Answers:
我将从应用的角度进行争论,即平均值通常是总结李克特项目集中趋势的最佳选择。具体来说,我正在考虑诸如学生满意度调查,市场调查量表,员工意见调查,人格测验项目以及许多社会科学调查项目之类的上下文。
在这种情况下,研究的消费者通常希望回答以下问题:
出于这些目的,均值具有几个好处:
0, 0, 0, 1, 1
编码。对于基本摘要,我同意报告频率表和一些有关集中趋势的指示是可以的。作为推断,最近发表在PARE上的一篇文章讨论了t检验与MWW检验,五点李克特项目:t检验与Mann-Whitney-Wilcoxon。
对于更详尽的处理,我建议阅读Agresti关于有序分类变量的评论:
Liu,Y和Agresti,A(2005)。有序分类数据的分析:概述和最新发展概况。考试与评估学院学报,14(1),1-73。
它在很大程度上超越了通常的统计数据,例如基于阈值的模型(例如,比例赔率),值得代替Agresti的CDA书来阅读。
下面我展示了三种处理李克特物品的方法。从顶部到底部分别是“频率”(标称)视图,“数字”视图和“概率”视图(部分信用模型):
数据来自包装中与技术有关的Science
数据(“新技术不依赖于基础科学研究”,在四点范围内回答为“强烈不同意”至“强烈同意”)ltm
常规做法是使用非参数统计等级和和平均等级来描述序数数据。
它们的工作方式如下:
排名总和
为每个组中的每个成员分配一个等级;
例如,假设您正在为两个相对的橄榄球队的每个球员寻找目标,然后从头到尾对这两个球队的每个成员进行排名 ;
通过将每个组的等级相加来计算等级总和;
等级总和的大小告诉您每个组的等级有多接近
平均排名
M / R比R / S更复杂的统计信息,因为它可以补偿要比较的组中不相等的大小。因此,除了上述步骤之外,您还需要将每个总和除以组中成员的数量。
有了这两个统计数据后,您就可以例如对秩和进行z检验,以查看两组之间的差异是否具有统计显着性(我相信这被称为Wilcoxon秩和检验,该检验可以互换,即在功能上相当于Mann-Whitney U检验)。
R这些统计信息的功能(无论如何我都知道):
标准R安装中的wilcox.test
meanranks在曲柄包
基于摘要本文可能有助于比较几个Likert量表变量。它比较了两种类型的非参数多重比较测试:一种基于排名,另一种基于Chacko的测试。它包括模拟。