n- 점 리 커트 척도 데이터를 이항 공정에서 n 번의 시행으로 취급하는 것이 적절합니까?


11

나는 이러한 가정이 적어도 극한의 범위에서 위반 될 것이라는 합리적인 기대가있을 때 사람들이 리 커트 척도의 데이터를 오류가 연속적이고 가우시안 인 것처럼 일반적으로 분석하는 방법을 결코 좋아하지 않았습니다. 다음 대안에 대해 어떻게 생각하십니까?

응답 값을 취하면 온 N'- 포인트 스케일로 데이터 확장 시험, 값 1이있는 따라서 0의 값을 가지고있는을 우리가 리 커트 척도에 응답을 처리 중인지 것처럼 은밀한 일련의 이항 실험의 명백한 집계입니다 (사실,인지 과학의 관점에서, 이것은 실제로 그러한 의사 결정 시나리오와 관련된 메커니즘에 대한 매력적인 모델입니다). 확장 된 데이터를 사용하면 응답자를 임의 효과 (여러 질문이있는 경우 임의 효과로도 질문)를 지정하고 이항 링크 함수를 사용하여 오차 분포를 지정하는 혼합 효과 모델을 사용할 수 있습니다.n n k n kknnknk

누구든지이 접근법의 가정 위반이나 기타 해로운 측면을 볼 수 있습니까?


2
리 커트 척도를 구간 대 서수로 사용하는 상대적인 장점을 살펴 보는 출판 된 연구에 대해 알고 있습니까? 아마도, 그것들을 간격 수준 척도로 취급하는 결점은 복잡한 접근법을 보증하기에 충분히 심각하지 않습니다. 이 경우 접근 방식은 단순히 거위 추적이 될 수 있습니다.

답변:


16

나는 심리학 문헌에서 당신의 질문과 관련된 기사를 모른다. 무작위 효과 구성 요소를 허용하는 주문형 물류 모델 이이 상황을 잘 처리 할 수있는 것 같습니다.

@Srikant에 동의하고 비례 배당률 모델 또는 순서가 지정된 프로 빗 모델 (선택한 링크 기능에 따라 다름)이 리 커트 항목의 고유 한 코딩 및 의견 / 태도 조사 또는 설문지의 평가 척도로 일반적인 사용에 더 잘 반영 될 수 있다고 생각합니다. .

다른 대안은 다음과 같다 : (1) 비례 또는 누적 범주 대신에 로그의 사용 (로그 선형 모델과 관련이있는 경우); (2) 부분 신용 모델 또는 등급 척도 모델과 같은 품목 응답 모델 사용 ( 리 커트 척도 분석 에 대한 응답에서 언급 한 바와 같이 ). 후자의 경우는 무작위 효과로 처리 된 피험자를 가진 혼합 효과 접근법과 비교할 수 있으며 SAS 시스템 (예 : NLMIXED 절차로 반복적 인 서수 결과에 대한 혼합 효과 모델 맞추기 ) 또는 R ( vol. (20)통계 소프트웨어의 저널 ). 등급 척도 카테고리 효과 최적화 에 관한 John Linacre의 토론에 관심이있을 수도 있습니다 .

다음과 같은 논문도 유용 할 수 있습니다.

  1. 우, CH (2007). 리 커트 척도 데이터를 수치 점수로 변환하는 실증적 연구 . 응용 수학 , 1 (58) : 2851-2862.
  2. Rost, J 및 Luo, G (1997). 청소년 중심주의에 대한 설문지에 Rasch 기반 전개 모델의 적용 . Rost, J and Langeheine, R (Eds.), 사회 과학의 잠재 특성 및 잠재 클래스 모델의 적용 , New York : Waxmann.
  3. Lubke, G and Muthen, B (2004). 다변량 정규성의 가정하에 요인 분석 리 커트 척도 데이터는 관찰 된 그룹 또는 잠재 클래스의 의미있는 비교를 복잡하게합니다 . 구조 방정식 모델링 , 11 : 514-534.
  4. Nering, ML 및 Ostini, R (2010). 다항 항목 반응 이론 모델 핸드북 . Routledge Academic
  5. 벤더 R과 그 루벤 U (1998). 비례하지 않은 승산이있는 서수 데이터에 이진 로지스틱 회귀 모델 사용 임상 역학 저널 , 51 (10) : 809-816. (pdf를 찾을 수는 없지만 의료 연구에서 순서 형 로지스틱 회귀 분석을 사용할 수 있습니다 )

1
혼합 효과 순서 로지스틱 회귀 분석은 순서 패키지 및 clmm ()과 함께 R에서도 사용할 수 있습니다.
John

9

리 커트 척도에 대한 구간 수준 데이터의 가정을 실제로 포기하려면 데이터를 순서대로 로짓 또는 프로 빗으로 가정하는 것이 좋습니다. 리 커트 척도는 일반적으로 반응의 강도를 측정하므로 값이 높을수록 관심있는 기본 항목에 대한 반응이 더 강력해야합니다.

품목 척도 를 가지고 있고 S 가 관심 품목에 대한 관찰되지 않은 반응 강도를 나타낸다고 가정하십시오. 그러면 다음 응답 모델을 가정 할 수 있습니다.HS

의 경우 S α 1y=1Sα1

의 경우 α H - 1 <는 S α H 에 대한 H = 2 , 3 , . . H - 1y=h αh1<S αhh=2,3,..H1

α H - 1 < S < ∞ 인 경우 y = Hy=H αH1<S< 

S


2

npnp(1p)yp

Prn=4(Y=y)Prn=9(Y=2y)+Prn=9(Y=2y+1)
Coelho & Esteves (2006)는“고객 만족도 측정의 틀에서 5 점과 10 점 척도 중 선택”이라는 결론을 내렸다.

1

동의를 조합하고 한 그룹에 강력하게 동의하고 다른 그룹에 동의하지 않으면 다른 그룹에 강력하게 동의하지 않으면 이항 근사를 5pt 리 커트 척도로 사용할 수 있습니다. 물론 중립이 어디로 갈지 결정해야합니다. 한 그룹에 중립을두고 이항에 대한 정규 근사를 사용하고 (응답이 40 개 이상인 경우) 각 그룹의 비율에 대한 신뢰 구간을 개발합니다 (conf를 얻는 방법에 대한 표준 통계 텍스트 참조). 정규 근사값을 가진 이항 분포에서 나오는 비율에 대한 구간). 그런 다음 다른 그룹에 중립을두고 신뢰 구간을 다시 실행합니다. 둘 다에서 같은 결론을 얻는다면 잠재적 인 결론이 있습니다. 그렇지 않으면, 이항을 Likert 데이터와 함께 사용할 수있는 방법을 알 수 없습니다.


0

내가 올바르게 이해했다면,이 논문 은 당신이 묘사 한 것과 매우 유사한 접근법을 제안합니다.

전체 참조 : Allik, J. (2014). 리 커트 유형 성격 측정을위한 혼합 이항 모형. 심리학의 개척자 , (5) 371


사이트에 오신 것을 환영합니다! 해당 논문에 대한 전체 참조를 추가 할 수 있습니까? 링크가 죽는 경향이 있기 때문에 표준 관행입니다.
mkt-Reinstate Monica

-1

실제로 나는 비밀스러운 일련의 이항 실험의 명백한 집합 인 것처럼 리 커트 항목에 대한 반응을 처리하는 방법을 사용하는 논문을 준비하고 있습니다.

필자의 논문에서 이항 분포는 관측 된 주파수 분포의 모양을 설명하기 위해 사용됩니다. 이 접근법의 근거는 두 가지 가정에 의해 주어진다. 이항 분포가 어떻게 생겨나는지를 보여주는 많은 애플릿에서, 하나의 공이 핀 배열을 통해 떨어지는 독립적 인 Bernoulli 시험을 반복했습니다. 볼이 핀에 떨어질 때마다 확률 p가있는 오른쪽 (즉, 성공) 또는 확률 1-p가있는 왼쪽 (즉, 실패)으로 바운스됩니다. 공이 배열을 통과 한 후에는 해당하는 성공 횟수가 표시된 빈에 들어갑니다. 필자의 논문에서 의사 결정 과정은 일련의 반복되는 독립적 인 베르누이 (Beroulli) 재판으로 반복되며, 각 시험에서 피험자는 해당 진술에 동의하기로 결정합니다.

(i) 각각의 독립적 인 베르누이 (Beroulli) 시험에서 피험자는 확률 p에 동의 할 것인지 또는 유아 1-p에 동의하지 않을 것인지 (동의하지 않음)를 결정합니다.

(ii) 진술에 대해 5 가지 범주의 응답이 가능한 경우, 동의 여부에 대한 결정 (동의)에 관한 Bernoulli 결정이 4 번 (5-1) 인 횟수입니다.

특정 응답 범주에 대한 최종 선택은 다음 규칙에 따라 제공됩니다.

  • (4) 모든 경우에 Bernoulli의 동의 결정이 내려지면 '강하게 동의합니다'라는 응답이 제공됩니다.

  • 세 경우에 베르누이 (Beroulli) 동의 결정이 내려지면 '동의 함'이 주어집니다.

  • 두 경우에 베르누이 (Beroulli) 동의 결정이 내려지면 '미정 된 (unecided)'응답이 제공됩니다.

  • 베르누이 (Beroulli) 동의 결정이 한 가지 경우에만 '동의'에 대한 답변이 제공됩니다.

  • 어떠한 경우에도 Bernoulli의 동의 결정이 내려지지 않으면 '강하게 동의하지 않음'이라는 응답이 제공됩니다.

'동의'결정을 사용하여 유사한 추론을 할 수 있습니다. 이항 분포를 구하기 위해 반응 범주의 점수는 다음과 같습니다.

매우 동의하지 않음 = 0, 동의하지 않음 = 1, 중립 = 2, 동의 = 3, 강력하게 동의 = 4

이 두 가정은 응답자 사이에 체계적인 차이가 없다면 응답 빈도에 대한 이항 분포로 이어집니다.

나는 당신이 동의 할 수 있기를 바랍니다. 위의 텍스트에서 내 영어 실력을 향상시킬 수 있다면 대단히 감사하겠습니다.


이전 답변을 삭제했습니다. 저의 의견은 부정적인 말로 의도 된 것이 아닙니다. 한 줄로 답장은 일반적으로 정보가 많지 않으며 논쟁의 여지가있는 답변을 선호해야합니다 (하지만 FAQ 참조 ).
chl

1
pn
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.