सामाजिक विज्ञानों में कई अध्ययन लिकर्ट स्केल का उपयोग करते हैं। लिकट डेटा को ऑर्डिनल के रूप में उपयोग करना कब उचित है और कब अंतराल डेटा के रूप में इसका उपयोग करना उचित है?
सामाजिक विज्ञानों में कई अध्ययन लिकर्ट स्केल का उपयोग करते हैं। लिकट डेटा को ऑर्डिनल के रूप में उपयोग करना कब उचित है और कब अंतराल डेटा के रूप में इसका उपयोग करना उचित है?
जवाबों:
शायद बहुत देर हो चुकी है लेकिन मैं अपना जवाब किसी भी तरह से जोड़ देता हूं ...
यह इस बात पर निर्भर करता है कि आप अपने डेटा के साथ क्या करने का इरादा रखते हैं: यदि आप प्रतिभागियों के विभिन्न समूह (लिंग, देश इत्यादि) पर विचार करते हुए उस स्कोर को दिखाने में रुचि रखते हैं, तो आप अपने अंकों को संख्यात्मक मान सकते हैं, बशर्ते वे सामान्य मान्यताओं को पूरा करते हों। विचरण (या आकार) और नमूना आकार के बारे में। यदि आप इस बात को उजागर करने में रुचि रखते हैं कि उप-समूहों में प्रतिक्रिया पैटर्न कैसे भिन्न होते हैं, तो आपको उत्तर विकल्पों के सेट के बीच आइटम स्कोर के रूप में असतत विकल्प पर विचार करना चाहिए और लॉग-लीनियर मॉडलिंग, ऑर्डिनल लॉजिस्टिक रिग्रेशन, आइटम-प्रतिक्रिया मॉडल या किसी अन्य सांख्यिकीय मॉडल की तलाश करनी चाहिए। जो बहुपत्नी वस्तुओं के साथ सामना करने की अनुमति देता है।
अंगूठे के एक नियम के रूप में, एक आम तौर पर मानता है कि एक पैमाने पर 11 अलग-अलग बिंदुओं का होना अंतराल अंतराल (व्याख्या के उद्देश्य के लिए, @ xmjx की टिप्पणी देखें) के लिए पर्याप्त है। संभावित वस्तुओं को वास्तविक क्रमिक पैमाने के रूप में माना जा सकता है, लेकिन उन्हें अक्सर संख्यात्मक के रूप में उपयोग किया जाता है और हम उनके अर्थ या एसडी की गणना कर सकते हैं। यह अक्सर दृष्टिकोण सर्वेक्षणों में किया जाता है, हालांकि यह औसत / एसडी और प्रतिक्रिया की%, जैसे दो उच्चतम श्रेणियों दोनों की रिपोर्ट करना बुद्धिमानी है।
समकालिक स्केल स्कोर का उपयोग करते समय (अर्थात, हम "कुल स्कोर" की गणना करने के लिए प्रत्येक आइटम पर स्कोर जोड़ते हैं), सामान्य आँकड़े लागू हो सकते हैं, लेकिन आपको यह ध्यान रखना होगा कि अब आप एक अव्यक्त चर के साथ काम कर रहे हैं, इसलिए अंतर्निहित निर्माण समझदारी चाहिए! साइकोमेट्रिक्स में, हम आम तौर पर जाँचते हैं कि (1) स्केल की एकरूपता, (2) स्केल की विश्वसनीयता पर्याप्त है। जब इस तरह के दो पैमाने स्कोर (दो अलग-अलग उपकरणों के लिए) की तुलना करते हैं, तो हम शास्त्रीय पियर्सन सहसंबंध गुणांक के बजाय क्षीणन सहसंबंध उपायों का उपयोग करने पर भी विचार कर सकते हैं।
शास्त्रीय पाठ्यपुस्तकों में शामिल हैं:
1. नुनली, जेसी और बर्नस्टीन, आईएच (1994)। साइकोमेट्रिक थ्योरी (तीसरा संस्करण)। मनोविज्ञान में मैकग्रा-हिल श्रृंखला।
2. स्ट्रेनर, डीएल और नॉर्मन, जीआर (2008)। स्वास्थ्य मापक तराजू। उनके विकास और उपयोग के लिए एक व्यावहारिक मार्गदर्शिका (4 वां संस्करण)। ऑक्सफोर्ड।
3. राव, सीआर और सिंहराय, एस।, ईडीएस। (2007)। सांख्यिकी की पुस्तिका, वॉल्यूम। 26: साइकोमेट्रिक्स । एल्सेवियर साइंस बीवी
4. डन, जी (2000)। मनोरोग में सांख्यिकी । होडर अर्नोल्ड।
तुम भी सामाजिक विज्ञान में रॉस और Langeheine, और व्यक्तित्व अनुसंधान पर डब्ल्यू रेवेल की वेबसाइट से अव्यक्त विशेषता और अव्यक्त वर्ग मॉडल के अनुप्रयोगों पर एक नज़र हो सकता है ।
एक साइकोमेट्रिक स्केल को मान्य करते समय, तथाकथित छत / फर्श प्रभाव (सबसे कम / उच्चतम प्रतिक्रिया श्रेणी में भाग लेने वाले प्रतिभागियों से उत्पन्न बड़ी विषमता) को देखना महत्वपूर्ण है, जो कि किसी भी आँकड़े पर गंभीरता से प्रभाव डाल सकता है जब उन्हें संख्यात्मक चर मानते हुए गणना की जाती है। उदाहरण के लिए, देश एकत्रीकरण, टी-टेस्ट)। यह क्रॉस-सांस्कृतिक अध्ययनों में विशिष्ट मुद्दों को उठाता है क्योंकि यह ज्ञात है कि दृष्टिकोण या स्वास्थ्य सर्वेक्षण में समग्र प्रतिक्रिया वितरण एक देश से दूसरे देश में भिन्न होता है (जैसे चीनी लोग बनाम पश्चिमी देशों से आने वाले लोग विशिष्ट प्रतिक्रिया पैटर्न को उजागर करते हैं, पूर्व होने आइटम स्तर पर आम तौर पर अधिक चरम स्कोर, उदाहरण के लिए देखें सॉन्ग, X.-Y. (2007) क्वालिटी ऑफ लाइफ डेटा के लिए अनुप्रयोगों के साथ मल्टीस्प्लिमल स्ट्रक्चरल समीकरण मॉडल का विश्लेषण,हैंडबुक ऑफ़ लेटेंट वेरिएबल और संबंधित मॉडल , ली, एस.वाई। (एड।), पीपी 279-302, उत्तर-हॉलैंड)।
अधिक आम तौर पर, आपको साइकोमेट्रिक-संबंधित साहित्य को देखना चाहिए जो कि लिकर आइटम का व्यापक उपयोग करता है यदि आप माप के मुद्दे के साथ रुचि रखते हैं। विभिन्न सांख्यिकीय मॉडल विकसित किए गए हैं और वर्तमान में आइटम रिस्पांस थ्योरी ढांचे के तहत नेतृत्व कर रहे हैं।
इसका सरल उत्तर यह है कि लिक्टर स्केल हमेशा क्रमबद्ध होते हैं। पैमाने पर पदों के बीच के अंतराल एकरस होते हैं लेकिन कभी भी इतनी अच्छी तरह से परिभाषित नहीं किए जाते हैं कि संख्यात्मक रूप से समान वेतन वृद्धि हो।
इसने कहा, अध्यादेश और अंतराल के बीच का अंतर प्रदर्शन की जा रही विश्लेषण की विशिष्ट मांगों पर आधारित है। विशेष परिस्थितियों में, आप प्रतिक्रियाओं का इलाज करने में सक्षम हो सकते हैं जैसे कि वे अंतराल के पैमाने पर गिर गए। ऐसा करने के लिए, आम तौर पर उत्तरदाताओं को स्केल प्रतिक्रियाओं और विश्लेषण के अर्थ के बारे में घनिष्ठ समझौते में होना चाहिए (या विश्लेषण पर आधारित निर्णय) उन समस्याओं के लिए अपेक्षाकृत असंवेदनशील होना चाहिए जो उत्पन्न हो सकते हैं।
सारांशित तराजू के बारे में ऊपर पहले ही कहा जा चुका है, मैं यह भी उल्लेख करूंगा कि समूह-स्तर पर डेटा का विश्लेषण करते समय समस्या बदल सकती है। उदाहरण के लिए, यदि आप परीक्षा दे रहे थे
इन सभी मामलों में प्रत्येक समग्र माप (शायद माध्य) कई व्यक्तिगत प्रतिक्रियाओं (जैसे, n = 50, 100, 1000, आदि) पर आधारित है। इन मामलों में मूल लिकेर्ट आइटम उन गुणों को लेना शुरू कर देता है जो कुल स्तर पर अंतराल स्केल के समान होते हैं।
समान पैमाने हमेशा क्रमिक रूप में: गुणात्मक डेटा को मात्रात्मक बताए जाने की एक विधि, सांख्यिकीय विश्लेषण के लिए इसे उत्तरदायी बनाने के लिए। एक संख्यात्मक मूल्य प्रत्येक संभावित विकल्प को सौंपा गया है और मूल्यांकन या सर्वेक्षण के अंत में सभी प्रतिक्रियाओं के लिए एक औसत आंकड़ा गणना की जाती है।