Können wir basierend auf Faktorladungen (in der Faktoranalyse) Likert-Skalenelementen ungleiche Gewichte geben?

8

Nach dem Sammeln der Daten berechnen wir die Bewertung einer beliebigen Likert-Skala (summativ) (zuvor als Faktor in der Faktoranalyse identifiziert), indem wir die Bewertungen der einzelnen Elemente addieren (und möglicherweise die Summe durch die Anzahl der Elemente dividieren, um die durchschnittliche Bewertung zu erhalten). Bei dieser Berechnung gehen wir davon aus, dass jeder Artikel in der Waage das gleiche Gewicht hat. Aus der Faktoranalyse wissen wir jedoch, dass einige der Elemente größere Faktorladungen hatten als die anderen, aus denen diese Skala besteht. Sie erklären somit mehr von der Varianz. Ist es durch die Verwendung dieser Faktorladungen möglich, Gegenständen ungleiche Gewichte zu geben? Zum Beispiel ist in einer 6-Punkte-Skala Punkt 4 in dieser Skala möglicherweise effektiver als andere Gegenstände.

Oder um meine Frage noch einmal zu wiederholen: Obwohl Elemente einer Likert-Skala (Konstrukt) nicht die gleichen Faktorladungen aufweisen (was die Varianz dieses Faktors erklärt), warum verwenden Forscher im Allgemeinen Likert-Skalen mit gleichgewichteten Elementen?

user12483
quelle
Ich habe Ihre Frage erheblich umformuliert, nachdem ich geglaubt hatte, sie richtig verstanden zu haben. Bitte überprüfen Sie, ob es für Sie jetzt in Ordnung ist.
ttnphns
Siehe auch eine verwandte Frage stats.stackexchange.com/q/191255/3277
ttnphns

Antworten:

11

B.R.EINB.=R.- -1EINEIN

B.B.und schließlich zeigen sie nicht viel besser als nur 1 gegen 0 Gewichte. Drittens das gewichtete SummenmodellHinter einem summativen (Likert) Konstrukt steht eine prinzipielle Vereinfachung. Dies impliziert, dass das Merkmal, das von der Skala gemessen wird, unabhängig von seiner Ausprägung von allen Elementen gleichzeitig abhängt. Wir wissen jedoch, dass sich viele Merkmale unterschiedlich verhalten. Wenn ein Merkmal beispielsweise schwach ist, zeigt es möglicherweise nur eine Teilmenge der Symptome (dh Elemente), jedoch diejenigen, die vollständig ausgedrückt werden. Wenn das Merkmal stärker wird, treten mehr Symptome auf, einige teilweise ausgedrückt, andere vollständig ausgedrückt und ersetzen sogar diese "älteren" Symptome. Dieses dynamische und unvorhersehbare interne Wachstum eines Merkmals kann nicht durch eine gewichtete lineare Kombination seiner Phänomene modelliert werden. In dieser Situation ist die Verwendung feiner Bruchgewichte in keiner Weise besser als die Verwendung binärer 0-1-Gewichte.

ttnphns
quelle
Danke für deine Antwort. Außerdem möchte ich etwas in meinem Kopf teilen. Wenn man über Pilotstudien in der Sozialforschung nachdenkt; Die Befragten stammen aus derselben Population in dieser Studie. Wenn alle Stichprobenverfahren (in der Pilotstudie und im Hauptteil) zufällig sind, repräsentieren die Daten, die wir in der Pilotstudienphase haben, die Forschungsstichprobe (und die Population hinter dieser Stichprobe). Weil die Stichprobe in der Pilotstudie aus der Forschungspopulation stammt (dieselben Merkmale aufweist); Ich denke, basierend auf diesen Daten kann die Verwendung einer gewichteten Summenmodellskala wertvoller sein. Noch einmal Danke.
user12483