По данным SAGE Encyclopedia of Social Science Методы исследования …
[a] потолочный эффект возникает, когда мера имеет четкий верхний предел для потенциальных ответов и большая концентрация участников получает балл в пределах или около этого предела. Масштабное затухание является методологической проблемой, которая возникает всякий раз, когда дисперсия ограничивается таким образом. … Например, потолочный эффект может возникнуть при оценке отношения, при котором высокий балл указывает на благоприятное отношение, а самый высокий отклик не в состоянии уловить максимально возможную положительную оценку. … Лучшим решением проблемы потолочных эффектов является пилотное тестирование, которое позволяет выявить проблему на ранней стадии . Если эффект потолка найден , [и] мера результата выполнение задачи, задача может быть более сложной , чтобы увеличить диапазон потенциальных ответов. 1 [выделение добавлено]
Там , кажется, много из советов и вопросов ( и здесь ) , посвященный анализ данных , которые показывают потолочные эффекты , подобные тем , что описано в цитате выше.
Мой вопрос может быть простым или наивным, но как на самом деле обнаружить, что потолочный эффект присутствует в данных? В частности, скажем, что психометрический тест создан и предположительно может привести к потолочному эффекту (только визуальный осмотр), а затем тест пересматривается для получения большего диапазона значений. Как можно показать, что пересмотренный тест удалил эффект потолка из данных, которые он генерирует? Существует ли тест, который показывает, что в наборе данных a существует эффект потолка, но в наборе данных b нет эффекта потолка ?
Мой наивный подход заключается в том, чтобы просто изучить перекос распределения и, если он не искажен, сделать вывод, что потолочного эффекта нет. Это слишком упрощенно?
редактировать
Чтобы добавить более конкретный пример, скажем, я разрабатываю инструмент, который измеряет некоторую скрытую черту х, которая увеличивается с возрастом, но в конечном итоге выравнивается и начинает снижаться в старости. Я делаю первую версию с диапазоном от 1 до 14, выполняю некоторые экспериментальные работы и нахожу, что, возможно, эффект потолка может быть (большое количество ответов на уровне или около 14, максимум). глядя на данные. Но почему? Существует ли какой-либо строгий способ поддержать это утверждение?
Затем я пересматриваю меру, чтобы иметь диапазон от 1 до 20, и собираю больше данных. Я вижу, что эта тенденция более точно соответствует моим ожиданиям, но откуда мне знать, что диапазон измерений достаточно велик. Я должен пересмотреть это снова? Визуально это вроде бы нормально, но есть ли способ проверить это, чтобы подтвердить мои подозрения?
Я хочу знать, как я могу обнаружить этот потолочный эффект в данных, а не просто смотреть на них. Графики представляют фактические данные, а не теоретические. Расширение диапазона инструмента создало лучший разброс данных, но достаточно ли этого? Как я могу это проверить?
1 Hessling, R., Traxel, N. & Schmidt, T. (2004). Потолочный эффект. В книге Майкла С. Льюиса-Бека, А. Браймана и Тима Фьютинга Ляо (ред.), Энциклопедия социальных методов исследования SAGE . (стр. 107). Таузенд-Оукс, Калифорния: Sage Publications, Inc. doi: 10.4135 / 9781412950589.n102