jak analyzovat data měřítka likert v spss pdf


Odpověď 1:

Ačkoli analýza dat Likertovy stupnice může být docela vědeckým a matematickým počinem (zejména při určování platnosti, zkreslení atd.), Budu diskutovat pouze o jednoduchém způsobu, jak interpretovat údaje, které jste shromáždili.

Určuji procento vašich zákazníků, kteří určitým způsobem reagují na každou jednotlivou otázku.

Nejčastěji se Likertovy stupnice vyhodnocují tak, že se dává hodnota každé možnosti a poté sečtou tyto hodnoty dohromady, aby se vytvořilo skóre pro každého zákazníka.

Ačkoli je tato metoda hlášení relativně jednoduchá, umožňuje snadno vyhodnotit názory odhalené každou možností Likert.

Tabulka skóre může nabídnout vizuální vhled do sentimentu na konkrétní Likertově stupnici.

Tímto způsobem u každé otázky budete moci určit oblasti, které vyžadují zlepšení, a také oblasti, ve kterých se vaší společnosti daří.

Také si můžete všimnout oblastí zájmu, kde jste si původně mohli myslet, že věci běží hladce.

Nejdůležitějšími faktory při vykazování na Likertově škále jsou konzistence hodnot a soudržnost v otázkách nebo položkách, které jsou hodnoceny společně.

Otázky, které nejsou na místě, mohou zkreslit výsledky, což ztěžuje přijímání správných akcí na základě odpovědí vašich zákazníků.

Když už mluvíme o zkreslených výsledcích ...

Možná zkreslení průzkumu

Spolu s posledním pojmem nemusí být odpovědi vašich zákazníků při vyplňování průzkumů spokojenosti vždy zcela přesné.

Jednoduše řečeno: lidská přirozenost někdy stojí v cestě zákazníkům reagovat otevřeně a čestně.

Nejúčinnějším způsobem, jak proti těmto zkreslením bojovat, je vždy dát respondentům možnost poskytnout více podrobností - nebo diskutovat o nejasnostech - týkajících se konkrétní otázky nebo souboru otázek.

Stále je však důležité porozumět možným předsudkům, se kterými vaši zákazníci přicházejí ke stolu, aby bylo možné identifikovat možné zkreslení nebo nesrovnalosti mezi vašimi údaji.

Předsudky, s nimiž se s největší pravděpodobností setkáte, jsou:

Předpětí centrální tendence

Jak název napovídá, zkreslení centrální tendence odkazuje na představu, že někteří respondenti se mohou vyhnout výběru nejextrémnějších nabízených možností.

Nejběžnějším vysvětlením této tendence je, že respondenti nemají jasnou definici extrémně vysoké nebo extrémně nízké s ohledem na konkrétní otázku.

Například při odpovědi na otázku

"Jak byste ohodnotili zákaznický servis naší společnosti?" (s odpověďmi od „neužitečných“ po „mimořádně užitečné“) by se zákazník, který dostal příkladný zákaznický servis, mohl zachytit sémantikou toho, co „extrém“ ve skutečnosti znamená.

Je možné, že i když uznávají, že služba byla vynikající, váhají s oznámením, že to byl úplný zákaznický servis.

Další vysvětlení zkreslení centrální tendence spočívá v tom, že zákazníci si mohou „uložit“ své „extrémní“ odpovědi na pozdější otázky.

Pokud na první otázku odpoví „extrémní“ odpovědí, mohou se na zbytek svých odpovědí dívat optikou této první odpovědi. (tj. abychom odpověděli „extrémní“ odpovědí na následující otázky, jejich úroveň spokojenosti bude muset odpovídat úrovni spokojenosti s touto první otázkou).

Kromě toho, že respondentům poskytnete příležitost rozšířit své odpovědi, můžete se také vyhnout tomu, abyste se stali oběťmi zkreslení centrální tendence, a to buď poskytnutím kontextu toho, co určité pojmy (například „vynikající“) znamenají, nebo tím, že respondentům umožníte definovat pojmy v jejich vlastní slova.

Předpětí extrémní odezvy

Na rozdíl od zkreslení centrální tendence extrémní

zkreslení odpovědi

je tendence některých respondentů k,

pouze,

odpovídat v extrémech.

K tomu může opět dojít z několika důvodů, například:

  • Kulturní postoje
  • Úroveň inteligence respondentů
  • Úroveň úsilí, které respondenti vynaložili na dokončení průzkumu
  • Způsob, jakým jsou formulovány otázky a volby

Z těchto čtyř důvodů je jediný, nad kterým skutečně máte kontrolu, ten poslední. Zajistěte, aby otázky, které kladete, nevedly respondenty k určité odpovědi, a také aby každá možnost byla jasně definovaná a srozumitelná.

Otázky kulturní a intelektuální rozmanitosti můžete řešit vyžádáním demografických a jiných osobních údajů od každého respondenta.

I když to není absolutní determinant žádným úsekem, je to pravděpodobně nejblíže, jak můžete zjistit, proč respondent odpověděl tak, jak odpověděl (samozřejmě bez otázek).

Předpětí zaujetí

Zkreslení ospravedlnění odkazuje na tendenci respondenta souhlasit s prohlášením ve snaze vyhnout se rušení peří nebo urážce někoho.

Řekněme například, že zákazník obdržel dílčí služby od zaměstnance, který se skutečně snažil ze všech sil vyhovět potřebám zákazníka.

Ačkoli zákazník nedopadl s požadovaným výsledkem, mohl by hlásit, že od zaměstnance dostal „vynikající“ zákaznický servis jednoduše proto, že se snažil být nápomocný.

Pro účely průzkumu však taková odpověď vůbec nepomůže.

Chcete-li se vyhnout takovým rozdílům, pokládejte v celém průzkumu jasné a konkrétní otázky. Na výše uvedeném příkladu, pokud by byl zákazník požádán o ochotu zaměstnance pomoci (kromě dotazu na službu, kterou dostal), měl by šanci ukázat, že se zaměstnanec snažil pomoci, ale nakonec nebyl schopen .

Dalším způsobem, jak se případně vyhnout zkreslení souhlasu, je dát respondentům jasně najevo, že účelem průzkumu je v první řadě zlepšit služby zákazníkům plošně.

Ačkoli jistě stále budou existovat případy takového zkreslení, toto jednoduché odmítnutí odpovědnosti by mohlo otevřít dveře pro více poctivosti od mnoha vašich zákazníků.


Odpověď 2:

Závisí na tom, zda můžete rozumně argumentovat, že data jsou alespoň v intervalu. Pokud byly všechny možné možnosti označeny slovy (např. Silně se nelíbí, Nelíbí se mi, Nelíbí se mi to, neutrálně, Něco se mi líbí, Líbí se mi, Silně se mi líbí), není dobrý případ, že jsou datové body ve stejné vzdálenosti (stejně daleko od sebe) od jednoho další. Pokud naopak byly označeny pouze koncové body (např. Velmi nelíbí a silně líbí) nebo byl označen pouze jeden koncový bod (např. Silně nelíbí nebo silně líbí), můžete snadno uvést, že lidé zacházeli s možnými možnostmi jako ve stejné vzdálenosti od sebe (a proto představují intervalovou stupnici).

Pokud jsou data intervalová, začněte výpočetními prostředky a směrodatnými odchylkami.

Faktorová analýza vám pomůže určit strukturu vašich měřítek, např. Kolik dimenzí vyžadují.

Pomocí opakovaných opatření ANOVA lze zjistit, zda všechny položky mají stejné prostředky.

Pokud data nejsou interval, podívejte se na neparametrické možnosti.


Odpověď 3:

Tato otázka je příliš široká. Jaký je cíl analýzy? Jaké údaje máte? Jaké jsou vaše výzkumné otázky? Je proměnná Likertovy stupnice ani DV, ani IV?

atd.

Přečtěte si můj blogový příspěvek:

Jak se zeptat na statistickou otázku

.

Bohužel se Quora rozhodla, že nechce dobré otázky, pokud otázka vyžaduje podrobnosti. To Quora v mnoha ohledech zhoršuje a dělá

CrossValidated

lepší místo pro pokládání těchto otázek.


Odpověď 4:

V odpovědi na předchozí otázku jsem napsal rozsáhlý článek o analýze Likertových stupnic: tato odpověď vám může být užitečná.

Odpověď Rebeccy Warnerové na Jaký statistický test (SPSS) byste použili k analýze studie s 2 intravenózními a 1 DV, měřenými pomocí Likertovy stupnice? Existuje protichůdné doporučení, zda s nimi zacházet jako s daty pořadové nebo intervalové úrovně.


Odpověď 5:

Nejlepším odkazem, který k tomu znám, je analýza běžných kategoriálních dat Alan Agresti (2010).


Odpověď 6:
Ordinal regression - Wikipedia

použitím

Objednal logit - Wikipedia

Můžete to udělat snadno v SAS pomocí Proc Logistic.