Mam pewne porządkowe dane uzyskane z pytań ankiety. W moim przypadku są to odpowiedzi w stylu Likerta (zdecydowanie nie zgadzam się, nie zgadzam się, neutralnie zgadzam się, zdecydowanie zgadzam się). W moich danych są one zakodowane jako 1-5.
Nie sądzę, żeby środki miały tu wiele znaczenia, więc jakie podstawowe statystyki podsumowujące są uważane za przydatne?
descriptive-statistics
likert
ordinal-data
PaulHurleyuk
źródło
źródło
Odpowiedzi:
Tabela częstotliwości to dobre miejsce na rozpoczęcie. Możesz wykonać zliczanie i częstotliwość względną dla każdego poziomu. Przydatna może być również całkowita liczba i liczba brakujących wartości.
Możesz także użyć tabeli kontyngencji, aby porównać dwie zmienne jednocześnie. Może wyświetlać również za pomocą mozaiki.
źródło
Będę argumentować z przyjętej perspektywy, że średnia jest często najlepszym wyborem do podsumowania głównej tendencji elementu Likerta. W szczególności myślę o kontekstach, takich jak badania satysfakcji studentów, skale badań rynku, badania opinii pracowników, elementy testów osobowości i wiele elementów badań społecznych.
W takich kontekstach konsumenci badań często chcą odpowiedzi na pytania takie jak:
Dla tych celów środek ma kilka zalet:
1. Średnia jest łatwa do obliczenia:
2. Średnia jest stosunkowo dobrze zrozumiała i intuicyjna:
0, 0, 0, 1, 1
kodowaniem.3. Średnia to pojedyncza liczba:
4. To nie robi dużej różnicy
źródło
W przypadku podstawowych podsumowań zgadzam się, że tabele częstotliwości zgłaszania i pewne wskazówki dotyczące tendencji centralnej są w porządku. Aby wnioskować, w ostatnim artykule opublikowanym w PARE omówiono test t- vs. MWW, Five-Point Likert Items: test t kontra Mann-Whitney-Wilcoxon .
W celu bardziej szczegółowego leczenia zaleciłbym przeczytanie recenzji Agresti na temat uporządkowanych zmiennych kategorialnych:
W dużej mierze wykracza poza zwykłe statystyki, takie jak model oparty na progach (np. Proporcjonalny iloraz szans), i jest warty przeczytania zamiast książki CDA Agresti .
Poniżej pokazuję zdjęcie trzech różnych sposobów traktowania przedmiotu Likerta; od góry do dołu, widok „częstotliwości” (nominalny), widok „numeryczny” i widok „probabilistyczny” (model częściowego kredytu ):
Dane pochodzą z
Science
danych wltm
pakiecie, w których pozycja dotyczyła technologii („Nowa technologia nie zależy od podstawowych badań naukowych”, a odpowiedź „zdecydowanie się nie zgadzam” na „zdecydowanie się zgadzam” w czteropunktowej skali)źródło
Konwencjonalną praktyką jest wykorzystanie sumy rang statystyki nieparametrycznej i średniej rangi do opisu danych porządkowych.
Oto jak działają:
Suma rangi
przypisać rangę każdemu członkowi w każdej grupie;
np. załóżmy, że patrzysz na bramki dla każdego gracza w dwóch przeciwnych drużynach piłkarskich, a następnie uszereguj każdego członka w obu drużynach od pierwszego do ostatniego;
obliczyć sumę rang poprzez dodanie rang na grupę ;
wielkość sumy rang mówi ci, jak blisko siebie są stopnie dla każdej grupy
Średnia pozycja
M / R jest bardziej wyrafinowaną statystyką niż R / S, ponieważ kompensuje nierówne rozmiary w porównywanych grupach. Dlatego oprócz powyższych kroków dzielisz każdą sumę przez liczbę członków w grupie.
Po uzyskaniu tych dwóch statystyk można na przykład wykonać test Z sumy rang, aby sprawdzić, czy różnica między dwiema grupami jest istotna statystycznie (uważam, że jest to znane jako test sumy rang Wilcoxona , który jest wymienny, tj. Funkcjonalnie odpowiednik testu U Manna-Whitneya).
R Funkcje dla tych statystyk (te, o których i tak wiem):
wilcox.test w standardowej instalacji R.
średnie w pakiecie korb
źródło
Na podstawie streszczenia Artykuł ten może być pomocny w porównaniu kilku zmiennych o skali Likerta. Porównuje dwa typy nieparametrycznych testów wielokrotnego porównania: jeden oparty na szeregach, a drugi oparty na teście Chacko. Obejmuje symulacje.
źródło
Zazwyczaj lubię używać fabuły Mozaika. Możesz je utworzyć, włączając inne zmienne towarzyszące zainteresowaniom (takie jak: płeć, czynniki stratyfikowane itp.)
źródło
Zgadzam się z oceną Jeromy Anglim. Pamiętaj, że odpowiedzi Likerta są szacunkami - nie używasz całkowicie niezawodnej linijki do pomiaru obiektu fizycznego o stabilnych wymiarach. Średnia jest potężną miarą przy stosowaniu rozsądnych rozmiarów próbek.
W badaniach i rozwoju w biznesie i produktach średnia jest zdecydowanie najczęstszą statystyką stosowaną w przypadku skal Likerta. Używając skal Likerta zwykle wybrałem miarę, która idealnie pasuje do pytania badawczego. Na przykład, jeśli mówisz o „preferencjach” lub „postawach”, możesz użyć wielu wskaźników opartych na Likercie, przy czym każdy wskaźnik zapewnia nieco inny wgląd.
źródło
„Wyniki punktowe” są często używane do podsumowania danych porządkowych, szczególnie jeśli chodzi o znaczące zakotwiczenia słowne. Innymi słowy, możesz zgłosić „2 górne pola”, procent, który wybrał „zgodzić się” lub „zdecydowanie zgodzić się”.
źródło