리 커트 척도를 서수 또는 구간 데이터로 사용해야하는 조건은 무엇입니까?

사회 과학에 관한 많은 연구는 리 커트 척도를 사용합니다. Likert 데이터를 서수로 사용하는 것이 적절한시기와 간격 데이터로 사용하는 것이 적절한시기는 언제입니까?

어쩌면 너무 늦었지만 어쨌든 대답을 추가합니다 ...

데이터를 사용하여 수행하려는 작업에 따라 다릅니다. 다른 참가자 그룹 (성별, 국가 등)을 고려할 때 점수가 다르다는 점에 관심이있는 경우 일반적인 가정을 충족하는 경우 점수를 숫자 값으로 취급 할 수 있습니다. 분산 (또는 모양) 및 표본 크기에 대해 부분 군에 따라 반응 패턴이 어떻게 다른지 강조하는 데 관심이있는 경우 일련의 답변 옵션 중에서 항목 점수를 개별 선택으로 간주하고 로그 선형 모델링, 순서 형 로지스틱 회귀, 항목-응답 모델 또는 기타 통계 모델을 찾아야합니다. 다원화 항목에 대처할 수 있습니다.

일반적으로, 스케일에 11 개의 별개의 점을 갖는 것이 인터벌 스케일을 근사하기에 충분하다고 일반적으로 고려합니다 (해석 목적은 @xmjx의 설명 참조). 리 커트 항목은 실제 서수 척도로 간주 될 수 있지만 종종 숫자로 사용되며 평균 또는 SD를 계산할 수 있습니다. 이는 태도 조사에서 종종 이루어 지지만, 평균 / SD 및 응답의 %를 모두 두 가지 범주로보고하는 것이 현명합니다.

합산 척도 점수를 사용할 때 (즉, "총 점수"를 계산하기 위해 각 항목에 점수를 더함) 일반적인 통계가 적용될 수 있지만 이제 잠재 변수를 사용하여 기본 구성을 사용하고 있음을 명심해야합니다. 이해해야합니다! 심리 측정에서 우리는 일반적으로 (1) 척도의 일차 원성, (2) 척도 신뢰성이 충분한 지 확인합니다. 이러한 두 가지 척도 점수 (두 개의 서로 다른 계측기)를 비교할 때 고전적인 Pearson 상관 계수 대신 감쇠 상관 측정을 사용하는 것도 고려할 수 있습니다.

고전 교과서에는 다음이 포함됩니다 :
1. Nunnally, JC and Bernstein, IH (1994). 심리학 이론 (3 판). 심리학의 McGraw-Hill 시리즈.
2. Streiner, DL 및 Norman, GR (2008). 건강 측정 척도. 그들의 개발 및 사용에 대한 실용적인 가이드 (4 판). 옥스퍼드.
3. Rao, CR 및 Sinharay, S., Eds. (2007). 통계 핸드북, Vol. 26 : 심리 측정 . Elsevier Science BV
4. Dunn, G. (2000). 정신과 통계 . Hodder Arnold.

또한 Rost & Langeheine과 W. Revelle의 성격 연구 웹 사이트에서 사회 과학의 잠재 특성 및 잠재 클래스 모델의 응용 프로그램을 살펴볼 수도 있습니다 .

심리적 척도를 검증 할 때는 소위 상한 / 바닥 효과 (가장 낮은 / 가장 높은 반응 범주에서 참가자의 점수로 인해 발생하는 큰 비대칭)를 보는 것이 중요합니다. 이는 수치 변수로 처리 할 때 계산 된 통계에 심각한 영향을 줄 수 있습니다. 예를 들어, 국가 집계, t- ​​테스트). 이것은 태도 또는 건강 조사에서 전반적인 반응 분포가 국가마다 다르기 때문에 (예를 들어 중국인 대 서방 출신의 사람들은 특정 반응 패턴을 강조하는 경향이 있기 때문에) 문화 간 연구에서 특정 문제를 제기한다. 일반적으로 품목 수준에서 더 극단적 인 점수를 얻으려면 예를 들어 Song, X.-Y. (2007) 삶의 질 데이터에 적용한 다중 표본 구조 방정식 모델 분석잠재 변수 및 관련 모델 핸드북 , Lee, S.-Y. (Ed.), pp 279-302, North-Holland).

보다 일반적으로 측정 문제에 관심이있는 경우 리 커트 항목을 광범위하게 사용하는 심리 측정 관련 문헌을 살펴보아야합니다. 다양한 통계 모델이 개발되었으며 현재 품목 반응 이론 프레임 워크로 향하고 있습니다.

간단한 대답은 리 커트 척도는 항상 서수라는 것입니다. 스케일상의 위치 사이의 간격은 단조 적이지만 수치 적으로 균일 한 증분이되도록 잘 정의되지 않습니다.

즉, 서수와 간격의 구별은 수행되는 분석의 특정 요구 사항을 기반으로합니다. 특수한 상황에서는 응답이 간격 척도로 떨어지는 것처럼 처리 할 수 ​​있습니다. 이를 위해서는 일반적으로 응답자들이 척도 반응의 의미와 밀접하게 일치해야하며 분석 (또는 분석에 근거한 결정)은 발생할 수있는 문제에 상대적으로 둔감해야합니다.

요약 된 스케일에 대해 이미 위에서 언급 한 것 외에도 그룹 수준에서 데이터를 분석 할 때 문제가 변경 될 수 있다고 언급합니다. 예를 들어

• 국가 또는 국가의 삶의 만족도,
• 조직이나 부서의 직업 만족도
• 과목의 학생 만족도.

이러한 모든 경우에, 각각의 총계 측정치 (아마도 평균)는 많은 개별 반응 (예를 들어, n = 50, 100, 1000 등)에 기초한다. 이 경우 원래 Likert 항목은 집계 레벨에서 간격 스케일과 유사한 특성을 갖습니다.

likert scale은 항상 서수 형식입니다. 통계적 분석이 가능하도록 정량적 값을 정 성적 데이터에 적용하는 방법. 각 잠재적 인 선택에 숫자 값이 할당되고 모든 응답에 대한 평균 수치는 평가 또는 설문 조사가 끝날 때 계산됩니다.