При каких условиях весы Лайкерта должны использоваться в качестве порядковых или интервальных данных?

Многие исследования в области социальных наук используют шкалы Лайкерта. Когда уместно использовать данные Лайкерта в качестве порядковых и когда уместно использовать их в качестве интервальных данных?

Может быть, слишком поздно, но я все равно добавлю свой ответ ...

Это зависит от того, что вы намереваетесь делать со своими данными: если вы заинтересованы в том, чтобы показать, что оценки различаются при рассмотрении различных групп участников (пол, страна и т. Д.), Вы можете рассматривать свои оценки как числовые значения при условии, что они соответствуют обычным предположениям о дисперсии (или форме) и размере выборки. Если вы заинтересованы в том, чтобы подчеркнуть, как шаблоны ответов варьируются в разных подгруппах, то вам следует рассматривать баллы элементов как дискретный выбор среди набора вариантов ответов и искать логарифмическое моделирование, порядковую логистическую регрессию, модели «элемент-реакция» или любую другую статистическую модель. что позволяет справляться с политомными предметами.

Как правило, принято считать, что наличия 11 различных точек на шкале достаточно для аппроксимации шкалы интервалов (для целей интерпретации см. Комментарий @ xmjx)). Элементы Лайкерта могут рассматриваться как истинная порядковая шкала, но они часто используются как числовые, и мы можем вычислить их среднее значение или SD. Это часто делается в опросах об отношении, хотя целесообразно указывать как среднее значение / стандартное отклонение, так и% ответа, например, в двух самых высоких категориях.

При использовании суммарных баллов по шкале (т. Е. Мы суммируем баллы по каждому элементу для вычисления «общего балла»), может применяться обычная статистика, но вы должны иметь в виду, что вы сейчас работаете с скрытой переменной, поэтому базовая конструкция должно иметь смысл! В психометрии мы обычно проверяем, что (1) выполняется одномерная шкала, (2) достоверность шкалы достаточна. При сравнении двух таких шкал (для двух разных инструментов) мы могли бы даже рассмотреть возможность использования ослабленных мер корреляции вместо классического коэффициента корреляции Пирсона.

Классические учебники включают в себя:
1. Nunnally, JC и Bernstein, IH (1994). Психометрическая теория (3-е изд.). Серия МакГроу-Хилла по психологии.
2. Штрайнер Д.Л. и Норман Г.Р. (2008). Весы измерения здоровья. Практическое руководство по их разработке и использованию (4-е изд.). Оксфорд.
3. Рао Ч.Р. и Синхарай С., Ред. (2007). Справочник по статистике, вып. 26: Психометрия . Elsevier Science BV
4. Dunn, G. (2000). Статистика в психиатрии . Ходдер Арнольд.

Вы также можете взглянуть на Приложения моделей скрытых черт и скрытых классов в социальных науках от Rost & Langeheine и веб-сайта W. Revelle по исследованию личности .

При проверке психометрической шкалы важно учитывать так называемые потолочные / минимальные эффекты (большая асимметрия, возникающая из-за участников, набравших баллы по наименьшей / наивысшей категории ответа), которые могут серьезно повлиять на любую статистику, вычисляемую при обработке их как числовой переменной ( например, агрегирование по стране, t-критерий). Это поднимает конкретные вопросы в межкультурных исследованиях, поскольку известно, что общее распределение ответов в опросах о состоянии здоровья или в отношении здоровья различается в разных странах (например, китайцы против выходцев из западных стран, как правило, выделяют конкретные схемы реагирования, причем первые как правило, более экстремальные оценки на уровне позиции, см., например, Song, X.-Y. (2007) Анализ моделей мультиструктурных структурных уравнений с приложениями к данным о качестве жизни, вСправочник по скрытым переменным и родственным моделям , Lee, S.-Y. (Ред.), С. 279-302, Северная Голландия).

В более общем плане вам следует обратиться к литературе по психометрии, в которой широко используются элементы Лайкерта, если вас интересует проблема измерения. Были разработаны различные статистические модели, которые в настоящее время возглавляются в рамках теории ответа на вопрос.

Простой ответ заключается в том, что шкалы Лайкерта всегда порядковые. Интервалы между позициями на шкале являются монотонными, но никогда не бывают настолько четкими, чтобы быть численно равномерными приращениями.

При этом различие между порядковым и интервальным основано на конкретных требованиях выполняемого анализа. При особых обстоятельствах вы можете обрабатывать ответы так, как если бы они попадали в интервальную шкалу. Для этого, как правило, респонденты должны быть в тесном согласии относительно значения шкалы ответов, и анализ (или решения, принимаемые на основе анализа) должны быть относительно нечувствительными к проблемам, которые могут возникнуть.

В дополнение к тому, что уже было сказано выше о суммарных шкалах, я бы также упомянул, что проблема может измениться при анализе данных на уровне группы. Например, если вы изучали

• удовлетворенность жизнью штатов или стран,
• удовлетворенность работой организаций или отделов,
• удовлетворенность студентов по предметам.

Во всех этих случаях каждая совокупная мера (возможно, среднее) основана на множестве индивидуальных ответов (например, n = 50, 100, 1000 и т. Д.). В этих случаях исходный элемент Лайкерта начинает приобретать свойства, которые напоминают шкалу интервалов на уровне совокупности.

Шкала Ликерта всегда в порядковой форме: метод приписывания количественного значения качественным данным, чтобы сделать его пригодным для статистического анализа. Числовое значение присваивается каждому потенциальному выбору, а среднее значение для всех ответов вычисляется в конце оценки или опроса.