกเขาในระดับตาชั่งไม่รุนแรงพอที่จะรับประกันถึงวิธีการที่ซับซ้อน หากเป็นเช่นนั้นวิธีการของคุณอาจเป็นเพียงการไล่ล่าห่านป่า

คำตอบ:


16

ฉันไม่รู้บทความใด ๆ ที่เกี่ยวข้องกับคำถามของคุณในวรรณกรรมไซโครเมท สำหรับผมแล้วดูเหมือนว่าการสั่งซื้อแบบจำลองโลจิสติกส์ที่ช่วยให้ส่วนประกอบเอฟเฟกต์แบบสุ่มสามารถจัดการกับสถานการณ์นี้ได้ค่อนข้างดี

ฉันเห็นด้วยกับ @Srikant และคิดว่าโมเดลอัตราต่อรองหรือโมเดล probit ที่สั่งซื้อ (ขึ้นอยู่กับฟังก์ชั่นลิงค์ที่คุณเลือก) อาจสะท้อนให้เห็นถึงการเข้ารหัสที่แท้จริงของรายการ Likert และการใช้งานทั่วไปของพวกเขา .

ทางเลือกอื่น ๆ คือ: (1) การใช้งานที่อยู่ติดกันแทนประเภทตามสัดส่วนหรือสะสม (ที่มีการเชื่อมต่อกับแบบจำลองเชิงเส้นบันทึก) (2) การใช้แบบจำลองรายการการตอบสนองเช่นรูปแบบบางส่วนของบัตรเครดิตหรือรูปแบบการให้คะแนนขนาด (ตามที่ถูกกล่าวถึงในการตอบสนองของฉันในLikert ชั่งวิเคราะห์ ) กรณีหลังก็เปรียบได้กับผสมผลกระทบเข้ามาใกล้กับอาสาสมัครถือว่าเป็นผลกระทบแบบสุ่มและสามารถใช้ได้อย่างง่ายดายในระบบเอสเอ (เช่นการติดตั้งหลากหลายรูปแบบผลสำหรับผลลำดับซ้ำกับขั้นตอน NLMIXED ) หรือ R (ดูฉบับ 20จากวารสารซอฟต์แวร์สถิติ ( ) นอกจากนี้คุณยังอาจจะสนใจในการอภิปรายที่มีให้โดยจอห์น Linacre เกี่ยวกับการเพิ่มประสิทธิภาพการจัดอันดับชั่งหมวดหมู่ประสิทธิผล

เอกสารต่อไปนี้อาจเป็นประโยชน์:

  1. Wu, CH (2007) การศึกษาเชิงประจักษ์เกี่ยวกับการเปลี่ยนแปลงของ Likert ขนาดข้อมูลเพื่อคะแนนเชิงตัวเลข วิทยาศาสตร์คณิตศาสตร์ประยุกต์ , 1 (58) : 2851-2862
  2. Rost, J และ Luo, G (1997) แอพลิเคชันของ Rasch ตามแฉรูปแบบการสร้างแบบสอบถามในวัยรุ่น centrism ใน Rost, J และ Langeheine, R (Eds.), การประยุกต์ใช้แบบจำลองคุณลักษณะแฝงและแบบจำลองแฝงคลาสในสังคมศาสตร์นิวยอร์ก: Waxmann
  3. Lubke, G และ Muthen, B (2004) ปัจจัยการวิเคราะห์ข้อมูล Likert ขนาดภายใต้สมมติฐานของปกติหลายตัวแปรยุ่งยากเปรียบเทียบความหมายของกลุ่มสังเกตหรือเรียนแฝง แบบจำลองสมการโครงสร้าง , 11 : 514-534
  4. Nering, ML และ Ostini, R (2010) คู่มือของพหุวิภาคทฤษฎีการตอบสนองรุ่น วิชาการเลดจ์
  5. Bender R และ Grouven U (1998) การใช้แบบจำลองการถดถอยโลจิสติกแบบไบนารีสำหรับข้อมูลอันดับที่มีอัตราต่อรองที่ไม่ใช่สัดส่วน วารสารระบาดวิทยาคลินิก , 51 (10) : 809-816 (ไม่พบไฟล์ PDF แต่อันนี้ใช้ได้, การถดถอยโลจิสติกอันดับในการวิจัยทางการแพทย์ )

1
การถดถอยโลจิสติกอันดับที่มีเอฟเฟกต์แบบผสมก็มีอยู่ใน R พร้อมกับแพ็คเกจลำดับและ clmm ()
John

9

หากคุณต้องการละทิ้งสมมติฐานของข้อมูลระดับช่วงเวลาสำหรับสเกล likert ฉันขอแนะนำให้คุณถือว่าข้อมูลนั้นเป็น logit หรือ probit แทน เครื่องชั่ง Likert มักจะวัดความแรงของการตอบสนองและดังนั้นค่าที่สูงขึ้นควรระบุการตอบสนองที่แข็งแกร่งขึ้นในรายการที่สนใจ

สมมติว่าคุณมีสเกลรายการและนั้นแสดงถึงความแข็งแกร่งของการตอบสนองต่อรายการที่สนใจ จากนั้นคุณสามารถสมมติรูปแบบการตอบสนองต่อไปนี้:SHS

S อัลฟ่า1y=1ถ้าSα1

α ชั่วโมง- 1 < S α เอชเอช= 2 , 3 , . H - 1y=h  ifสำหรับαh1<S αhh=2,3,..H1

α H - 1 < S < y=H  ifαH1<S< 

สมมติว่าตามการแจกแจงแบบปกติด้วยค่าเฉลี่ยที่ไม่รู้จักและความแปรปรวนจะให้แบบจำลอง probit ที่สั่งS


2

สิ่งหนึ่งที่น่ากังวลก็คือโดยใช้วิธีนี้คุณจะต้องกำหนดความสัมพันธ์เฉพาะระหว่างค่าเฉลี่ยและค่าความแปรปรวนของการตอบกลับ สำหรับประเภทของการสำรวจ Likert มักใช้ใน - เช่นคุณเลือกหนึ่งในห้าประเภทจากระหว่าง "เห็นด้วยอย่างยิ่ง" ถึง "ไม่เห็นด้วยอย่างยิ่ง" เกี่ยวกับข้อความหรืออื่น ๆ - มันรู้สึกผิดกับฉัน ตัวอย่างเช่นฉันคาดหวังว่ามาตราส่วนสิบจุดจะให้การกระจายการตอบสนองแบบคร่าวๆเป็นระดับห้าจุดหากคุณยุบคู่หมวดหมู่ที่อยู่ติดกัน: สำหรับการตอบสนอง & ทั่วไปnpnp(1p)yp

Prn=4(Y=y)Prn=9(Y=2y)+Prn=9(Y=2y+1)
ฉันจำการวิจัยบางอย่างที่น่าจะเป็นไปได้: Coelho & Esteves (2006),“ ทางเลือกระหว่างระดับห้าและสิบจุดในกรอบการวัดความพึงพอใจของลูกค้า”

1

คุณสามารถใช้การประมาณทวินามในระดับ Likert 5 pt ถ้าคุณรวมการตกลงและเห็นด้วยอย่างยิ่งกับกลุ่มหนึ่ง & ไม่เห็นด้วยและไม่เห็นด้วยอย่างยิ่งกับอีกกลุ่ม แน่นอนคุณยังต้องตัดสินใจว่านิวตรอนจะไปไหน ฉันจะวางนิวทรัลในกลุ่มใดกลุ่มหนึ่งใช้การประมาณแบบปกติกับทวินาม (หากคุณมีการตอบสนองมากกว่า 40 ครั้ง) และพัฒนาช่วงความเชื่อมั่นตามสัดส่วนของแต่ละกลุ่ม (ดูข้อความมาตรฐานทั่วไปเกี่ยวกับวิธีทำให้สับสน ช่วงเวลาของสัดส่วนที่มาจากการแจกแจงทวินามด้วยการประมาณปกติ) จากนั้นฉันจะใส่นิวทรัลในกลุ่มอื่นและทำซ้ำช่วงความมั่นใจ หากฉันได้ข้อสรุปแบบเดียวกันจากทั้งคู่แสดงว่ามีข้อสรุปที่เป็นไปได้ ไม่เช่นนั้นฉันไม่เห็นว่าสามารถใช้ทวินามกับข้อมูล Likert ได้อย่างไร


0

หากฉันเข้าใจถูกต้องบทความนี้จะแนะนำวิธีการที่คล้ายกันมากกับสิ่งที่คุณอธิบายโดยบอกว่าใช่แน่นอนว่าข้อมูลเหมือน Likert สามารถเพิ่มขึ้นได้จากกระบวนการทวินาม

การอ้างอิงแบบเต็ม: Allik, J. (2014) แบบจำลองผสมทวินามสำหรับการวัดบุคลิกภาพลิเคอร์ท พรมแดนในจิตวิทยา , (5) 371


ยินดีต้อนรับสู่เว็บไซต์! คุณสามารถเพิ่มการอ้างอิงแบบเต็มสำหรับกระดาษนั้นได้ไหม เป็นวิธีปฏิบัติมาตรฐานที่นี่เพราะลิงก์มักจะตาย
mkt - Reinstate Monica

-1

อันที่จริงฉันกำลังเตรียมกระดาษที่ฉันใช้วิธีการของคุณในการจัดการการตอบสนองในรายการ likert ราวกับว่ามันเป็นการรวมที่ชัดเจนของชุดการทดลองทวินาม

ในกระดาษของฉันมีการแจกแจงทวินามเพื่ออธิบายรูปร่างของการแจกแจงความถี่ที่สังเกตได้ เหตุผลที่อยู่เบื้องหลังวิธีการนี้ได้รับจากสมมติฐานสองข้อ ในหลาย ๆ แอปเพล็ตแสดงให้เห็นว่าการแจกแจงทวินามเกิดขึ้นได้อย่างไรมีการทดลองซ้ำ ๆ ของเบอร์นูลลี่โดยลูกบอลหนึ่งลูกที่ตกลงมาเป็นแถว ทุกครั้งที่ลูกบอลตกบนหมุดมันจะเด้งไปทางขวา (เช่นความสำเร็จ) ด้วยความน่าจะเป็น p หรือทางซ้าย (เช่นความล้มเหลว) ที่มีความน่าจะเป็น 1-p หลังจากลูกบอลตกผ่านอาร์เรย์มันจะตกลงไปในถังขยะที่มีป้ายกำกับตามจำนวนความสำเร็จที่สอดคล้องกัน ในบทความของฉันกระบวนการในการตัดสินใจถูกมองว่าเป็นชุดของการทดลอง Bernoulli อิสระซ้ำ ๆ กันซึ่งในการพิจารณาคดีแต่ละครั้งผู้วิจัยตัดสินใจที่จะเห็นด้วยหรือไม่เห็นด้วยกับข้อความที่เป็นปัญหา

(i) ในการพิจารณาคดีของ Bernoulli อิสระแต่ละครั้งผู้วิจัยตัดสินใจที่จะเห็นด้วยกับความน่าจะเป็นหรือไม่เห็นด้วย (ไม่เห็นด้วย) กับความน่าจะเป็น 1-p

(ii) หากมีการตอบสนองห้าหมวดหมู่สำหรับแถลงการณ์จำนวนครั้งที่มีการตัดสินใจของ Bernoulli เกี่ยวกับการตัดสินใจที่จะเห็นด้วยหรือไม่เห็นด้วย (ไม่เห็นด้วย) เท่ากับ 4 (5-1)

ตัวเลือกสุดท้ายสำหรับหมวดหมู่การตอบกลับเฉพาะนั้นกำหนดโดยกฎต่อไปนี้

  • หากในทุกกรณี (สี่) การตัดสินใจทำข้อตกลงของเบอร์นูลี่จะมีการให้คำตอบ 'เห็นด้วยอย่างยิ่ง'

  • หากในสามกรณีมีการตัดสินใจทำข้อตกลงของเบอร์นูลี่ก็จะได้รับคำตอบ 'เห็นด้วย'

  • หากในสองกรณีมีการตัดสินใจทำข้อตกลงของเบอร์นูลี่ก็จะได้รับคำตอบ 'ไม่ตัดสินใจ'

  • หากมีเพียงกรณีเดียวที่มีการตัดสินใจในข้อตกลงของเบอร์นูลี่ก็จะได้รับคำตอบ 'ไม่เห็นด้วย'

  • หากไม่ว่าในกรณีใดจะมีการตัดสินใจทำข้อตกลงของเบอร์นูลลี่จากนั้นจะมีการให้คำตอบ 'ไม่เห็นด้วยอย่างมาก'

เหตุผลที่คล้ายกันสามารถให้ได้โดยใช้การตัดสินใจ 'ไม่เห็นด้วย' เพื่อให้ได้การแจกแจงทวินามการให้คะแนนหมวดหมู่การตอบสนองมีดังนี้

ไม่เห็นด้วยอย่างยิ่ง = 0, ไม่เห็นด้วย = 1, เป็นกลาง = 2, เห็นด้วย = 3, เห็นด้วยอย่างยิ่ง = 4

สมมติฐานสองข้อนี้นำไปสู่การแจกแจงทวินามสำหรับความถี่การตอบสนองหากไม่มีความแตกต่างอย่างเป็นระบบระหว่างผู้ตอบแบบสอบถาม

ฉันหวังว่าคุณจะเห็นด้วย ฉันจะชื่นชมมากถ้าคุณสามารถพัฒนาภาษาอังกฤษของฉันในข้อความข้างต้น


ฉันได้ลบคำตอบเก่าของคุณ โปรดทราบว่าความคิดเห็นของฉันไม่ได้มีไว้เพื่อเป็นคำพูดเชิงลบ โดยทั่วไปการตอบกลับแบบบรรทัดเดียวโดยทั่วไปจะไม่ต้องการคำตอบที่ให้ข้อมูลและมีเหตุผล(แต่ดูคำถามที่พบบ่อยของเรา)
chl

1
นี่เป็นข้อเสนอที่น่าสนใจและสร้างสรรค์ แต่ฉันไม่แน่ใจ ทั้งในเวอร์ชันของคุณ & ในลำดับการถดถอยโลจิสติกตามที่แนะนำเช่นโดยคนอื่น ๆ ในหัวข้อนี้จะต้องมีสมมติฐานอัตราต่อรองสัดส่วน อย่างไรก็ตาม OLR จะอนุญาตให้เกณฑ์ / จุดตัด b / t หมวดหมู่มีความยืดหยุ่นมากขึ้นผมเชื่อว่าในขณะที่พวกเขาจะถูกกำหนดโดยพารามิเตอร์ทวินาม &ในรูปแบบของคุณ สมมติฐานนี้จะต้องมีการตรวจสอบกับข้อมูล & ฉันสงสัยว่าจะนำไปสู่ปัญหา (BTW, -1 ไม่ได้มาจากฉัน)pn
gung - Reinstate Monica
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.