5-बिंदु लिकर आइटम पर समय के साथ परिवर्तनों का सांख्यिकीय महत्व


9

प्रसंग:

मेरे पास एक ही प्रश्नावली के दो डेटा सेट हैं जो दो साल से अधिक हैं। प्रत्येक प्रश्न को 5-लिकर्ट स्केल का उपयोग करके मापा जाता है।

Q1: कोडिंग योजना

फिलहाल, मैंने अपनी प्रतिक्रियाओं को एक [0, 1] अंतराल पर कोडित कर दिया है, जिसमें 0 का अर्थ "सबसे नकारात्मक प्रतिक्रिया" है, 1 का अर्थ है "सबसे सकारात्मक प्रतिक्रिया", और अन्य प्रतिक्रियाएं समान रूप से बीच में हैं।

  • लिकट पैमाने के लिए उपयोग करने के लिए "सर्वश्रेष्ठ" कोडिंग योजना क्या है?

मुझे एहसास है कि यह थोड़ा व्यक्तिपरक हो सकता है।

Q2: साल भर में महत्व

  • यह निर्धारित करने का सबसे अच्छा तरीका क्या है कि दो वर्षों में सांख्यिकीय रूप से महत्वपूर्ण परिवर्तन है या नहीं?

यही है, प्रत्येक वर्ष के लिए प्रश्न 1 के परिणामों को देखते हुए, मैं कैसे बताऊं कि क्या 2011 के परिणाम और 2010 के परिणाम के बीच का अंतर सांख्यिकीय रूप से महत्वपूर्ण है? मुझे यहां छात्र के टी-टेस्ट के अस्पष्ट उपयोग के बारे में याद है, लेकिन मुझे यकीन नहीं है।

जवाबों:


7

1. कोडिंग योजना

टी-टेस्ट का उपयोग करके सांख्यिकीय महत्व का आकलन करने के संदर्भ में, यह स्केल पॉइंट्स के बीच की सापेक्ष दूरी है जो मायने रखता है। इस प्रकार, (0, 0.25, 0.5, 0.75, 1) के बराबर है (1, 2, 3, 4, 5)। मेरे अनुभव से समान दूरी की कोडिंग योजना, जैसे कि पहले बताई गई बातें सबसे आम हैं, और लिकर्ट आइटम के लिए उचित लगती हैं। यदि आप इष्टतम स्केलिंग का पता लगाते हैं, तो आप एक वैकल्पिक कोडिंग योजना प्राप्त कर सकते हैं।

2. सांख्यिकीय परीक्षण

लिकर आइटम पर समूह के अंतर का आकलन कैसे करें, इस सवाल का जवाब यहां पहले ही दिया जा चुका है

पहला मुद्दा यह है कि क्या आप दो समय बिंदुओं पर टिप्पणियों को जोड़ सकते हैं। ऐसा लगता है कि आपके पास एक अलग नमूना था। यह कुछ विकल्पों की ओर जाता है:

  • स्वतंत्र समूह टी-टेस्ट : यह एक सरल विकल्प है; यह समूह साधनों में अंतर के लिए परीक्षण भी करता है; शुद्धतावादियों का तर्क है कि पी-मूल्य पूरी तरह से सही नहीं हो सकता है; हालाँकि, आपके उद्देश्यों के आधार पर, यह पर्याप्त हो सकता है।
  • समूह में अंतर के बूटस्ट्रैप्ड परीक्षण का अर्थ है : यदि आप अभी भी समूह साधनों के बीच अंतर का परीक्षण करना चाहते हैं, लेकिन आश्रित चर की असतत प्रकृति से असहज हैं, तो आप विश्वास अंतराल उत्पन्न करने के लिए बूटस्ट्रैप का उपयोग कर सकते हैं जिससे आप समूह साधनों में बदलाव के बारे में निष्कर्ष निकाल सकते हैं। ।
  • मान-व्हिटनी यू परीक्षण (अन्य गैर-पैरामीट्रिक परीक्षणों के बीच): इस तरह की परीक्षा सामान्यता नहीं मानती है, लेकिन यह एक अलग परिकल्पना का परीक्षण भी कर रही है।

इसलिए, संक्षेप में, आपने जो कुछ भी प्रस्तावित किया है, उसके साथ कुछ भी गलत नहीं दिखता है (समान दूरी कोडिंग, टी-टेस्ट महत्व परीक्षण), इसके अलावा अन्य विकल्प हैं जो अधिक सटीक हो सकते हैं?
Mac

@ मेरी राय में, एक लागू दृष्टिकोण से अधिक आ रहा है, यह एक सरल, समझने में आसान, संवाद करने में आसान और आमतौर पर उचित दृष्टिकोण है। हालांकि, यह अक्सर व्यक्तिगत वस्तुओं के बजाय तराजू का उपयोग करके ब्याज के निर्माण को मापने पर विचार करने योग्य है।
जेरोमे एंग्लीम

माना। हालाँकि, मुझे विश्वास है कि मुझे इसकी आवश्यकता होगी। बहुत धन्यवाद!
Mac

बस ध्यान दें कि विचरण में भिन्नता के लिए टी परीक्षण काफी संवेदनशील हो सकता है, ताकि आपके अंतिम निर्णय लेने से पहले जांचने के लिए संभवत: कुछ होगा
अमीर आदमी

@Mac / cc @richiemorrisroe मेरे विचार में, समरूपता धारणा (जो कि वेल्च के टी परीक्षण के साथ कुछ हद तक दरकिनार की जाती है) के अलावा, समस्या ज्यादातर असममित प्रतिक्रिया वितरण (छत या फर्श के प्रभाव) के साथ है, जो अक्सर लिकर्ट आइटम का उपयोग करते समय उत्पन्न होती है।
१०’११

3

विल्कोक्सन रैंक्सम टेस्ट उर्फ ​​मान-व्हिटनी ऑर्डिनल डेटा के मामले में जाने का रास्ता है। बूटस्ट्रैपिंग समाधान भी सुरुचिपूर्ण है, न कि "क्लासिक" जाने का रास्ता। यदि आप कारक विश्लेषण जैसी अन्य चीजों के लिए लक्ष्य करते हैं, तो बूटस्ट्रैपिंग विधि भी मूल्यवान हो सकती है। प्रतिगमन विश्लेषण के मामले में आपने मॉडल विनिर्देश के रूप में प्रोबेट या ऑर्डर किए गए लॉगिट को चुना हो सकता है।

BTW: यदि आपके स्केल में बड़ी रेंज (> 10 वैल्यू प्रति वैरिएबल) है तो आप मेट्रिक वैरिएबल के रूप में परिणाम का उपयोग कर सकते हैं, जो टी-टेस्ट को एक सुरक्षित विकल्प बनाता है। सलाह दी जाती है कि यह थोड़ा गंदा है और कुछ लोगों द्वारा इसे शैतान का काम माना जा सकता है।

स्टीफ़न


1
क्या आप इस बात पर विस्तार कर सकते हैं कि कारक विश्लेषण के लिए बूटस्ट्रैप कैसे अधिक दिलचस्प दृष्टिकोण प्रदान करेगा?
CHL

मुझे इस बारे में और अधिक जानने में दिलचस्पी होगी कि मान-व्हिटनी परीक्षण यहां एक टी-परीक्षण के पक्ष में क्यों होगा।
whuber
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.