Likert标度目标变量

Question

我有一个案例研究，其中目标变量(一个单一因素)通过多个项目来衡量。这些项目用5-Likert量表来衡量(从不，很少，有时，经常，经常，总是)

由于为因变量调用了多个项，所以我计算了每个对象的平均值。然后应用线性回归。这是正确的方式吗？还是有更好的方法来处理？

Answer 1

这是一个很重要的问题，有一个很长的答案，最终你会做出一些决定，在你决定什么是对还是什么是错之前，做更多的研究。

第一件事，你有一个6级的利克特量表，你说5它确实有点重要的解释(你将需要做一些研究)。

第二：

由于为因变量调用了多个项，所以我计算了每个对象的平均值。

不确定你是在计算每个接受调查的人的平均值(将答案转换成数值)，还是对所有受访者的每一项计算平均值。

所以我要给我两分钱：

你的等级是顺序的还是间隔的，它们有顺序和等级，但是你真的能量化“很少”和“有时”之间的距离吗？这是你必须决定的，它看起来你要去的间隔。

无论哪种方法，我都会谨慎地使用您计算出来的值，因为量表上的所有项目都贡献给了一个变量，因此每个人都有一个得分(如果使用数字值)，并且它是所有项目的所有点数的总和。这是由该人的比例表示的变量的值。

要获得整个调查样本的平均值，您可以使用

区间分析:如果你觉得你可以把它当作区间数据，你可以使用数值1-6，对于每个人回答你的调查中的每一个项目。你把所有物品的总价值加起来，这是这个人这个比例问题的利克特分数。

然后，您可以进行描述性分析，查看分数的分布(绘制直方图并计算平均值、标准差和分位数)，用于比较您测试的相对于其他测试的人的水平。

如果你知道个人的具体情况(除了利克特的调查地址外)，你可以用皮尔逊的相关性检验，用每个被调查者的行和，在男女或年龄组或政党之间进行比较。

序分析

如果你认为你不能安全地在你的等级之间建立一个有意义的、一致的、可量化的空间，那么你就需要把分析看作是有序的。因此，你的分析有点不同。

描述性工作包括为每个项目构建“直方图”(实际上是一个条形图)，确定最常见的响应(模式)，并查看每个项是如何分布的。

记住，你试图用所有的项目来回答一个问题，所以比较答案在各个项目中的分布可能是有意义的。尽管试图阐明一个潜在的变量质量，但它们不是以同样的方式发展吗？

同样，如果你对被调查的人有所了解(一个观点，从属关系，性别等等)，你可以用X-平方来评估项目的反应是否与已知的因素有关。

如果你有一个明确的目标，比如“某人很可能是杂食性或素食主义者”，而你有一项结构良好的likert调查，并且知道每个被调查者是杂食性还是素食主义者，以及饮食习惯不明的人的调查，那么你可能会使用逻辑回归。

您确实需要根据您想要理解或预测的内容，根据您的Likert项来选择模型或测试。在创建项目和寻找应答者之前，最好先设计分析。这样，你会更体贴，得到更一致的结果。