как да анализирам данните от мащаба на likert в spss pdf


Отговор 1:

Въпреки че анализът на данните от скалата на Likert може да бъде доста научно и математическо начинание (особено при определяне на валидността, изкривяванията и т.н.), аз ще обсъдя само един прост начин за тълкуване на данните, които сте събрали.

Аз определям процента на вашите клиенти, които отговарят по определен начин на всеки отделен въпрос.

Най-често скалите на Likert се оценяват, като се дава стойност на всяка опция и след това се добавят тези стойности заедно, за да се създаде оценка за всеки клиент.

Макар и сравнително прост, този метод на отчитане улеснява оценката на мненията, разкрити от всяка опция на Likert.

Диаграма с резултати може да предложи визуална представа за настроението по конкретна скала на Ликерт.

Правейки това за всеки въпрос, ще можете да определите области, които се нуждаят от подобрение, както и области, в които вашата компания процъфтява.

Също така може да забележите проблемни области, в които първоначално може да сте си помислили, че нещата вървят гладко.

Най-важните фактори при отчитането по скалата на Ликерт са последователност в стойностите и сплотеност в въпроси или елементи, които се оценяват заедно.

Въпросите, които не са на място, могат да изкривят резултатите, което затруднява предприемането на правилните действия въз основа на отговорите, които клиентите ви дават.

Говорейки за изкривени резултати ...

Възможни изкривявания на проучването

В съгласие с последното понятие, отговорите, които вашите клиенти дават при попълване на анкети за удовлетвореност, не винаги могат да бъдат напълно точни.

Просто казано: човешката природа понякога пречи на клиентите да реагират открито и честно.

Най-ефективният начин за борба с тези изкривявания е винаги да давате възможност на респондентите да предоставят повече подробности - или да обсъждат объркване - по отношение на конкретен въпрос или набор от въпроси.

Все пак е важно да разберете възможните пристрастия, с които клиентите ви идват на масата, за да идентифицирате възможни изкривявания или несъответствия между вашите данни.

Пристрастията, с които най-вероятно ще се сблъскате, са:

Централна тенденция пристрастия

Както подсказва името, пристрастието на централната тенденция се отнася до идеята, че някои респонденти могат да избягват избора на най-екстремните предложени опции.

Най-честото обяснение на тази тенденция е, че респондентите нямат ясна дефиниция на крайно високо или крайно ниско по отношение на конкретен въпрос.

Например, когато отговаряте на въпроса

„Как бихте оценили обслужването на клиентите на нашата компания?“ (с отговори, вариращи от „Неполезни“ до „Изключително полезни“), клиент, който е получил образцово обслужване на клиентите, може да се улови в семантиката на това, което в действителност означава „екстремност“.

Възможно е, въпреки че те признават, че услугата е била изискана, те се колебаят да съобщят, че това е всичко за обслужване на клиенти.

Друго обяснение на пристрастията към централната тенденция е, че клиентите могат първоначално да „спестят“ своите „екстремни“ отговори за по-късни въпроси.

Ако отговорят на първия въпрос с „екстремен“ отговор, те могат да разгледат останалите отговори през обектива на този първи отговор. (т.е., за да отговорят с „екстремен“ отговор на следващи въпроси, нивото им на удовлетвореност ще трябва да съответства на нивото на удовлетвореност по отношение на този първи въпрос).

В допълнение към предоставянето на възможности на респондентите да разширят отговорите си, можете също да избегнете да станете жертва на пристрастия на централната тенденция, като предоставите контекст на това, което означават определени термини (като „отличен“), или позволите на респондентите да определят термините сами думи.

Пристрастност с изключителен отговор

За разлика от пристрастието на централната тенденция, екстремно

отклонение в отговора

е тенденцията на някои респонденти да

само,

отговаряйте в крайности.

Има отново няколко причини за това, включително:

  • Културни нагласи
  • Нивото на интелигентност на респондентите
  • Ниво на усилие, което анкетираните полагат за попълване на проучване
  • Начинът, по който се формулират въпросите и изборите

От тези четири причини единствената, над която наистина имате контрол, е последната. Уверете се, че зададените от вас въпроси не водят респондентите към определен отговор, както и че всяка опция е ясно дефинирана и разбираема.

Можете да се обърнете към проблемите на културното и интелектуалното многообразие, като поискате демографска и друга лична информация от всеки респондент.

Макар и да не е абсолютна детерминанта по какъвто и да е участък, това е може би най-близкото, до което можете да стигнете, за да разберете защо отговорилият отговорил, както отговори (разбира се, ако не го попита)

Пристрастие към придобиване

Пристрастието към признанието се отнася до склонността на респондента да се придружава с изявление в опит да избегне разрошването на пера или обидата на някого.

Например, да кажем, че клиент е получил допълнителна услуга от служител, който наистина е направил всичко възможно, за да отговори на нуждите на клиента.

Въпреки че клиентът не е получил желания резултат, те могат да съобщят, че са получили „отлично“ обслужване на клиентите от служителя, просто защото са се опитали да бъдат полезни.

Но за целите на проучването подобен отговор изобщо не е полезен.

За да избегнете такова несъответствие, задавайте ясни и конкретни въпроси през цялото си проучване. Използвайки горния пример, ако клиентът бъде попитан за готовността на служителя да помогне (в допълнение към въпроса за услугата, която е получил), той ще има шанс да покаже, че служителят се е опитал да помогне, но в крайна сметка не е бил в състояние да .

Друг начин за евентуално избягване на пристрастия е да се даде ясно на респондентите, че целта на проучването на първо място е да се подобри общото обслужване на клиентите.

Въпреки че със сигурност все още ще има случаи на такива пристрастия, този прост отказ от отговорност може да отвори вратата за повече честност от много от вашите клиенти.


Отговор 2:

Зависи дали можете да направите разумен аргумент, че данните са поне интервали. Ако всички възможни избори са били обозначени с думи (напр. Силно неприязън, неприязън, донякъде неприязън, неутрален, донякъде подобен, силно харесван), няма добър случай точките с данни да са на еднакво разстояние (еднакво отдалечени) от една друг. Ако, от друга страна, само крайните точки са били етикетирани (напр. Силно неприязън и силно харесване) или е обозначена само една крайна точка (напр. Силно неприязън или силно харесване), можете лесно да докажете, че хората са се отнасяли към възможните варианти като еднакво отдалечени един от друг (и следователно представляват интервална скала).

Ако данните са интервални, започнете с изчислителни средства и стандартни отклонения.

Факторният анализ би ви помогнал да определите структурата на вашите везни, например колко измерения изискват.

Повторни мерки ANOVA може да се използва, за да се види дали всички елементи имат едни и същи средства.

Ако данните не са интервални, проверете непараметричните опции.


Отговор 3:

Този въпрос е твърде обширен. Каква е целта на анализа? Какви данни имате? Какви са вашите изследователски въпроси? Променливата на скалата на Ликерт е DV, IV, нито едното, нито другото?

и т.н.

Моля, вижте публикацията ми в блога:

Как да зададете статистически въпрос

.

За съжаление Quora реши, че не искат добри въпроси, ако въпросът изисква подробности. Това влошава Quora в много отношения и го прави

CrossValidated

по-добро място за задаване на тези въпроси.


Отговор 4:

Написах обширно парче за анализ на скалите на Ликерт в отговор на предишен въпрос: може да намерите този отговор за полезен.

Отговор на Ребека Уорнър на Какъв статистически тест (SPSS) бихте използвали, за да анализирате изследване с 2 IV и 1 DV, всяко измерено по скала от типа на Ликерт? Съществуват противоречиви съвети дали да ги третирате като редови или интервални данни.


Отговор 5:

Най-добрата справка, която знам за това, е Alan Agresti (2010) Анализ на обикновените категорични данни.


Отговор 6:
Обикновена регресия - Уикипедия

използвайки

Подредена логит - Уикипедия

Можете да направите това лесно в SAS с Proc Logistic.