एक सरल दृष्टिकोण इस प्रकार होगा।
दो वरीयता वाले प्रश्नों के लिए, चार के बजाय दो वेरिएबल, दो वेरिएबल्स, z1 और z2 कहते हुए, दोनों के उत्तर के बीच पूर्ण अंतर लें।
महत्वपूर्ण प्रश्नों के लिए, मैं एक स्कोर बना सकता हूं जो दो प्रतिक्रियाओं को जोड़ता है। यदि प्रतिक्रियाएँ थीं, तो, (1,1), मैं एक 1, (1,2) या (2,1) देता हूँ एक 2, (1,3) या (3,1) एक हो जाता है 3, एक (2,3) या (3,2) को 4 मिलता है, और (3,3) को एक 5 मिलता है। आइए हम बताते हैं कि "महत्व स्कोर।" एक विकल्प केवल अधिकतम (प्रतिक्रिया) का उपयोग करना होगा, 5 के बजाय 3 श्रेणियां देगा, लेकिन मुझे लगता है कि 5 श्रेणी का संस्करण बेहतर है।
अब मैं दस चर बनाऊंगा, X1 - x10 (समवर्ती के लिए), सभी शून्य के डिफ़ॉल्ट मानों के साथ। पहले प्रश्न = 1, X1 = z1 के लिए एक महत्वपूर्ण स्कोर के साथ उन टिप्पणियों के लिए। यदि दूसरे प्रश्न के लिए महत्व स्कोर भी = 1, x2 = z2 है। पहले प्रश्न = 2, x3 = z1 के लिए एक महत्व स्कोर के साथ उन टिप्पणियों के लिए और यदि दूसरा प्रश्न = 2, x4 = z2, और इतने पर के लिए महत्व स्कोर। प्रत्येक अवलोकन के लिए, बिल्कुल X1, x3, x5, x7, x9! = 0 में से एक, और इसी तरह x2, x4, x6, x8, x10 के लिए।
यह सब करने के बाद, मैं लक्ष्य चर के रूप में द्विआधारी परिणाम के साथ एक लॉजिस्टिक प्रतिगमन चलाऊंगा और रेजिस्टर के रूप में एक्स 1 - एक्स 10।
इसके अधिक परिष्कृत संस्करण पुरुष और महिला प्रतिवादी के महत्व को अलग-अलग तरीके से व्यवहार करने की अनुमति देकर अधिक महत्व स्कोर बना सकते हैं, उदाहरण के लिए, (1,2)! = A (2,1), जहां हमने सेक्स द्वारा प्रतिक्रियाओं का आदेश दिया है।
इस मॉडल की एक कमी यह है कि आपके पास एक ही व्यक्ति के कई अवलोकन हो सकते हैं, जिसका अर्थ होगा "त्रुटियां", शिथिल रूप से बोलना, टिप्पणियों के पार स्वतंत्र नहीं हैं। हालाँकि, नमूने में बहुत से लोगों के साथ, मैं शायद इसे अनदेखा करूँगा, पहले पास के लिए, या एक ऐसे नमूने का निर्माण करूँगा जहाँ कोई डुप्लिकेट नहीं थे।
एक और कमी यह है कि यह प्रशंसनीय है कि जैसे-जैसे महत्व बढ़ता है, पी (वरीयताओं) पर प्राथमिकताओं के बीच अंतर के प्रभाव में भी वृद्धि होगी, जो (X1, x3, x5, x7, x9) के गुणांकों के बीच संबंध और भी (x2, x4, x6, x8, x10) के गुणांक के बीच। (संभवत: पूर्ण आदेश नहीं है, क्योंकि यह मेरे लिए स्पष्ट नहीं है कि कैसे (2,2) महत्व स्कोर एक (1,3) महत्व स्कोर से संबंधित है।) हालांकि, हमने इसे मॉडल में नहीं लगाया है। मैं शायद पहली बार में इसे अनदेखा कर दूंगा, और देखूंगा कि क्या मैं परिणामों से हैरान हूं।
इस दृष्टिकोण का लाभ यह है कि "महत्व" और वरीयता प्रतिक्रियाओं के बीच अंतर के बीच संबंध के कार्यात्मक रूप के बारे में कोई धारणा नहीं है। यह पिछली कमी की टिप्पणी का खंडन करता है, लेकिन मुझे लगता है कि लगाए जा रहे कार्यात्मक रूप की कमी संभवतया गुणांक के बीच अपेक्षित संबंधों को ध्यान में रखने के लिए संबंधित विफलता की तुलना में अधिक लाभदायक है।