सामाजिक विज्ञान अनुसंधान विधियों के विशाल विश्वकोश के अनुसार …
[ए] सीलिंग प्रभाव तब होता है जब एक उपाय संभावित प्रतिक्रियाओं के लिए एक अलग ऊपरी सीमा रखता है और प्रतिभागियों की एक बड़ी एकाग्रता इस सीमा पर या उसके आसपास स्कोर करती है। स्केल क्षीणन एक पद्धतिगत समस्या है जो तब होती है जब भी इस तरह से विचरण प्रतिबंधित होता है। … उदाहरण के लिए, एक छत का प्रभाव व्यवहार के माप के साथ हो सकता है जिसमें एक उच्च स्कोर एक अनुकूल दृष्टिकोण को इंगित करता है और उच्चतम प्रतिक्रिया संभव सबसे सकारात्मक मूल्यांकन पर कब्जा करने में विफल रहती है। ... छत के प्रभावों की समस्या का सबसे अच्छा समाधान पायलट परीक्षण है, जो समस्या को जल्दी पहचानने की अनुमति देता है । यदि एक छत प्रभाव पाया जाता है , [और] परिणाम माप कार्य प्रदर्शन है, तो संभावित प्रतिक्रियाओं की सीमा को बढ़ाने के लिए कार्य को और अधिक कठिन बनाया जा सकता है। 1 [महत्व दिया]
वहाँ सलाह और सवाल ( और यहाँ ) डेटा का विश्लेषण करने के लिए बहुत से प्रतीत होता है जो ऊपर दिए गए उद्धरण में वर्णित के समान छत प्रभाव दिखाते हैं।
मेरा प्रश्न सरल या भोला हो सकता है, लेकिन कोई वास्तव में कैसे पता लगा सकता है कि डेटा में एक छत प्रभाव मौजूद है? अधिक विशेष रूप से, मान लीजिए कि एक साइकोमेट्रिक टेस्ट बनाया गया है और सीलिंग इफेक्ट (केवल दृश्य परीक्षा) का नेतृत्व करने के लिए संदेह है और फिर परीक्षण को अधिक से अधिक मूल्यों का उत्पादन करने के लिए संशोधित किया गया है। यह कैसे दिखाया जा सकता है कि संशोधित परीक्षण ने उत्पन्न होने वाले डेटा से छत के प्रभाव को हटा दिया है? क्या कोई परीक्षण है जो दिखाता है कि डेटा सेट में एक छत प्रभाव है लेकिन डेटा सेट बी में कोई छत प्रभाव नहीं है ?
मेरा अनुभवहीन दृष्टिकोण सिर्फ वितरण तिरछा की जांच करना होगा और अगर यह तिरछा नहीं है, तो निष्कर्ष निकालें कि कोई छत प्रभाव नहीं है। क्या यह अति सरलीकृत है?
संपादित करें
एक अधिक ठोस उदाहरण जोड़ने के लिए, मैं एक ऐसा उपकरण विकसित करता हूं जो कुछ अव्यक्त विशेषता x को मापता है जो उम्र के साथ बढ़ता जाता है लेकिन अंततः स्तर से गिर जाता है और बुढ़ापे में कम होने लगता है। मैं पहला संस्करण बनाता हूं, जिसमें 1–14 की सीमा होती है, कुछ पायलटिंग करते हैं, और पाते हैं कि ऐसा लगता है कि एक छत प्रभाव हो सकता है (14 पर या निकट प्रतिक्रियाओं की एक बड़ी संख्या, अधिकतम .. मैं इसके द्वारा ही समाप्त करता हूं डेटा को देखते हुए। लेकिन क्यों? क्या उस दावे का समर्थन करने का कोई कठोर तरीका है?
फिर मैं 1–20 की सीमा और अधिक डेटा एकत्र करने के लिए उपाय को संशोधित करता हूं। मैं देखता हूं कि प्रवृत्ति मेरी अपेक्षाओं के अधिक निकट है, लेकिन मुझे कैसे पता चलेगा कि माप की सीमा काफी बड़ी है। क्या मुझे इसे फिर से संशोधित करने की आवश्यकता है? नेत्रहीन, यह ठीक लगता है, लेकिन क्या मेरे संदेह की पुष्टि करने के लिए इसका परीक्षण करने का एक तरीका है?
मैं जानना चाहता हूं कि मैं इस छत के प्रभाव को केवल देखने के बजाय डेटा में कैसे पहचान सकता हूं। रेखांकन वास्तविक डेटा का प्रतिनिधित्व करता है, न कि सैद्धांतिक। साधन की सीमा का विस्तार करने से बेहतर डेटा प्रसार हुआ, लेकिन क्या यह पर्याप्त है? मैं उसका परीक्षण कैसे कर सकता हूं?
1 हेस्लिंग, आर।, ट्रैक्सेल, एन।, और श्मिट, टी। (2004)। छत प्रभाव। माइकल एस। लुईस-बेक, ए। ब्रायमैन, और टिम फ्यूटिंग लिआओ (एडीएस), द सेज एनसाइक्लोपीडिया ऑफ सोशल साइंस रिसर्च मेथड्स । (पृष्ठ १०।)। थाउज़ेंड ओक्स, सीए: सेज पब्लिकेशन, इंक। डोई: 10.4135 / 9781412950589.76102