स्टेटटा फॉरेक्स में विश्लेषण की संभावना के आंकड़े

सांख्यिकी विश्लेषण में लिक्टर स्केल का उपयोग कैसे करें। एक लिक्चर पैमाने (स्पष्ट एलकेआरटी, 1 भी लैकट्र) एक मनोचिकित्सकीय पैमाने है जो आमतौर पर प्रश्नावली में उपयोग किया जाता है, और सर्वेक्षण अनुसंधान में इसका सबसे व्यापक रूप से इस्तेमाल किया जाने वाला पैमाने है, इस प्रकार शब्द का उपयोग अक्सर मूल्यांकन के साथ एकांतर रूप से किया जाता है पैमाने पर हालांकि दोनों समानार्थी नहीं हैं एक Likert प्रश्नावली आइटम का जवाब देते समय, उत्तरदाताओं ने एक बयान के लिए समझौते के अपने स्तर को निर्दिष्ट पैमाने का नाम इसके आविष्कारक, मनोवैज्ञानिक रेंसिस लिकर्ट के नाम पर रखा गया है। नमूने का सवाल पांच सूत्री Likert आइटम का उपयोग करते हुए प्रस्तुत किया गया है एक महत्वपूर्ण अंतर एक Likert पैमाने और एक Likert आइटम के बीच किया जाना चाहिए। Likert पैमाने कई Likert वस्तुओं पर प्रतिक्रिया की राशि है। चूंकि लिकर्ट आइटम अक्सर विज़ुअल एनालॉग स्केल के साथ होते हैं (उदाहरण के लिए एक क्षैतिज रेखा, जिस पर कोई विषय उसकी प्रतिक्रिया को इंगित करता है या टिक-टिक कर रहा है), आइटम को कभी-कभी तराजू कहा जाता है। यह बहुत भ्रम का स्रोत है, इसलिए, लिक्चर पैमाने को परिमाणीकृत पैमाने पर लागू करने के लिए शब्द, और व्यक्तिगत आइटम को संदर्भित करने के लिए लिक्चर आइटम को आरक्षित करने के लिए बेहतर है। एक लिक्चर आइटम केवल एक कथन है, जिसे प्रतिवादी को किसी भी प्रकार के व्यक्तिपरक या उद्देश्य मानदंड के अनुसार मूल्यांकन करने के लिए कहा जाता है, आम तौर पर अनुबंध या असहमति का स्तर मापा जाता है। हाल ही में पाँच आदेश दिए गए प्रतिक्रिया स्तरों का इस्तेमाल किया जाता है, हालांकि कई मनोचिकित्सकों ने हाल ही के अनुभवजन्य अध्ययन में सात या नौ स्तरों का प्रयोग करने की वकालत की है। 3 में पाया गया कि 5- या 7- अंक के पैमाने पर उत्पादन के मुकाबले उच्चतम संभव प्राप्य स्कोर के मुकाबले थोड़ा अधिक औसत अंक उत्पन्न हो सकते हैं। एक 10-बिंदु पैमाने, और यह अंतर सांख्यिकीय रूप से महत्वपूर्ण था। अन्य डेटा विशेषताओं के संदर्भ में, माध्य, तिरछीता या कर्टोसिस के बारे में भिन्नता के संदर्भ में बड़े प्रारूपों में बहुत कम अंतर था। एक विशिष्ट पांच-स्तरीय लिकर्ट आइटम का प्रारूप है: 1. पूरी तरह से असहमत 2. असहमत 3. सहमत और असहमत न हो 4. सहमति 5. जोरदार सहमत हैं कि लिक्टर स्केलिंग एक द्विध्रुवी स्केलिंग विधि है, जो कि एक बयान में सकारात्मक या नकारात्मक प्रतिक्रिया को मापने के लिए है। कभी-कभी एक चार सूत्री पैमाने का उपयोग किया जाता है यह एक मजबूर चुनाव विधि है, क्योंकि मध्य विकल्प से सहमत नहीं है और न ही असहमत उपलब्ध नहीं है। लिकर्ट के तराजू कई कारणों से विकृति के अधीन हो सकते हैं। उत्तरदाता अत्यधिक प्रतिक्रिया श्रेणियों (केंद्रीय प्रवृत्ति पूर्वाग्रह) का प्रयोग करके बयान के साथ सहमत हो सकते हैं (मान्यता प्राप्त पक्षपात) या स्वयं को या उनके संगठन को अधिक अनुकूल प्रकाश (सामाजिक वांछनीयता पक्षपात) में चित्रित करने का प्रयास कर सकते हैं। संतुलित कुंजीयन (सकारात्मक और नकारात्मक बयानों की एक समान संख्या) के साथ पैमाने को डिजाइन करना, स्वीकार्यता के पूर्वाग्रह की समस्या को समाप्त कर सकता है, क्योंकि सकारात्मक कुंजी वाले आइटमों पर मितव्यक्ति नकारात्मक चीज़ों पर मान्यता प्राप्त होगी, लेकिन केंद्रीय प्रवृत्ति और सामाजिक वांछनीयता कुछ अधिक समस्याग्रस्त हैं। स्कोरिंग और विश्लेषण प्रश्नावली पूरा होने के बाद, प्रत्येक आइटम का विश्लेषण अलग-अलग हो सकता है या कुछ मामलों में मद प्रतिक्रियाओं का एक समूह के आइटम के लिए स्कोर बनाने के लिए अभिव्यक्त किया जा सकता है। इसलिए, लिकर्ट के तराजू को अक्सर सममित तराजू कहा जाता है। चाहे व्यक्तिगत Likert आइटम अंतराल-स्तर के डेटा के रूप में माना जा सकता है, या वे केवल आदेश-मानक डेटा माना जाना चाहिए कि क्या असहमति का विषय है। कई ऐसे मामलों को केवल क्रमिक आंकड़ों के रूप में देखते हैं, क्योंकि विशेष रूप से केवल पांच स्तरों का उपयोग करते समय, कोई यह नहीं मान सकता है कि उत्तरदाताओं समीपवर्ती स्तरों के सभी जोड़ों को समरूपता मानते हैं। दूसरी ओर, अक्सर (जैसा कि ऊपर दिए गए उदाहरण के अनुसार) प्रतिक्रिया स्तरों का शब्द स्पष्ट रूप से मध्य वर्ग के बारे में बहुत कम स्तर पर प्रतिक्रिया स्तरों के समरूपता को दर्शाता है, इस तरह की एक वस्तु क्रमिक और अंतराल-स्तर माप के बीच गिर जाएगी के रूप में केवल क्रमिक जानकारी खो देंगे इसके अलावा, यदि आइटम दृश्य एनालॉग स्केल के साथ होता है, जहां प्रतिक्रिया स्तरों के बराबर अंतर स्पष्ट रूप से संकेत मिलता है, तो इसे अंतराल स्तर के डेटा के रूप में इलाज करने का तर्क भी मजबूत है जब ऑर्डिनल डेटा के रूप में व्यवहार किया जाता है, तो लिकर्ट प्रतिक्रियाओं को बार चार्ट में जोड़ा जा सकता है, केंद्रीय प्रवृत्ति को माध्य या मोड द्वारा संक्षेपित किया जाता है (लेकिन कुछ लोग इसका मतलब नहीं कहेंगे), फैलाव को क्वार्टरियों में सीमा से सारांशित किया गया है (लेकिन कुछ मानक विचलन नहीं कहेंगे ), या गैर-पैरामीट्रिक परीक्षणों का उपयोग कर विश्लेषण किया है, उदा ची स्क्वायर टेस्ट, मान 8282 धोनी टेस्ट, विलकॉक्सन साइन-रैंक टेस्ट, या क्रुसकल 8211 वालिस टेस्ट। लैकर स्तरीय डेटा की साधारण औसत का पैरामीट्रिक विश्लेषण सेंट्रल लीमेट प्रमेय द्वारा भी उचित है, हालांकि कुछ लोग असहमत हैं कि सामान्य औसत का उपयोग लिक्टोर स्केल जानकारी। कई लिक्चर सवालों के जवाबों का सारांश दिया जा सकता है, जिससे कि सभी प्रश्न समान लिक्चर पैमाने का उपयोग करते हैं और यह अंतर अंतराल पैमाने पर एक बचाव योग्य अनुमान है, इस मामले में उन्हें अव्यक्त चर को मापने के अंतराल डेटा के रूप में माना जा सकता है। अगर समझाया जाने वाले उत्तरों ने इन मान्यताओं को पूरा किया है, तो पैरामीट्रिक सांख्यिकीय परीक्षण जैसे विचलन का विश्लेषण लागू किया जा सकता है। ये केवल तभी लागू किया जा सकता है जब 5 से अधिक लिक्टर्ट के प्रश्न समझाए जाते हैं। लैटर्ट के तराजू से डेटा को कभी-कभी सभी सहमत और असहमत प्रतिक्रियाओं को स्वीकार करने और अस्वीकार करने वाली दो श्रेणियों में जोड़कर नाममात्र स्तर पर कम किया जाता है। ची-स्क्वायर, कोचरेन क्यू, या मैकनेमार टेस्ट इस परिवर्तन के बाद इस्तेमाल की जाने वाली सामान्य सांख्यिकीय प्रक्रियाएं हैं। आम तौर पर स्वीकार्य मानक या उद्देश्य मानक मौजूद नहीं है, जहां डोमेन में Likert तराजू के लिए एक उद्देश्य मानक बनाने के लिए आम सहमति आधारित मूल्यांकन (सीबीए) का उपयोग किया जा सकता है। आम सहमति आधारित मूल्यांकन (सीबीए) का इस्तेमाल आम तौर पर स्वीकार किए गए मानकों को परिशोधित या मान्य करने के लिए भी किया जा सकता है। माप का स्तर पांच प्रतिक्रिया श्रेणियां अक्सर माप के अंतराल स्तर का प्रतिनिधित्व करने के लिए माना जाता है। लेकिन यह केवल मामला हो सकता है अगर पैमाने पर अंक के बीच के अंतराल मीट्रिक अर्थों में अनुभवजन्य टिप्पणियों से मेल खाती है। वास्तव में, ऐसी घटनाएं भी दिखाई दे सकती हैं जो क्रमिक स्तर के स्तर पर भी सवाल उठाती हैं। उदाहरण के लिए, ए, बी, सी की एक सेट में, लिक्चर स्केल परिपत्र संबंधों के साथ रेटेड जैसे एजीटीबी, बीजीटीसी और सीजीटीए दिखाई दे सकते हैं। यह क्रमिक पैमाने के लिए पारगमन की स्वयंसिद्धता का उल्लंघन करता है। राश मॉडल लिक्टोर स्केल डेटा, सिद्धांत रूप में, पॉलिटेमोस रस मॉडल को लागू करके एक सातत्य पर अंतराल स्तर के अनुमान प्राप्त करने के लिए आधार के रूप में इस्तेमाल किया जा सकता है, जब डेटा प्राप्त किया जा सकता है जो इस मॉडल को फिट करता है। इसके अलावा, पॉलिटेमोस रस मॉडल इस परिकल्पना के परीक्षण की अनुमति देता है कि बयान, एक रवैया या गुण के स्तर को बढ़ाते हैं, जैसा कि इरादा है उदाहरण के लिए, मॉडल के आवेदन अक्सर इंगित करता है कि तटस्थ श्रेणी असहमत और सहमत श्रेणियों के बीच रवैया या गुण के स्तर का प्रतिनिधित्व नहीं करती। फिर, लिक्चर मापने वाले आइटम का प्रत्येक सेट राश माप के लिए उपयोग नहीं किया जा सकता। मॉडल के सख्त औपचारिक रूप से पूरा करने के लिए डेटा को अच्छी तरह से जांचना होगा। उच्चारण Rensis Likert, पैमाने के डेवलपर, ने उसका नाम चाट-उर्ट संक्षिप्त I ध्वनि के साथ .6 यह दावा किया गया है कि Likerts नाम क्षेत्र में सबसे अधिक गलतप्रदर्शित में से एक है। हालांकि कई लोग लंबी मैं संस्करण का प्रयोग करते हैं (झूठ - कर्ट), जो लोग डॉ। Likerts उच्चारण करने के लिए सही रहने का प्रयास करते हैं, संक्षिप्त I उच्चारण (चाट-अर्ट) का उपयोग करते हैं। विकिपीडिया से, निशुल्क विश्वकोश। सर्वेक्षण अनुसंधान में सामान्यतः लीकर पैमाने का उपयोग किया जाता है। यह अक्सर उत्तरदाताओं के दृष्टिकोण को मापने के लिए उपयोग किया जाता है, जिससे वे एक विशिष्ट प्रश्न या वक्तव्य के साथ सहमत या असहमत सीमा तक पूछते हैं। एक ठेठ पैमाने पर दृढ़ता से सहमत हो सकता है, सहमत हो सकता है, निश्चित तौर पर, असहमत, दृढ़ता से असहमत नहीं हो सकता है। सतह पर, Likert पैमाने का उपयोग करने वाले सर्वेक्षण डेटा का विश्लेषण करना आसान लगता है, लेकिन एक डेटा विश्लेषक के बारे में विचार करने के लिए महत्वपूर्ण समस्याएं हैं। 1. प्रतिक्रियाओं को कोडित करके विश्लेषण के लिए अपना डेटा तैयार करें। उदाहरण के लिए, कहने का मतलब है कि आपके पास एक सर्वे है जो उत्तरदाताओं से पूछता है कि क्या वे राजनीतिक पार्टियों के प्लेटफॉर्म में किसी पद के सेट से सहमत हैं या असहमत हैं। प्रत्येक स्थिति एक सर्वेक्षण प्रश्न है, और पैमाने निम्नलिखित प्रतिक्रियाओं का उपयोग करता है: दृढ़ता से सहमत, सहमत, तटस्थ, असहमत, दृढ़ता से असहमत। इस उदाहरण में, इसके अनुसार प्रतिक्रियाओं को अच्छी तरह से कोड दें: असहमत 1 असहमत 2, असहमत 2, तटस्थ 3, सहमत 4, दृढ़ता से सहमत 5. 2. दो प्रकार के भिन्न विश्लेषणात्मक दृष्टिकोणों की आवश्यकता के अनुसार क्रमबद्ध और अंतराल डेटा के बीच अंतर करना याद रखें। यदि डेटा क्रमवार है, तो हम यह कह सकते हैं कि एक अंक दूसरे से अधिक है। हम यह नहीं कह सकते कि कितना अधिक है, जैसा कि हम अंतराल डेटा के साथ कर सकते हैं, जो आपको दो बिंदुओं के बीच की दूरी बताते हैं। यहां लिक्चर पैमाने के साथ आघात है: कई शोधकर्ता इसे अंतराल पैमाने के रूप में मानेंगे। यह मानता है कि प्रत्येक प्रतिक्रिया के बीच के अंतर दूरी के बराबर हैं। सच्चाई यह है कि लिक्चर पैमाने हमें यह नहीं बताता कि यहां हमारे उदाहरण में, यह केवल हमें बताता है कि उच्च-संख्या वाले प्रतिक्रियाओं वाले लोगों को कम-संख्या वाले प्रतिक्रियाओं वाले लोगों की तुलना में अधिकतर पार्टिस पदों के साथ समझौता किया जाता है 3. वर्णनात्मक आंकड़ों के साथ अपने लिकर पैमाने के डेटा का विश्लेषण करना शुरू करें। हालांकि यह मोहक हो सकता है, संख्यात्मक प्रतिक्रियाओं को लेने और एक मतलब की गणना करने के लिए आग्रह करता हूं कि विरोध करें। असहमत (2) से दो प्रतिक्रियाओं के लिए दृढ़ता से सहमत (5) की प्रतिक्रिया जोड़ने से हमें 4 का मतलब मिलेगा, लेकिन उस नंबर का महत्व क्या है सौभाग्य से, मध्य प्रवृत्ति के दूसरे उपाय भी हैं जो हम मतलब के अलावा भी इस्तेमाल कर सकते हैं। लिक्टर पैमाने के डेटा के साथ, उपयोग करने के लिए सबसे अच्छा उपाय मोड है, या सबसे अधिक तीव्र प्रतिक्रिया। यह विश्लेषकों के लिए सर्वेक्षण के परिणाम बहुत आसान बनाता है (व्याख्या करने के लिए दर्शकों का उल्लेख नहीं करने के लिए) व्याख्या करने के लिए आप प्रत्येक प्रतिक्रिया वर्ग के लिए एक बार के साथ एक बार चार्ट के रूप में एक ग्राफिक में प्रतिक्रियाओं (प्रतिशत, सहमत, असहमत, आदि) का वितरण प्रदर्शित कर सकते हैं। 4. अनुरेखण तकनीकों के आगे आगे बढ़ें, जो शोधकर्ताओं द्वारा प्रस्तुत परीक्षणों की व्याख्या करता है। कई दृष्टिकोण उपलब्ध हैं, और सबसे अच्छा आपके अध्ययन की प्रकृति और उन सवालों पर निर्भर करता है जिन्हें आप जवाब देने की कोशिश कर रहे हैं। एक लोकप्रिय दृष्टिकोण, विचरण तकनीकों के विश्लेषण, जैसे मान हितिनी या क्रुस्कल वालिस परीक्षण, का उपयोग करके प्रतिक्रियाओं का विश्लेषण करना है। मान लीजिए कि हमारे उदाहरण में हम स्वतंत्र नीति के रूप में जातीयता के साथ विदेशी नीति के पदों पर प्रश्नों के जवाबों का विश्लेषण करना चाहते थे। कहें कि हमारे डेटा में एंग्लो, अफ्रीकी-अमरीकी और हिस्पैनिक उत्तरदाताओं से प्रतिक्रियाएं शामिल हैं, इसलिए हम विवाद के Kruskal वालिस परीक्षण का उपयोग कर उत्तरदाताओं के तीन समूहों के बीच प्रतिक्रियाओं का विश्लेषण कर सकते हैं। 5. चार सर्वेक्षण श्रेणियों (जैसे कि दृढ़ता से सहमत, सहमत, असहमत, दृढ़ता से असहमत) को दो नाममात्र श्रेणियों में जोड़कर अपने सर्वेक्षण डेटा को और सरल बनाएं, जैसे कि सहमति, स्वीकृति इत्यादि)। यह अन्य विश्लेषण संभावनाएं प्रदान करता है ची स्क्वायर टेस्ट इस तरह से डेटा का विश्लेषण करने के लिए एक दृष्टिकोण है। और पढ़ें: सांख्यिकीय विश्लेषण में लिकर स्केल का उपयोग कैसे करें eHow एहोव 4855078 उपयोग करें-आंकर्ट-स्तरीय-सांख्यिकीय-विश्लेषण_मैक्स 1 एलजीआरएसआरस सामाजिक व्यवहार विज्ञान में चल रही एक बड़ी बहस है कि क्या लिकर की तराजू को क्रमिक या अंतराल के रूप में माना जाना चाहिए। मुझे उस के रूप में गणना करें जो सोचते हैं कि इसका ठीक अंतराल के रूप में इलाज करना ठीक है। मैं डेटा के दोनों तरीकों का विश्लेषण करता हूं - ची स्क्वायर और एनोवा के साथ, और देखें कि यह कैसे निकलता है - यदि परिणाम समान हैं, तो आप सभी सेट हैं यदि आप प्रत्येक विधि से कुछ अलग करते हैं, तो आपके पास कुछ दिलचस्प है कुल मिलाकर, आप अंतराल के रूप में तराजू का इलाज कर सकते हैं और ऐसे तरीकों की तुलना कर सकते हैं जो एनोवा जैसे अर्थों की तुलना करते हैं तराजू अंतराल के लिए काफी करीब हैं ताकि इन तरीकों से आप भटक जाएंगे। हां, टुके एक पोस्ट-हॉक टेस्ट के लिए ठीक होगा। उदारवादी संप्रदाय के मामले में इसकी मध्य-सड़क (फिशर्स एलएसडी उदार है, बोन्फोरोनी रूढ़िवादी है)। आप ची-स्क्वायर का उपयोग कैसे करेंगे, इसके मामले में, आप उन समूहों के बीच एक तुलना की स्थापना कर सकते हैं, जो आप के विपरीत करना चाहते हैं, और समूह के बीच प्रत्येक पसंद की आवृत्ति पर विश्लेषण करें (यानी एक समूह एक दूसरे से अधिक बार सहमत होना चुनता है समूह)। हां, यह स्वतंत्रता का ची स्क्वायर परीक्षा होगी। आकस्मिकता तालिका को समूहों के रूप में पंक्तियों के रूप में सेट किया जा सकता है, और बड़े पैमाने पर वस्तुओं को 8 कॉलम के रूप में स्थापित किया जा सकता है। तालिका की कोशिकाओं में प्रतिक्रिया आवृत्तियों शामिल होंगे। ची-स्क्वायर पोस्ट-हॉक के लिए, z परीक्षा के साथ दो स्वतंत्र अनुपातों की एक सरल तुलना का उपयोग करें। आप जरूरी ची ची-स्क्वायर विश्लेषण के साथ रिपोर्ट करना चाहते हैं, क्योंकि आपकी रूचि फ़्रिक्वेंसी की तुलना में है, लेकिन यह नहीं कहने के लिए कि आप कुछ प्रकार की मूल वर्णनात्मक आँकड़े तुलना (मतलब, मध्यस्थ, स्टेडी देव, इत्यादि) नहीं करेंगे प्रिय सब, मैं इस लेख के लिए धन्यवाद, लेकिन मैं अब भी अटक महसूस करता हूं। मेरे पास SPSS पर सभी डेटा हैं, मैं स्केल प्रश्नों के लिए मतलब और एसडी का इस्तेमाल करता था लेकिन वे अपने शोध सवालों के जवाब देने में विफल रहते हैं। मुझे इस लेख में दिलचस्प तरीके मिलते हैं लेकिन मुझे नहीं पता है कि मेरे लिए कौन काम करता है और यह कैसे स्पैस पर लागू होता है मुझे आशा है कि आप में से कोई भी मेरी मदद कर सकता है, मैं अपने टेबल का एक नमूना भेज सकता हूं .. अग्रिम धन्यवाद हाय, कृपया मुझे इस बात पर वास्तव में उलझन में है कि मैं इस मायने में अपने प्रकार के पैमाने के आइटम का विश्लेषण कैसे कर सकता हूं- मेरे पास 5 सूत्री प्रकार का पैमाने ( दृढ़ता से असहमत 1, असहमत 2, तटस्थ 3, सहमत 4, दृढ़ता से सहमत हैं 5) और कुछ उत्तरदाताओं का चयन अनिर्णायक नहीं है। विश्लेषण करते समय, मुझे सिर्फ तटस्थ प्रतिक्रियाओं को फेंक देना चाहिए और बहुत ही असुविधाजनक मार्गदर्शन के लिए दृढ़ता से असहमत 1, असहमत 2 से सहमत, सहमत 3, दृढ़ता से सहमत हूँ 4 धन्यवाद। टिप्पणी देने के लिए टिप्पणी देने के लिए साझा करने के लिए धन्यवाद, यह बहुत जानकारीपूर्ण पोस्ट है जो मुझे अपने लघु व्यवसाय (BuzzInc) को स्टार्टअप करने में मदद करेगा और यह मेरा बदलना बिंदु हो सकता है। एलआईकेन ऐलेन और क्रिस्टोफर ए। सैमन सर्वे को मापने के लिए लगातार उपयोग किया जाता है। गुणवत्ता। उदाहरण के लिए, सर्विस डिलीवरी में उत्पाद की गुणवत्ता या गुणवत्ता के प्रदर्शन की ग्राहक की धारणा को मापने के लिए सर्वेक्षणों का इस्तेमाल किया जा सकता है। सर्वेक्षणों के लिए लिक्चर स्केल एक सामान्य रेटिंग प्रारूप हैं उत्तरदायी पांच या सात स्तरों का उपयोग करके उच्चतर से कम या सबसे खराब स्थिति में गुणवत्ता को रैंक करते हैं। सांख्यिकीविदों ने आम तौर पर इन सर्वेक्षणों से प्राप्त आंकड़ों को चार स्तरों के माप के क्रम में एकत्रित किया है: नाममात्र डेटा: संख्यात्मक प्रतिनिधित्व के बिना श्रेणियों का प्रतिनिधित्व करने वाले माप का सबसे कम स्तर। आदेश डेटा: डेटा जिसमें प्रतिक्रियाओं का क्रम या रैंकिंग संभव है, लेकिन दूरी का कोई भी उपाय संभव नहीं है। अंतराल डेटा: आमतौर पर पूर्णांक डेटा जिसमें क्रम और दूरी माप संभव है। अनुपात डेटा: डेटा जिसमें क्रमिक क्रम, दूरी, दशमलव और भिन्नता के बीच अंतर संभव है। डेटा का नाममात्र, अंतराल और अनुपात डेटा का विश्लेषण सामान्यतः सीधा और पारदर्शी होता है। क्रमशः डेटा का विश्लेषण, विशेषकर जब वह लिकर्ट या सर्वेक्षण में अन्य तराजू से संबंधित है, नहीं हैं। यह एक नया मुद्दा नहीं है विभिन्न क्षेत्रों में लागू किए गए सर्वेक्षणों के विश्लेषण में अंतराल डेटा के रूप में क्रमिक आंकड़ों के इलाज की पर्याप्तता विवादास्पद रही है। 1,2 अंतराल डेटा के रूप में क्रमिक डेटा का विश्लेषण करने के लिए एक अंतर्निहित कारण यह तर्क हो सकता है कि पैरामीटर संबंधी सांख्यिकीय परीक्षण (केंद्रीय सीमा प्रमेय के आधार पर) नॉनपारामेटिक विकल्पों की तुलना में अधिक शक्तिशाली हैं। साथ ही, पैरापेट्रिक परीक्षणों के निष्कर्ष और व्याख्याओं को गैर-पैरामाट्रीक विकल्पों की तुलना में अधिक जानकारी प्रदान करने और प्रदान करने में आसान माना जा सकता है। हालांकि, डेटासेट के मूल्यों और विश्लेषण के उद्देश्यों की जांच किए बिना क्रमबद्ध डेटा का अंतराल (या अनुपात) डेटा के रूप में व्यवहार करना, सर्वेक्षण के निष्कर्षों को गुमराह कर सकता है और गलत तरीके से प्रस्तुत कर सकता है। स्केलर डेटा के उचित विश्लेषण की जांच करने के लिए और जब अंतराल डेटा के रूप में क्रमिक आंकड़ों का इलाज करना बेहतर होता है, तो हम लिक्चर स्केल पर ध्यान केंद्रित करेंगे। लिक्टर स्केल की मूल बातें 1 9 32 में परिचित पांच सूत्री द्विध्रुवी प्रतिक्रिया के रूप में लिकर्ट तराजू विकसित की गई थीं, जो कि ज्यादातर लोग आज से परिचित हैं। 3 ये तराजू श्रेणियों के एक समूह से हैं, जो लोग यह मानते हैं कि वे कितने सहमत हैं या असहमत, अनुमोदन या अस्वीकृत हैं, या सच्चे या गलत होने में विश्वास करते हैं लिक्टोर स्केल का निर्माण करने के लिए वास्तव में कोई गलत तरीका नहीं है। सबसे महत्वपूर्ण विचार में कम से कम पांच प्रतिक्रिया श्रेणियों को शामिल करना है। श्रेणी समूहों के कुछ उदाहरण 1 तालिका में दिखाई देते हैं। पांच अंकों वाले तराजू के संबंधित शीर्ष और नीचे के लिए ldquoveryrdquo को जोड़कर सात-अंकों के पैमाने को बनाने के लिए पैमाने के समाप्त होने की संभावना बढ़ जाती है। स्केलर्सक्वोस विश्वसनीयता की ऊपरी सीमा तक पहुंचने के लिए सात सूत्री पैमाने दिखाए गए हैं। 4 एक सामान्य नियम के रूप में, लिक्टर्ट और दूसरों का सुझाव है कि यथासंभव व्यापक पैमाने के रूप में उपयोग करना सबसे अच्छा है। यदि आप उपयुक्त हो, तो विश्लेषण के लिए, कंसल्ट श्रेणियों में हमेशा प्रतिक्रियाओं को संक्षिप्त कर सकते हैं। इसके साथ दिमाग में, कभी-कभी वर्गों (आमतौर पर चार) की एक भी संख्या में तराजू को कम कर दिया जाता है ताकि एक ldquoforced choicerdquo सर्वेक्षण स्केल में ldquoneutralrdquo विकल्प को खत्म किया जा सके। Rensis Likertrsquos मूल पत्र स्पष्ट रूप से पहचानता है कि एक अंतर्निहित निरंतर चर हो सकता है जिसका मान उत्तरदाताओं के विचारों या दृष्टिकोणों को दर्शाता है और यह अंतर्निहित चर अंतराल स्तर पर सबसे अच्छा है 5 विश्लेषण, सतत इंडेक्स के लिए सामान्यीकरण सामान्य नियम के रूप में, माध्य और मानक विचलन, आंकड़े क्रमिक तराजू पर होते हैं, जब भी डेटा क्रमिक तराजू पर होता है, जैसा कि सामान्य वितरण के आधार पर कोई पैरामीट्रिक विश्लेषण होता है। गैर-पैरामेटिक प्रक्रियाएं इन आंकड़ों का विश्लेषण करने के लिए रैंक, मध्य या रेंजमदाशर पर आधारित हैं, जैसे कि विनियमन, आवृत्तियों, आकस्मिक तालिकाओं और ची स्क्वायर आँकड़ों के वितरण के तरीके हैं। Kruskall-Wallis मॉडल विचलन के विश्लेषण के रूप में एक ही प्रकार के परिणाम प्रदान कर सकते हैं, लेकिन रैंकों के आधार पर और प्रतिक्रियाओं के साधन नहीं। इन तराजूओं को देखते हुए एक अंतर्निहित निरंतर उपाय का प्रतिनिधित्व किया जाता है, एक सिफारिश उनको अंतराल डेटा के रूप में एक पायलट के रूप में विश्लेषण करने के लिए है जो सतत उपाय एकत्र करने से पहले। तालिका 2 में भ्रामक निष्कर्षों का एक उदाहरण शामिल है, जो कि संयुक्त राज्य अमेरिका में ऑनलाइन सीखने की गुणवत्ता और सीमा के वार्षिक अल्फ्रेड पी। स्लोअन फाउंडेशन सर्वेक्षण के परिणाम दिखाते हैं। उत्तरदाताओं ने चेहरे से सीखने की तुलना में ऑनलाइन सीखने की गुणवत्ता का मूल्यांकन करने के लिए एक Likert scale का इस्तेमाल किया। जबकि 60-उत्तरदाताओं ने ऑनलाइन सीखने के चेहरे से मुकाबले के बराबर या बेहतर सीखते हुए, एक निरंतर अल्पसंख्यक है जो कम से कम कुछ घटिया ऑनलाइन सीखने का अनुभव करता है। यदि इन आंकड़ों का मतलब विश्लेषण किया गया है, तो 1 से 5 के स्तर से नीची से बेहतर तक, इस अलगाव को खो दिया जाएगा, क्रमशः इन तीन वर्षों के लिए 2.7, 2.6 और 2.7 का मतलब दे। यह प्रतिक्रियाओं के वास्तविक वितरण के बजाय औसत समझौते की तुलना में थोड़ी कम इंगित करेगा। एक अधिक चरम उदाहरण सभी उत्तरदाताओं को पैमाने के चरम पर रखने के लिए होगा, एडी-टीअल प्रतिक्रियाओं से एक पूरी तरह से भिन्न व्याख्या ldquosamerdquo का मतलब उत्पन्न करते हैं। क्या परिस्थितियों में Likert तराजू अंतराल प्रक्रियाओं के साथ प्रयोग किया जा सकता है मान लीजिए रैंक डेटा में 0, 25, 000, 50, 000, 75,000 या 100,000 मापने के आय के एक सर्वेक्षण शामिल हैं, और इन्हें ldquolow, rdquo ldquomediumrdquo और ldquohigh. rdquo के रूप में मापा गया ldquointervalnessrdquo यहाँ एक है डेटा की विशेषता, लेबल्स की नहीं इसके अलावा, पैमाने पर आइटम कम से कम पांच और अधिमानतः सात श्रेणियां होनी चाहिए। अंतराल मूल्यों के रूप में लिकर्ट के तराजू का विश्लेषण करने का एक अन्य उदाहरण तब होता है जब लिकर्ट वस्तुओं के सेट को अनुक्रमित बनाने के लिए जोड़ा जा सकता है। हालांकि, इस दृष्टिकोण के लिए एक मजबूत चेतावनी है: अधिकांश शोधकर्ताओं का कहना है कि इस तरह के तराजू के संयोजन को क्रॉनबैरसिकोस अल्फा या अंतर-संबंध और वैधता के कपा परीक्षण से गुजारें। इसके अलावा, अंतराल स्तर के सूचकांक के रूप में तराजू का संयोजन मानता है कि यह संयोजन एक अंतर्निहित विशेषता या चर का उपयोग करता है। वैकल्पिक उपायों के लिए वैकल्पिक उपायों औपचारिक Likert पैमाने का उपयोग करने के लिए विकल्प एक सतत लाइन या ट्रैक बार का उपयोग हो सकता है दर्द माप के लिए, एक 100 मिमी लाइन का उपयोग पेपर सर्वेक्षण पर किया जा सकता है जो कि कभी-कभी सबसे अच्छे से मापने के लिए, निरंतर अंतराल उपाय प्रदान करते हैं। कई ऑनलाइन सर्वेक्षणों के आगमन में, यह ट्रैक 1 के साथ चित्रों के समान किया जा सकता है, जो कि चित्र 1 में दिखाए गए हैं। यहां उत्तरदाता अपने जवाबों को निरंतर अंतराल के लिए जांच सकते हैं जो सर्वेक्षण सॉफ्टवेयर द्वारा लगातार मूल्यों के रूप में प्राप्त किए जा सकते हैं। निष्कर्ष Likert scalar डेटा के अपने प्रारंभिक विश्लेषण में पैरामीट्रिक आँकड़े शामिल नहीं होना चाहिए लेकिन डेटा के क्रमिक प्रकृति पर निर्भर होना चाहिए। हालांकि लिकर्ट पैमाने पर वैरिएबल आम तौर पर एक अंतर्निहित निरंतर उपाय का प्रतिनिधित्व करते हैं, अलग-अलग मदों का विश्लेषण केवल पायलट विश्लेषण के रूप में पैरामीट्रिक प्रक्रियाओं का उपयोग करना चाहिए। अनुक्रमित में लिक्टोर तराजू का संयोजन डेटा के मूल्यों और परिवर्तनशीलता को जोड़ता है। यदि सामान्यता की मान्यताओं को पूरा किया गया है, तो पैरामीट्रिक प्रक्रिया के साथ विश्लेषण किया जा सकता है। अंत में, एक पांच या सात श्रेणी के उपकरणों को निरंतर चर में परिवर्तित करना एक कैलिब्रेटेड रेखा या ट्रैक बार के साथ संभव है संदर्भ Gideon Vigderhous, ldquoThe स्तर का माप और lsquoPermissiblersquo सामाजिक अनुसंधान में सांख्यिकीय विश्लेषण, rdquo प्रशांत सामाजिक समीक्षा, वॉल्यूम। 20, नंबर 1, 1 9 77, पीपी। 61-72 Ulf Jakobsson, ldquo सांख्यिकीय प्रस्तुति और विश्लेषण नर्सिंग रिसर्च में अनुसंधान डेटा, अनुसंधान स्कैंडिनेवियाई जर्नल ऑफ कैरिंग साइंसेस, वॉल्यूम 18, 2004, पीपी। 437-440 रेन्सिस लिकर्ट, लिडक्वो एट माईजरमेंट ऑफ अटिट्यूड्स, आरडीओ अभिलेखागार मनोविज्ञान, 1 9 32, खंड। 140, नं। 55. जुम सी। नन्नली, साइकोमेट्रिक थ्योरी, मैकग्रा हिल, 1 9 78. डेनिस एल। क्लैसन और थॉमस जे। डॉर्मॉडी, एलडीकेएएनएलिजिंग डाटा इंटरेक्टिव लिक्चर-टाइप इमेट्स द्वारा आरक्षित, कृषि शिक्षा जर्नल, वॉल्यूम 35, नंबर 4, 1 99 4। बाइबिलोग्राफी जैकोबी, जैकब, और माइकल एस। मेटेल, लिंडू थ्री-पॉईंट लियकर्ट स्केल्स गुड इंडियन, आरडीओ जर्नल ऑफ मार्केटिंग रिसर्च, वॉल्यूम 8, नंबर 4, 1 9 71, पीपी 495-500 जैमीसन, सुसन, लिडक्लिक्टर स्केल: कैसे करें (एबी) उनको उपयोग करें, आरडीआरओ चिकित्सा शिक्षा, वॉल्यूम 38, नंबर 12), 2004, पीपी। 1,217-1,218 आई एलिना एलन बाबसन पार्क, एमए के बाबसन कॉलेज में आँकड़े और उद्यमिता के सहयोगी प्रोफेसर हैं। इथाका, एनवाई में कॉर्नेल यूनिवर्सिटी से उनके पास डॉक्टरेट की उपाधि है। एलन एएसक्यू का एक वरिष्ठ सदस्य है। क्रिस्टोफर ए। सेमैन, न्यू यॉर्क के सिटी यूनिवर्सिटी के ग्रेजुएट सेंटर में गणित में एक डॉक्टरेट छात्र है।