Если каждый элемент в вопроснике является порядковым, и я не думаю, что этот вопрос можно оспорить, учитывая, что нет способа узнать, является ли количественная разница между «полностью согласен» и «согласен» такой же, как и между « категорически не согласен "и" не согласен ", тогда почему суммирование всех этих порядковых шкал уровня дает значение, которое разделяет свойства истинных данных уровня интервала?
Например, если мы интерпретируем результаты инвентаризации депрессии, не имеет смысла (по крайней мере для меня) говорить, что человек с оценкой «20» вдвое депрессивнее, чем человек с оценкой « 10" . Это связано с тем, что каждый пункт в вопроснике измеряет не реальные различия в уровнях депрессии (при условии, что депрессия является стабильным, интенсивным, органическим расстройством), а скорее субъективную оценку согласия человека с определенным утверждением. Отвечая на вопрос: «Как вы думаете, насколько депрессивно ваше настроение по шкале 1-4, 1 - очень подавленный, а 4 - вообще не подвержен депрессии», как я узнаю, что субъективная оценка одного респондента, равная 1, совпадает с оценкой другого респондента? ? Или как я могу узнать, является ли разница между 4 и 3 такой же, как разница между 3 и 4 с точки зрения человека? Текущий уровень депрессии. Если мы не можем знать ничего из этого, то нет смысла рассматривать суммирование всех этих порядковых элементов как данные уровня интервала. Даже если данные действительно образуют нормальное распределение, я не думаю, что уместно рассматривать различия между оценками как данные уровня интервала, если они были вычислены путем суммирования всех ответов на likert-элементы. Нормальное распределение данных просто означает, что ответы, вероятно, представляют большую часть населения; это не означает, что значения, полученные из инвентаризаций, имеют общие свойства данных интервального уровня. Я думаю, что целесообразно рассматривать различия между оценками как данные уровня интервала, если они были вычислены путем суммирования всех ответов на likert-элементы. Нормальное распределение данных просто означает, что ответы, вероятно, представляют большую часть населения; это не означает, что значения, полученные из инвентаризаций, имеют общие свойства данных интервального уровня. Я думаю, что целесообразно рассматривать различия между оценками как данные уровня интервала, если они были вычислены путем суммирования всех ответов на likert-элементы. Нормальное распределение данных просто означает, что ответы, вероятно, представляют большую часть населения; это не означает, что значения, полученные из инвентаризаций, имеют общие свойства данных интервального уровня.
Мы должны быть осторожны в поведенческих науках о том, как мы используем статистику, чтобы говорить с латентными переменными, которые мы изучаем, поскольку, поскольку не существует прямого способа измерения этих гипотетических конструктов, возникают значительные проблемы, когда мы пытаемся количественно определить их предмет. параметрическим испытаниям. Опять же, просто потому, что мы присвоили значения для набора ответов, не означает, что различия между этими значениями имеют смысл.