hvordan man analyserer likert skaladata i spss pdf


Svar 1:

Selvom analyse af data fra Likert-skalaen kan være en ganske videnskabelig og matematisk opgave (især til bestemmelse af gyldighed, fordrejninger osv.), Vil jeg kun diskutere en enkel måde at fortolke de data, du har indsamlet.

Jeg bestemmer procentdelen af ​​dine kunder, der reagerer på en bestemt måde på hvert enkelt spørgsmål.

Oftest vurderes Likert-skalaer ved at give hver indstillingsværdi og derefter tilføje disse værdier sammen for at skabe en score for hver kunde.

Selvom det er relativt simpelt, gør denne rapporteringsmetode det let at evaluere de meninger, der er afsløret af hver Likert-mulighed.

Et diagram over scoringer kan give visuel indsigt i følelser på en bestemt Likert-skala.

Ved at gøre dette for hvert spørgsmål vil du være i stand til at bestemme områder med behov for forbedring samt områder, hvor din virksomhed trives.

Du bemærker måske også områder, der bekymrer dig, hvor du oprindeligt måske havde troet, at tingene kørte problemfrit.

De vigtigste faktorer i rapportering på Likert-skalaen er konsistens i værdier og sammenhæng i spørgsmål eller emner, der evalueres sammen.

Spørgsmål, der er malplacerede, kan skæve resultaterne, hvilket gør det sværere at tage de rigtige handlinger baseret på de svar, dine kunder giver dig.

Taler om skæve resultater ...

Mulige forvrængninger af undersøgelsen

Når man følger den sidste opfattelse, er svarene, som dine kunder giver, når de udfylder tilfredshedsundersøgelser, måske ikke altid helt nøjagtige.

Kort sagt: den menneskelige natur kommer undertiden i vejen for, at kunder reagerer åbent og ærligt.

Den mest effektive måde at bekæmpe disse fordrejninger på er altid at give dine respondenter mulighed for at give flere detaljer - eller diskutere forvirring - vedrørende et specifikt spørgsmål eller spørgsmålssæt.

Det er dog stadig vigtigt at forstå de mulige fordomme, som dine kunder kommer til bordet med, for at identificere mulige forvridninger eller uoverensstemmelser mellem dine data.

De forspændinger, du mest sandsynligt støder på, er:

Central tendensbias

Som navnet antyder, henviser central tendensbias til forestillingen om, at nogle respondenter kan undgå at vælge de mest ekstreme muligheder.

Den mest almindelige forklaring på denne tendens er, at respondenterne ikke har en klar definition af ekstrem høj eller ekstrem lav med hensyn til et specifikt spørgsmål.

For eksempel når du besvarer spørgsmålet

"Hvordan vil du bedømme vores virksomheds kundeservice?" (med svar, der spænder fra "Ikke hjælpsom" til "Ekstremt hjælpsom"), kan en kunde, der modtog eksemplarisk kundeservice, blive fanget i semantikken om, hvad "ekstrem" egentlig betyder.

Det er muligt, at selvom de erkender, at tjenesten var udsøgt, tøver de med at rapportere, at det var alt-i-alt-kundeservice.

En anden forklaring på central tendensbias er, at kunder oprindeligt måske "gemmer" deres "ekstreme" svar til senere spørgsmål.

Hvis de besvarer det første spørgsmål med et ”ekstremt” svar, kan de muligvis se resten af ​​deres svar gennem linsen i dette første svar. (dvs. for at svare med et "ekstremt" svar på efterfølgende spørgsmål, skal deres tilfredshedsniveau matche niveauet for tilfredshed med det første spørgsmål).

Ud over at give respondenterne muligheder for at udvide deres svar, kan du også undgå at blive offer for central tendensforstyrrelse ved enten at give kontekst til, hvad bestemte udtryk (såsom "fremragende") betyder, eller lade respondenter definere termerne i deres eget ord.

Ekstrem reaktionsforstyrrelse

I modsætning til central tendens bias, ekstrem

svar bias

er tendensen for nogle respondenter til,

kun,

svar ekstremt.

Der er igen en række grunde til, at dette kan forekomme, herunder:

  • Kulturelle holdninger
  • Respondenternes intelligensniveau
  • Niveau for indsats, som respondenterne lægger i at gennemføre en undersøgelse
  • Den måde, hvorpå spørgsmål og valg formuleres

Af disse fire grunde er den eneste, du virkelig har kontrol over, den sidste. Sørg for, at de spørgsmål, du stiller, ikke fører respondenterne mod et bestemt svar, og også at hver mulighed er klart defineret og forståelig.

Du kan adressere spørgsmålene om kulturel og intellektuel mangfoldighed ved at bede om demografiske og andre personlige oplysninger fra hver respondent.

Selvom det ikke er en absolut determinant af nogen strækning, er det muligvis det tætteste, du kan komme til at finde ud af, hvorfor en respondent svarede, som de gjorde (det er naturligvis kort at spørge dem).

Acquiescence Bias

Acquiescence bias refererer til en respondents tendens til at gå sammen med en erklæring i et forsøg på at undgå at rynke fjer eller fornærme nogen.

Lad os f.eks. Sige, at en kunde modtog underordnet service fra en medarbejder, der virkelig gjorde deres bedste for at imødekomme kundens behov.

Selvom kunden ikke endte med det ønskede resultat, rapporterede de muligvis, at de modtog “fremragende” kundeservice fra medarbejderen, simpelthen fordi de forsøgte at være hjælpsomme.

Men i forbindelse med undersøgelsen er et sådant svar slet ikke nyttigt.

For at undgå en sådan uoverensstemmelse skal du stille klare og specifikke spørgsmål i hele din undersøgelse. Brug af ovenstående eksempel, hvis kunden blev spurgt om medarbejderens villighed til at hjælpe (ud over at blive spurgt om den service, de modtog), ville de have en chance for at vise, at medarbejderen forsøgte at hjælpe, men i sidste ende ikke var i stand til at .

En anden måde at muligvis undgå samvittighedsforstyrrelser på er at gøre det klart for respondenterne, at formålet med undersøgelsen i første omgang er at forbedre kundeservicen overalt.

Selvom der bestemt stadig vil være tilfælde af sådan bias, kan denne enkle ansvarsfraskrivelse muligvis åbne døren for mere ærlighed fra mange af dine kunder.


Svar 2:

Afhænger af, om du kan fremsætte et rimeligt argument for, at dataene er mindst interval. Hvis alle de mulige valg blev mærket med ord (fx stærkt ikke lide, ikke lide, noget ikke, neutral, noget ligesom, stærkt som), er der ikke noget godt tilfælde, at datapunkterne er lige langt fra hinanden (lige langt fra hinanden) en anden. Hvis der på den anden side kun var slutpunkterne mærket (f.eks. Stærkt ikke lide og stærkt ligesom) eller kun et slutpunkt blev mærket (f.eks. Stærkt ikke lide eller meget lignende), kan du nemt gøre det tilfældet, at folk behandlede de mulige muligheder som lige langt fra hinanden (og repræsenterer derfor en intervalskala).

Hvis data er interval, skal du starte med beregningsmetoder og standardafvigelser.

Faktoranalyse hjælper dig med at bestemme strukturen på dine skalaer, f.eks. Hvor mange dimensioner de kræver.

Gentagne tiltag ANOVA kan bruges til at se, om alle genstande har de samme midler.

Hvis dataene ikke er interval, skal du tjekke ikke-parametriske indstillinger.


Svar 3:

Dette spørgsmål er for bredt. Hvad er målet med analysen? Hvilke data har du? Hvad er dine forskningsspørgsmål? Er Likert-skalaen variabel en DV, en IV, hverken begge dele?

etc.

Se mit blogindlæg:

Sådan stilles et statistisk spørgsmål

.

Desværre har Quora besluttet, at de ikke ønsker gode spørgsmål, hvis spørgsmålet kræver detaljer. Det gør Quora værre på mange måder, og det gør det

CrossValidated

et bedre sted at stille disse spørgsmål.


Svar 4:

Jeg skrev et omfattende stykke om analyse af Likert-skalaer som svar på et tidligere spørgsmål: du kan finde svaret nyttigt.

Rebecca Warners svar på Hvilken statistisk test (SPSS) ville du bruge til at analysere en undersøgelse med 2 IV'er og 1 DV hver målt på en Likert-skala? Der er modstridende råd om, hvorvidt disse skal behandles som data på ordinært niveau eller interval.


Svar 5:

Den bedste reference, jeg kender til dette, er Alan Agresti (2010) Analyse af ordinære kategoriske data.


Svar 6:
Ordinær regression - Wikipedia

ved brug af

Bestilt logit - Wikipedia

Du kan gøre dette let i SAS med Proc Logistic.