5 점 리 커트 아이템에서 시간에 따른 변화의 통계적 유의성


9

문맥:

2 년 동안 동일한 설문지에서 나온 두 개의 데이터 세트가 있습니다. 각 질문은 5-Likert 척도를 사용하여 측정됩니다.

Q1 : 코딩 체계

현재, 나는 "0, 1] 간격으로 응답을 코딩했으며, 0은"가장 부정적인 반응 "을 의미하고, 1은"가장 긍정적 인 반응 "을 의미하며, 다른 응답은 균등하게 간격을두고 있습니다.

  • 리 커트 척도에 사용하기위한 "최고의"코딩 체계는 무엇입니까?

나는 이것이 약간 주관적 일 수 있음을 알고있다.

Q2 : 수년간의 중요성

  • 2 년 동안 통계적으로 유의 한 변화가 있는지 확인하는 가장 좋은 방법은 무엇입니까?

즉, 매년 질문 1에 대한 결과를 보면 2011 년 결과와 2010 년 결과의 차이가 통계적으로 유의한지 어떻게 알 수 있습니까? 나는 여기서 학생의 t-test를 사용하고 있다는 것을 모호하게 기억하지만 확실하지 않습니다.

답변:


7

1. 코딩 체계

t- 검정을 사용하여 통계적 유의성을 평가할 때 중요한 척도 지점 간의 상대 거리입니다. 따라서 (0, 0.25, 0.5, 0.75, 1)은 (1, 2, 3, 4, 5)와 같습니다. 내 경험상 앞에서 언급 한 것과 같은 거리 코딩 방식이 가장 일반적이며 Likert 항목에는 합리적입니다. 최적의 스케일링을 탐색하면 대체 코딩 체계를 도출 할 수 있습니다.

2. 통계 테스트

Likert 항목에 대한 그룹 차이를 평가하는 방법에 대한 질문은 이미 여기 에서 답변 되었습니다 .

첫 번째 문제는 두 시점에서 관측치를 연결할 수 있는지 여부입니다. 샘플이 다른 것 같습니다. 몇 가지 옵션이 있습니다.

  • 독립 그룹 t- 검정 : 이것은 간단한 옵션입니다. 또한 그룹 평균의 차이를 테스트합니다. 순수 주의자들은 p- 값이 완전히 정확하지는 않을 것이라고 주장 할 것이다. 그러나 목적에 따라 적절할 수 있습니다.
  • 그룹 평균의 차이에 대한 부트 스트랩 테스트 : 그룹 평균 간의 차이를 여전히 테스트하려고하지만 종속 변수의 불연속 특성이 불편한 경우 부트 스트랩을 사용하여 그룹 평균의 변경에 대한 추론을 도출 할 수있는 신뢰 구간을 생성 할 수 있습니다 .
  • Mann-Whitney U 검정 (다른 비모수 적 검정 중) : 이러한 검정은 정규성을 가정하지는 않지만 다른 가설을 검정합니다.

요컨대, 내가 제안한 것 (등거리 코딩, t- 검정 유의성 테스트)에 더 정확하지 않은 다른 옵션이있는 것 외에 다른 것이 아무것도 보이지 않습니까?
— Mac

@Mac 제 생각에는 적용 관점에서 볼 때 간단하고 이해하기 쉽고 의사 소통이 쉽고 일반적으로 합리적인 접근 방식입니다. 그러나 개별 항목이 아닌 스케일을 사용하여 관심있는 구성을 측정하는 것이 좋습니다.
— Jeromy Anglim

동의했다. 그러나 나는 이것이 필요한 것을 믿습니다. 많은 감사합니다!
— Mac

그건 아마 당신이 당신의 최종 결정하기 전에 확인하는 것이 될 것이다, 그래서 그냥 참고로 t 테스트, 분산의 차이에 매우 민감 할 수 있음
— richiemorrisroe

@Mac / cc @richiemorrisroe 필자의 견해 (웰치의 t 테스트로 다소 우회 됨)를 제외하고, 문제는 주로 리 커트 항목을 사용할 때 종종 발생하는 비대칭 반응 분포 (천장 또는 바닥 효과)에 있습니다.
— chl

3

Wilcoxon Ranksum Test 일명 Mann-Whitney는 순서 데이터의 경우가는 방법입니다. 부트 스트래핑 솔루션은 "고전적인"방법은 아니지만 우아합니다. 부트 스트랩 방법은 요인 분석과 같은 다른 목적을 목표로하는 경우에도 유용 할 수 있습니다. 회귀 분석의 경우 정렬 된 프로 빗 또는 정렬 된 로짓을 모형 사양으로 선택할 수 있습니다.

BTW : 스케일의 범위가 더 클 경우 (변수 당 10 개 이상의 값) 결과를 메트릭 변수로 사용할 수 있으므로 t- 검정을 안전하게 선택할 수 있습니다. 이것은 조금 더러 우며 일부 사람들은 악마의 일로 간주 될 수 있습니다.

스테판


1
부트 스트랩이 요인 분석에 더 흥미로운 접근 방식을 제공하는 방법을 확장 할 수 있습니까?
— chl

Mann-Whitney 테스트가 t- 테스트보다 선호되는 이유 에 대해 더 자세히 알고 싶습니다 .
— whuber
당사 사이트를 사용함과 동시에 당사의 쿠키 정책과 개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.