Статистична значущість змін у часі для 5-бального елемента Лікерта

Контекст:

У мене є два набори даних з однієї анкети, які працюють протягом двох років. Кожне питання вимірюється за 5-бальною шкалою.

Q1: Схема кодування

На даний момент я зашифрував свої відповіді на інтервалі [0, 1], причому 0 означає "найбільш негативна відповідь", 1 означає "найбільш позитивна відповідь", а інші відповіді розташовані рівномірно між ними.

• Яку "найкращу" схему кодування використовувати для шкали Лікерта?

Я розумію, що це може бути трохи суб'єктивно.

Q2: Значущість за роки

• Який найкращий спосіб визначити, чи є статистично значущі зміни протягом двох років?

Тобто, розглядаючи результати першого питання за кожен рік, як я можу сказати, чи є різниця між результатом 2011 року та результатом 2010 року статистично значущою? У мене тут невиразний спогад про те, що тут використовується тест Стьюдента, але я не впевнений.

1. Схема кодування

З точки зору оцінки статистичної значущості за допомогою t-тесту, значення мають відносні відстані між балами шкали. Таким чином, (0, 0,25, 0,5, 0,75, 1) еквівалентно (1, 2, 3, 4, 5). З мого досвіду, найпоширеніша схема кодування на відстані, наприклад, згадана раніше, є найбільш прийнятною для предметів Лікерта. Якщо ви вивчите оптимальне масштабування, можливо, ви зможете отримати альтернативну схему кодування.

2. Статистичний тест

На питання про те, як оцінити групові відмінності за елементом Likert, вже відповіли тут .

Перше питання полягає в тому, чи можна пов’язувати спостереження через два моменти часу. Здається, у вас був інший зразок. Це призводить до кількох варіантів:

• T-тест незалежних груп : це простий варіант; він також робить тест на відмінності в групових засобах; пуристи стверджують, що значення p може бути не зовсім точним; однак, залежно від ваших цілей, це може бути адекватним.
• Тест на завантаження відмінностей у групі означає : Якщо ви все ще хочете перевірити відмінності між груповими засобами, але вам незручно з дискретним характером залежної змінної, то ви можете використовувати завантажувальний інструмент для створення інтервалів довіри, з яких можна зробити висновки про зміни в групових засобах .
• Тест Манна-Вітні U (серед інших непараметричних тестів): такий тест не передбачає нормальності, але він також перевіряє іншу гіпотезу.

Випробування Вілкоксона Ранксюма, який називається Манн-Вітні, - це шлях для порядкових даних. Рішення завантаження також є елегантним, але не "класичним" шляхом. Метод завантаження може також бути корисним у випадку, якщо ви прагнете до інших речей, таких як факторний аналіз. У разі регресійного аналізу ви можете обрати замовлений пробіт або замовлений логіт як специфікацію моделі.

BTW: Якщо ваша шкала має більший діапазон (> 10 значень на змінну), ви можете використовувати результати як метричну змінну, що робить t-тест безпечним вибором. Попередили, що це трохи брудно і дехто може вважати дьявольською роботою.

стефан