N-noktası Likert ölçeği verilerinin bir binom işleminden n deneme olarak ele alınması uygun mudur?

Bu varsayımların en azından ölçeklerin aşırı uçlarında ihlal edildiğine dair makul beklentiler olduğunda, insanların tipik olarak Likert ölçeklerindeki verileri nasıl analiz ettiklerini hiç beğenmedim. Aşağıdaki alternatif hakkında ne düşünüyorsunuz:

Tepki değeri alırsa bir de -Point ölçekte, bu veriyi genişletmek denemeler, değeri 1 ve sahip olan Böylece değerini 0. sahip olan, bir Likert ölçeğinde tepkisini tedavi ediyoruz sanki gizli bir binom denemeleri dizisinin açık toplamıdır (aslında, bilişsel bir bilim perspektifinden, bu aslında bu tür karar verme senaryolarında yer alan mekanizmalar için çekici bir modeldir). Genişletilmiş verilerle, artık yanıtlayanı rastgele bir efekt olarak belirten (birden fazla sorunuz varsa rastgele bir etki olarak da soru) ve hata dağılımını belirtmek için binomiyal bağlantı işlevini kullanarak karışık efektler modeli kullanabilirsiniz.n n k n - $k$$n$$n$$k$$n-k$

Bu yaklaşımın varsayım ihlallerini veya diğer zararlı yönlerini görebilen var mı?

Psikometrik literatürde sorunuzla ilgili hiçbir yazı bilmiyorum. Bana öyle geliyor ki, rastgele etki bileşenlerine izin veren sıralı lojistik modeller bu durumu oldukça iyi idare edebilir.

@Srikant ile aynı fikirdeyim ve orantılı bir oran modelinin veya sipariş edilen bir probit modelinin (seçtiğiniz bağlantı işlevine bağlı olarak) Likert öğelerinin içsel kodlamasını ve görüş / tutum anketlerinde veya anketlerde derecelendirme ölçekleri olarak tipik kullanımlarının daha iyi yansıtabileceğini düşünüyorum. .

Diğer alternatifler şunlardır: (1) orantılı veya kümülatif kategoriler yerine bitişik kullanımı (log-lineer modellerle bir bağlantı olduğunda); (2) kısmi kredi modeli veya derecelendirme ölçeği modeli gibi madde-tepki modellerinin kullanılması ( Likert ölçekleri analizine cevabımda belirtildiği gibi ). İkinci durum, rastgele etkiler olarak muamele gören denekler ile karışık etkiler yaklaşımıyla karşılaştırılabilir ve SAS sisteminde (ör . NLMIXED prosedürü ile tekrarlanan sıralı sonuçlar için karışık efekt modellerinin takılması ) veya R'de (bkz . 20 arasında istatistiksel Journal of Software ). John Linacre tarafından Derecelendirme Ölçeği Kategori Etkinliğini Optimize Etme hakkında yapılan tartışma da ilginizi çekebilir .

Aşağıdaki makaleler de yararlı olabilir:

1. Wu, CH (2007). Likert Ölçekli Verilerin Sayısal Puanlara Dönüştürülmesi Üzerine Ampirik Bir Çalışma . Uygulamalı Matematik Bilimleri , 1 (58) : 2851-2862.
2. Rost, J ve Luo, G (1997). Rasch Tabanlı Açılım Modelinin Ergen Merkezciliği Anketine Uygulanması . Rost, J ve Langeheine, R (Eds.), Sosyal bilimlerde gizli özellik ve gizli sınıf modellerinin uygulamaları , New York: Waxmann.
3. Lubke, G ve Muthen, B (2004). Faktör analizi Çok değişkenli normallik varsayımı altında Likert ölçeğinde veriler, gözlenen grupların veya gizli sınıfların anlamlı bir karşılaştırmasını karmaşıklaştırmaktadır . Yapısal Eşitlik Modeli , 11 : 514-534.
4. Nering, ML ve Ostini, R (2010). Çok Yönlü Madde Tepki Teorisi Modelleri El Kitabı . Routledge Akademik
5. Bender R ve Grouven U (1998). Orantılı olmayan olasılıklarla sıralı veriler için ikili lojistik regresyon modellerinin kullanılması. Klinik Epidemiyoloji Dergisi , 51 (10) : 809-816. (Pdf bulunamıyor ama bu mevcut, tıbbi araştırmalarda sıradan lojistik regresyon )

Likert ölçekleri için aralık seviyesi verisi varsayımını gerçekten bırakmak istiyorsanız, bunun yerine verilerin sıralı bir logit veya probit olduğunu varsaymanızı öneririm. Likert ölçekleri genellikle yanıt gücünü ölçer ve bu nedenle daha yüksek değerler, ilgilenilen temel öğe üzerinde daha güçlü bir yanıt olduğunu göstermelidir.

$H$$S$

$y = 1$$S \le \alpha_1$

$y = h\ $$\alpha_{h-1} < S\ \le \alpha_h$$h = 2, 3, ..H-1$

$y = H\ $$\alpha_{H-1} < S <\ \infty$

$S$

$np$$np(1-p)$$y$$p$

Eğer katılıp bir grupta katılmıyorsanız ve katılmıyorsanız ve bir diğerine katılmıyorsanız, binom yaklaşımını 5 puanlık Likert ölçeğinde kullanabilirsiniz. Tabii ki, nötrlerin nereye gittiğine hala karar vermeniz gerekiyor. Nötrleri herhangi bir gruba koyardım, binomlara normal yaklaşımı kullanırım (40'tan fazla cevabınız varsa) ve her grubun oranlarında güven aralıkları geliştiririm (nasıl anlaşılacağı konusunda herhangi bir standart istatistik metnine bakın. normal yaklaşıma sahip binom dağılımından gelen oranlarda aralıklar). Sonra, nötrleri diğer gruba koyardım ve güven aralıklarını tekrar yapardım. Her ikisinden de aynı sonucu alırsam, potansiyel bir sonuç vardır. Aksi takdirde, binomun Likert verileriyle nasıl kullanılabileceğini göremiyorum.

Eğer doğru anladıysam, bu makale sizin tanımladığınız şeye çok benzer bir yaklaşım önermekte, evet, gerçekten Likert benzeri verilerin bir binom işleminden kaynaklanabileceğini düşündürmektedir.

Tam Ref: Allik, J. (2014). Likert tipi kişilik ölçüleri için karma-binomial model. Psikolojide Sınırlar , (5) 371

Aslında, benzer bir binom denemesinin açık bir toplamıymışçasına, bir likert öğesinde bir yanıtı tedavi etme yaklaşımınızı kullandığım bir makale hazırlıyorum.

Makalemde, binom dağılımı, gözlemlenen frekans dağılımlarının şeklini açıklamak için kullanılmıştır. Bu yaklaşımın ardındaki mantık iki varsayımla verilmektedir. Binom dağılımının nasıl meydana geldiğini gösteren birçok uygulamada, bir dizi pimden düşen tek bir topla bağımsız Bernoulli denemelerini tekrarladı. Bir top bir pime her düştüğünde, p olasılığı ile sağa (yani bir başarı) veya 1-p olasılığı ile sola (yani bir başarısızlığa) sıçrar. Top diziye düştükten sonra, karşılık gelen başarı sayısı ile etiketlenmiş bir kutuya iner. Makalemde karar verme süreci, her denemede, konunun söz konusu ifadeyi kabul etmeye ya da kabul etmemeye karar verdiği bir dizi tekrarlanan bağımsız Bernoulli çalışması olarak da görülmektedir.

(i) Her bağımsız Bernoulli çalışmasında, konu olasılık 1-p ile anlaşmaya veya katılmamaya (katılmama) bir karar verir.

(ii) Beyan için beş yanıt kategorisi mevcutsa, kabul veya karar vermeme (katılmama) kararıyla ilgili olarak Bernoulli kararının kaç kez verileceği 4'e (5-1) eşittir.

Belirli bir yanıt kategorisi için son seçenek aşağıdaki kurallarla verilir.

• Tüm (dört) durumda bir Bernoulli anlaşma kararı verilirse, 'kesinlikle katılıyorum' yanıtı verilecektir.

• Üç durumda bir Bernoulli anlaşma kararı verilirse, 'kabul' yanıtı verilecektir.

• İki durumda bir Bernoulli anlaşma kararı verilirse, 'kararsız' yanıtı verilecektir.

• Sadece bir durumda bir Bernoulli anlaşma kararı verilirse, 'katılmıyorum' yanıtı verilecektir.

• Hiçbir durumda Bernoulli ile bir anlaşma kararı verilmezse, 'kesinlikle katılmıyorum' yanıtı verilecektir.

Benzer bir mantık, 'katılmıyorum' kararları kullanılarak da verilebilir. Bir binom dağılımı elde etmek için, cevap kategorilerinin skorlaması aşağıdaki gibidir.

kesinlikle katılmıyorum = 0, katılmıyorum = 1, nötr = 2, katılıyorum = 3, kesinlikle katılıyorum = 4

Bu iki varsayım, katılımcılar arasında sistematik bir farklılık olmaması şartıyla, yanıt frekansları için bir binom dağılımına yol açar.

Umarım kabul edebilirsin. Eğer yukarıdaki metinde ingilizcemi geliştirebilirsen çok hoşlanırdım.