AUDIT 기기는 기본적으로 리 커트 스케일입니다. 종종 5 점 척도로 답변되는 일련의 질문 (Likert 항목)은 몇 가지 근본적인 현상에 도달하도록 설계되었습니다. 그런 다음 질문 세트에 대한 반응의 합인 리 커트 척도를 기본 현상의 척도로 사용합니다. 리 커트 항목에 "강력 반대"의 규모에 종종 있지만 응용 프로그램이 "경향 측정하기 위해"강력하게 동의 " 의 lcohol U 자체 개발 이"에 isorders을 " 나는 dentification T의 추정을"간단합니다.
리 커트 척도 위키 백과 페이지 에서 언급 한 바와 같이 , "개별 리 커트 아이템이 인터벌 레벨 데이터로 간주 될 수 있는지 또는 주문 된 카테고리 데이터로 취급되어야하는지 여부는 문헌에서 상당히 불일치하며, 가장 적합한 방법 " 이 분쟁은 리 커트가 처음 스케일을 제안한 이후 80 년 이상을 거슬러 올라갑니다. 이 질문 에 대한 답변에서 와 같이이 사이트에서 가장 먼저 제기 된 질문 중 하나 인 Cross Validated에서이 문제가 해결되었습니다 .
스케일에 균일 한 단계 (또는 AUDIT에서와 같이 10 개의 서로 다른 항목을 추가하여 평균을내는 애플리케이션에 대해 균일 할 수있을 정도로 근접한 단계)가 있다는 아이디어를 받아들이면 분석에 대한 몇 가지 접근법이 가능합니다. 하나는 각 단계를 올라갈 확률과 동일한 비율로, 스케일 위로 올라 가기 위해 선택되거나 선택되지 않은 일련의 단계로 스케일의 반응을 고려하는 것입니다.
이것은 @MikeLawrence의 2010 년 질문에서와 같이, " n- 점 리 커트 척도 데이터를 이항 공정으로부터의 n 개의 시도 "로 생각할 수있게한다. 이 질문에 대한 답변이 그 아이디어를 굉장히지지하는 것은 아니지만, 오늘날이 연구 를 성공적으로 찾아서 이항 확률이 다른 하위 집단을 구별하기 위해이 접근법을 성공적으로 찾아내는 것은 어렵지 않았습니다 . 이항 법은 종종 카운트 데이터를 모델링하는 데 사용되지만, 개인이 "알코올 사용 장애"의 척도를 따라 걸었던 단계의 수, 카운트를 모델링하는 데 사용될 수 있습니다.
@Scortchi 가 두 번째 단락에 연결된 질문 에 대한 답변 에서 언급했듯이 이항 모델의 한계는 반응의 평균과 분산 사이에 특정 관계를 부과한다는 것입니다. 음 이항 제거하는 간단한 이항 모델에 의해 제공되는 쉬운 해석의 손실이 제한. 해석에서 적합해야하는 추가 매개 변수는 추가 자유도를 하나만 사용합니다. 반대로, 40 개의 Likert-item 단계마다 서로 다른 확률을 지정하고 Likert 척도에 대한 합계를 계산하는 것은 어려울 것입니다.
@MatthewGraves가이 질문에 대한 그의 답변에서 언급했듯이, 음 이항 모델이 적절한 지 여부는 잔차를 조사하는 것이 가장 좋습니다. AUDIT를 개발 한 최초의 연구 에서, 40 점 척도에서 8 이상의 값은 6 개의 다른 국가에서 "유해 또는 유해한 알코올 사용"으로 진단 된 것들을 구별하는데 상당히 합리적인 특이성과 감도를 가졌습니다. 따라서 위에 링크 된 2014 년 연구와 유사한 고위험 및 저 위험 집단을 기반으로하는 2 인구 이항 모형이 더 나을 것입니다.
AUDIT에 관심이있는 사람들은 구체적으로 그 원래 연구를 조사해야합니다. 예를 들어, 아침 음료의 필요성은 음주의 빈도와 완전히 다른 것을 측정하는 것처럼 보이지만 @SeanEaster가 예상 한 것처럼 아침 음료는 가중 평균 0.73의 알코올 섭취 척도와 상관 관계가 있습니다. (이 결과는 알코올 사용 장애가있는 친구가있는 사람에게는 놀라운 일이 아닙니다.) AUDIT는 여러 문화에서 안정적으로 사용할 수있는 도구를 개발하는 데 필요한 트레이드 오프의 좋은 예인 것 같습니다.