क्या एक द्विपद प्रक्रिया से n परीक्षण के रूप में n-पॉइंट लिकट स्केल डेटा का इलाज करना उचित है?

11

मुझे कभी यह पसंद नहीं आया कि लोग आमतौर पर लिक्टर तराजू से डेटा का विश्लेषण कैसे करते हैं जैसे कि त्रुटि निरंतर और गॉसियन थे जब उचित अपेक्षाएं होती हैं कि इन मान्यताओं का कम से कम तराजू के चरम पर उल्लंघन किया जाता है। आप निम्नलिखित विकल्प से क्या समझते हैं:

यदि प्रतिक्रिया पॉइंट स्केल पर मान लेती है , तो उस डेटा को परीक्षणों में विस्तारित करें , जिनमें से का मान 1 और , जिसका मान 0. है। इस प्रकार, हम एक प्रतिक्रिया पैमाने पर प्रतिक्रिया मान रहे हैं जैसे कि यह द्विपदीय परीक्षणों की एक गुप्त श्रृंखला का ओवरऑल एग्रीगेट है (वास्तव में, एक संज्ञानात्मक विज्ञान के दृष्टिकोण से, यह वास्तव में इस तरह के निर्णय लेने के परिदृश्यों में शामिल तंत्र के लिए एक आकर्षक मॉडल है)। विस्तारित डेटा के साथ, आप अब मिश्रित प्रभाव मॉडल का उपयोग कर प्रतिवादी को यादृच्छिक प्रभाव के रूप में निर्दिष्ट कर सकते हैं (यदि आपके पास कई प्रश्न हैं, तो यादृच्छिक प्रभाव के रूप में भी सवाल करें) और त्रुटि वितरण को निर्दिष्ट करने के लिए द्विपद लिंक फ़ंक्शन का उपयोग करें। $k$ $n$ $n$ $k$ $n-k$

किसी को भी इस दृष्टिकोण के किसी भी उल्लंघन उल्लंघन या अन्य हानिकारक पहलुओं को देख सकते हैं?

— माइक लॉरेंस
स्रोत

2

क्या आप किसी भी प्रकाशित शोध के बारे में जानते हैं जो कि ऑर्डिनल डेटा के अंतराल के रूप में समान पैमाने का उपयोग करने के सापेक्ष गुणों को देखता है? शायद, अंतराल स्तर के तराजू के रूप में उन्हें इलाज करने की खामियां एक जटिल दृष्टिकोण को वारंट करने के लिए गंभीर नहीं हैं। यदि ऐसा है तो आपका दृष्टिकोण बस एक जंगली हंस का पीछा हो सकता है।

16

मैं साइकोमेट्रिक साहित्य में आपके प्रश्न से संबंधित किसी भी लेख के बारे में नहीं जानता। यह मुझे लगता है कि यादृच्छिक प्रभाव घटकों के लिए अनुमति देने वाले लॉजिस्टिक मॉडल इस स्थिति को बहुत अच्छी तरह से संभाल सकते हैं।

मैं @ श्रीकांत से सहमत हूं और सोचता हूं कि एक आनुपातिक ऑड्स मॉडल या एक ऑर्डर किए गए प्रोबेट मॉडल (आपके द्वारा चुने गए लिंक फ़ंक्शन के आधार पर) लिकर आइटम के आंतरिक कोडिंग को बेहतर ढंग से दर्शा सकता है, और राय / दृष्टिकोण सर्वेक्षण या प्रश्नावली में रेटिंग के पैमाने के रूप में उनका विशिष्ट उपयोग। ।

अन्य विकल्प हैं: (1) आनुपातिक या संचयी श्रेणियों (जहां लॉग-लीनियर के साथ एक संबंध है) के बजाय आसन्न का उपयोग; (2) आंशिक-क्रेडिट मॉडल या रेटिंग-स्केल मॉडल जैसे आइटम-प्रतिक्रिया मॉडल का उपयोग (जैसा कि लिकर्ट स्केल विश्लेषण पर मेरी प्रतिक्रिया में उल्लेख किया गया था )। उत्तरार्द्ध मामला एक मिश्रित-प्रभाव दृष्टिकोण के साथ तुलनीय है, विषयों के साथ यादृच्छिक प्रभाव के रूप में व्यवहार किया जाता है, और एसएएस प्रणाली में आसानी से उपलब्ध है (उदाहरण के लिए, NLMIXED प्रक्रिया के साथ दोहराया परिणाम के लिए मिश्रित-प्रभाव मॉडल फिटिंग ) या आर ( वॉल्यूम देखें) । 20 की सांख्यिकीय सॉफ्टवेयर के जर्नल )। जॉन स्केलैक द्वारा ऑप्टिमाइज़िंग रेटिंग स्केल श्रेणी प्रभावशीलता के बारे में दी गई चर्चा में भी आपकी रुचि हो सकती है ।

निम्नलिखित कागजात भी उपयोगी हो सकते हैं:

वू, सीएच (2007)। लिकर-स्केल डेटा को न्यूमेरिकल स्कोर में परिवर्तन पर एक अनुभवजन्य अध्ययन । अनुप्रयुक्त गणित विज्ञान , 1 (58) : 2851-2862।
रुस्त, जे और और लुओ, जी (1997)। किशोर केन्द्रवाद पर एक प्रश्नावली के लिए एक रस्स-आधारित अनफॉल्डिंग मॉडल का एक अनुप्रयोग । रोस्ट, जे और लैंगेहिन, आर (ईडीएस), सामाजिक विज्ञान में अव्यक्त विशेषता और अव्यक्त वर्ग मॉडल के अनुप्रयोग , न्यूयॉर्क: वैक्समैन।
लुबके, जी और मुथेन, बी (2004)। बहुभिन्नरूपी सामान्यता की धारणा के तहत कारक-विश्लेषण डेटा पैमाने का अवलोकन मनाया समूहों या अव्यक्त वर्गों की एक सार्थक तुलना को जटिल करता है । संरचनात्मक समीकरण मॉडलिंग , 11 : 514-534।
नेरिंग, एमएल और ओस्टिनी, आर (2010)। पॉलीटोमस आइटम रिस्पॉन्स थ्योरी मॉडल की हैंडबुक । नियमित अकादमिक
बेंडर आर और ग्रूवेन यू (1998)। गैर-आनुपातिक बाधाओं के साथ क्रमिक डेटा के लिए बाइनरी लॉजिस्टिक रिग्रेशन मॉडल का उपयोग करना। जर्नल ऑफ क्लिनिकल एपिडेमियोलॉजी , 51 (10) : 809-816। (पीडीएफ नहीं मिल सकता है लेकिन यह उपलब्ध है, चिकित्सा अनुसंधान में साधारण लॉजिस्टिक प्रतिगमन )

— CHL
स्रोत

1

मिश्रित प्रभाव ऑर्डिनल लॉजिस्टिक रिग्रेशन ऑर्डिनल पैकेज और क्लम () के साथ R में भी उपलब्ध है।

— जॉन

9

यदि आप वास्तव में इसी तरह के पैमाने के लिए अंतराल स्तर के डेटा की धारणा को छोड़ना चाहते हैं, तो मैं आपको सुझाव दूंगा कि आप डेटा को एक ऑर्डर किए गए लॉगिट या प्रोबिट के बजाय मान लें। लिकट स्केल आमतौर पर प्रतिक्रिया की ताकत को मापता है और इसलिए उच्च मूल्यों को ब्याज की अंतर्निहित वस्तु पर एक मजबूत प्रतिक्रिया का संकेत देना चाहिए।

मान लीजिए कि आपके पास एक आइटम स्केल है और यह ब्याज की वस्तु पर प्रतिक्रिया की अनिर्धारित ताकत का प्रतिनिधित्व करता है। तब आप निम्न प्रतिक्रिया मॉडल मान सकते हैं: $H$ $S$

$y = 1$ यदि $S \le \alpha_1$

$y = h\$ if लिए $\alpha_{h-1} < S\ \le \alpha_h$ $h = 2, 3, ..H-1$

$y = H\$ if $\alpha_{H-1} < S <\ \infty$

यह मानते हुए कि एक अज्ञात माध्य के साथ एक सामान्य वितरण का अनुसरण करता है और विचरण एक आदेशित प्रोबेट मॉडल देगा। $S$

2

एक चिंता यह होगी कि इस दृष्टिकोण का उपयोग करके आप प्रतिक्रिया के माध्य और विचरण के बीच एक विशिष्ट संबंध स्थापित कर रहे हैं । इस तरह के सर्वेक्षणों के लिए लिकर्ट स्केल का उपयोग अक्सर किया जाता है - जैसे कि आप कुछ बयानों या अन्य के संबंध में "ज़ोरदार सहमत" के बीच से पाँच श्रेणियों में से एक का चयन "ज़ोरदार असहमत" करते हैं - यह मुझे गलत लगता है। उदाहरण के लिए, यदि आप श्रेणियों के समीपवर्ती जोड़ को ध्वस्त करते हैं, तो एक दस-सूत्रीय पैमाने पर प्रतिक्रियाओं के समान वितरण को पाँच-बिंदु के पैमाने पर देने की उम्मीद करेंगे: प्रतिक्रिया और आम $np$ $np(1-p)$ $y$ $p$

\underset{n = 4}{Pr} (Y = y) \neq \underset{n = 9}{Pr} (Y = 2 y) + \underset{n = 9}{Pr} (Y = 2 y + 1)

$\Pr_{n=4}(Y=y)\neq\Pr_{n=9}(Y=2y)+\Pr_{n=9}(Y=2y+1)$ मुझे कुछ शोध याद हैं जो इसे सहन करने के लिए प्रतीत होते हैं: कोएलो और एस्टेव्स (2006), "ग्राहक संतुष्टि माप के ढांचे में पांच-बिंदु और दस-बिंदु पैमाने के बीच का विकल्प"।

— Scortchi - को पुनः स्थापित मोनिका
स्रोत

1

यदि आप सहमत को जोड़ते हैं और दृढ़ता से एक समूह में सहमत होते हैं और दूसरे में असहमत होते हैं और दृढ़ता से असहमत होते हैं, तो आप 5-पीटी लिकर्ट स्केल में द्विपद सन्निकटन का उपयोग कर सकते हैं। बेशक, आपको अभी भी यह तय करने की आवश्यकता है कि न्यूट्रल कहां जाते हैं। मैं किसी भी एक समूह में न्यूट्रल्स डालूंगा, द्विपद के लिए सामान्य सन्निकटन का उपयोग करूँगा (बशर्ते आपके पास 40 से अधिक प्रतिक्रियाएं हों), और प्रत्येक समूह के अनुपात पर विश्वास अंतराल विकसित करें (किसी भी मानक स्टेट को देखें। आत्मविश्वास कैसे प्राप्त करें पर पाठ। सामान्य अनुमान के साथ एक द्विपद वितरण से आने वाले अनुपात पर अंतराल)। फिर, मैं दूसरे समूह में न्यूट्रल डालूंगा, और आत्मविश्वास के अंतराल को फिर से करूंगा। यदि मुझे दोनों से समान निष्कर्ष मिलता है, तो एक संभावित निष्कर्ष है। अन्यथा, मैं यह नहीं देखता कि लिंकन डेटा के साथ द्विपद का उपयोग कैसे किया जा सकता है।

— user35193
स्रोत

0

अगर मुझे सही तरीके से समझ में आया है, तो यह पेपर आपके द्वारा बताए गए दृष्टिकोण के समान है, यह सुझाव देते हुए कि हां, वास्तव में, लिकर-जैसा डेटा एक द्विपद प्रक्रिया से उठ सकता है।

पूर्ण रेफरी: एलिक, जे (2014)। लिकट-प्रकार व्यक्तित्व उपायों के लिए एक मिश्रित-द्विपद मॉडल। फ्रंटियर्स इन साइकोलॉजी , (5) 371

— KasiaM
स्रोत

साइट पर आपका स्वागत है! क्या आप उस कागज के लिए पूर्ण संदर्भ जोड़ सकते हैं? यह यहाँ मानक अभ्यास है क्योंकि लिंक मृत हो जाते हैं।

— mkt - मोनिका

-1

वास्तव में मैं एक पेपर तैयार कर रहा हूं जिसमें मैं आपके जवाब का उपयोग कर रहा हूं जैसे कि किसी वस्तु पर प्रतिक्रिया देना, जैसे कि यह द्विपदीय परीक्षणों की गुप्त श्रृंखला का ओवरगेट है।

मेरे पत्र में द्विपद वितरण का उपयोग अवलोकन आवृत्ति वितरण के आकार को समझाने के लिए किया जाता है। इस दृष्टिकोण के पीछे तर्क दो मान्यताओं द्वारा दिया गया है। कई एप्लेट्स में, यह दिखाते हुए कि द्विपद वितरण कैसे अस्तित्व में आता है, एक ने पिन की एक सरणी के माध्यम से गिरने वाली एकल गेंद द्वारा स्वतंत्र बर्नौली परीक्षणों को दोहराया है। हर बार जब कोई गेंद पिन पर गिरती है, तो यह प्रायिकता p के साथ दाईं ओर (यानी एक सफ़लता) या प्रायिकता 1-p के साथ बायीं ओर (यानी एक विफलता) के लिए उछाल देगी। गेंद सरणी के माध्यम से गिरने के बाद, यह एक बिन में सफलताओं की संख्या द्वारा लेबल की गई भूमि है। मेरे पेपर में निर्णय लेने की प्रक्रिया को बार-बार स्वतंत्र बर्नौली परीक्षणों की एक श्रृंखला के रूप में भी देखा जाता है, जिसमें प्रत्येक परीक्षण में, विषय को सहमत करने या निर्णय में कथन पर सहमत नहीं होने का निर्णय लिया जाता है।

(i) प्रत्येक स्वतंत्र बर्नौली परीक्षण में विषय प्रोबिलीबिलिटी 1-p के साथ प्रायिकता p या सहमत नहीं होने (असहमत) से सहमत होने का निर्णय लेता है।

(ii) यदि कथन के लिए प्रतिक्रिया की पाँच श्रेणियां उपलब्ध हैं, तो सहमत होने या न मानने (असहमत) के निर्णय के संबंध में बर्नौली निर्णय की संख्या ४ (५-१) के बराबर है।

एक विशिष्ट प्रतिक्रिया श्रेणी के लिए अंतिम विकल्प निम्नलिखित नियमों द्वारा दिया गया है।

यदि सभी (चार) मामलों में समझौते का एक बर्नौली निर्णय किया जाता है, तो प्रतिक्रिया 'दृढ़ता से सहमत' दी जाएगी।
यदि तीन मामलों में समझौते का एक बर्नौली निर्णय किया जाता है, तो प्रतिक्रिया 'सहमत' दी जाएगी।
यदि दो मामलों में समझौते का बर्नौली निर्णय किया जाता है, तो प्रतिक्रिया 'अनिर्दिष्ट' दी जाएगी।
यदि केवल एक मामले में समझौते का एक बर्नौली निर्णय किया जाता है, तो प्रतिक्रिया 'असहमत' दी जाएगी।
यदि किसी मामले में समझौते का बर्नौली निर्णय नहीं किया जाता है, तो प्रतिक्रिया 'तीव्र असहमत' दी जाएगी।

इसी तरह के तर्क को 'असहमत' निर्णयों का उपयोग करके दिया जा सकता है। एक द्विपद वितरण प्राप्त करने के लिए, प्रतिक्रिया श्रेणियों का स्कोरिंग निम्नानुसार है।

दृढ़ता से असहमत = 0, असहमत = 1, तटस्थ = 2, सहमत = 3, दृढ़ता से सहमत = 4

ये दो धारणाएँ प्रतिक्रिया आवृत्तियों के लिए द्विपद वितरण की ओर ले जाती हैं बशर्ते कि उत्तरदाताओं के बीच कोई व्यवस्थित अंतर न हो।

मुझे आशा है कि आप सहमत हो सकते हैं। यदि आप उपरोक्त पाठ में मेरे अंग्रेजी में सुधार कर सकते हैं तो मैं बहुत सराहना करूंगा।

— एड वैन डेर वेन
स्रोत

मैंने आपका पुराना उत्तर हटा दिया है। कृपया ध्यान दें कि मेरी टिप्पणी नकारात्मक टिप्पणी के रूप में अभिप्रेत नहीं थी; एक-पंक्ति के उत्तर आमतौर पर बहुत जानकारीपूर्ण नहीं होते हैं और तर्कपूर्ण उत्तर पसंद किए जाते हैं (लेकिन हमारे FAQ देखें )।

— chl

1

यह एक दिलचस्प और रचनात्मक प्रस्ताव है, लेकिन मुझे इसमें संदेह है। आपके संस्करण में और जैसा कि सुझाव दिया गया है, उदाहरण के लिए, इस थ्रेड पर अन्य लोगों द्वारा, दोनों ही संस्करण में, आनुपातिक बाधाओं की आवश्यकता होगी। हालाँकि, OLR थ्रेशोल्ड / कटपॉइंट b / t श्रेणियों को अधिक लचीले ढंग से अलग-अलग करने की अनुमति देगा, मुझे विश्वास है, जबकि वे आपकी योजना में द्विपद मापदंडों & द्वारा निर्धारित किए जाएंगे । इस धारणा को डेटा के खिलाफ सत्यापित किया जाना चाहिए, और मुझे संदेह है, समस्याओं को जन्म देगा। (बीटीडब्ल्यू, -1 मेरे पास से नहीं आया।)

p

$p$

n

$n$

— गंग - मोनिका