सांख्यिकीय विश्लेषण में लिकर्ट पैमाने का उपयोग कैसे करें

लाइकेर्ट स्केल आमतौर पर सर्वेक्षण अनुसंधान में उपयोग किया जाता है. इसका उपयोग अक्सर उत्तरदाताओं के दृष्टिकोण को मापने के लिए किया जाता है, उनसे पूछा जाता है कि वे किसी विशेष प्रश्न या कथन से किस हद तक सहमत या असहमत हैं. एक विशिष्ट पैमाना हो सकता है "दृढ़ता से सहमत, अनिश्चित/अनिश्चित, असहमत, दृढ़ता से असहमत". एक सर्वेक्षण से डेटा a . का उपयोग कर लाइकेर्ट स्केल विश्लेषण करना आसान लग सकता है, लेकिन ऐसे महत्वपूर्ण मुद्दे हैं जिन पर विचार किया जाना चाहिए डेटा विश्लेषक.

1. विश्लेषण के लिए सूची से डेटा प्राप्त करें प्रतिक्रियाओं को कोडित करके. उदाहरण के लिए, मान लें कि आपके पास एक सर्वेक्षण है जिसमें उत्तरदाताओं से पूछा गया है कि क्या वे किसी राजनीतिक दल के मंच पर पदों के एक समूह से सहमत हैं या असहमत हैं. प्रत्येक स्थिति सर्वेक्षण का एक प्रश्न है, और पैमाना निम्नलिखित उत्तरों का उपयोग करेगा: अत्यधिक असहमत = 1, असहमत = 2, तटस्थ = 3, सहमत = 4, दृढ़ता से सहमत = 5.

2. क्रमिक और अंतराल डेटा के बीच अंतर करना याद रखें क्योंकि दोनों प्रकार के लिए अलग-अलग विश्लेषणात्मक दृष्टिकोण की आवश्यकता होती है. यदि डेटा क्रमिक है, तो हम कह सकते हैं कि एक अंक दूसरे से अधिक है. हम यह नहीं कह सकते कि हम अंतराल डेटा के साथ कितना ऊंचा कर सकते हैं, जो आपको दो बिंदुओं के बीच की दूरी बताएगा. यहाँ लिकर्ट पैमाने की पकड़ है: कई शोधकर्ता इसे अंतराल पैमाने की तरह मानेंगे. इसका मतलब है कि प्रत्येक प्रतिक्रिया के बीच का अंतर दूरी में बराबर है. सच तो यह है कि लिकर्ट पैमाना हमें यह नहीं बताता. यह केवल हमें बताता है कि कम उत्तरों वाले लोगों की तुलना में अधिक उत्तर वाले लोग पार्टी की स्थिति के अनुरूप अधिक हैं.

3. विश्लेषण शुरू करें लिकर्ट स्केल से डेटा वर्णनात्मक आँकड़ों के साथ. हालांकि यह आकर्षक हो सकता है, संख्यात्मक उत्तर लेने और औसत की गणना करने के आग्रह का विरोध करें. उत्तर जोड़ें "दृढ़तापूर्वक सहमत" (5) से दो "असहमत" (2) उत्तर, जो 4 का औसत देगा लेकिन, इस संख्या का क्या अर्थ है? सौभाग्य से, केंद्रीय प्रवृत्ति के अन्य उपाय हैं जिनका उपयोग औसत के अतिरिक्त किया जा सकता है. लिकर्ट स्केल से डेटा का उपयोग करना, उपयोग करने का सबसे अच्छा उपाय मोड या सबसे लगातार प्रतिक्रिया है. यह सर्वेक्षण के परिणामों को विश्लेषक के लिए व्याख्या करना बहुत आसान बनाता है (दर्शकों का उल्लेख नहीं करने के लिए, आपकी प्रस्तुति या रिपोर्ट के लिए). आप प्रतिक्रियाओं के वितरण की कल्पना भी कर सकते हैं (उन लोगों का प्रतिशत जो सहमत या असहमत हैं, आदि.) एक ग्राफ में, एक बार ग्राफ या प्रत्येक प्रतिक्रिया श्रेणी के लिए एक बार.

4. शोधकर्ताओं द्वारा प्रस्तावित परिकल्पनाओं का परीक्षण करने वाली अनुमान तकनीकों के साथ आगे बढ़ें. कई विधियाँ उपलब्ध हैं, और सर्वोत्तम अध्ययन की प्रकृति और उन प्रश्नों पर निर्भर करता है जिनका वे उत्तर देने का प्रयास कर रहे हैं. एक लोकप्रिय तरीका है कि प्रतिक्रियाओं का विश्लेषण करने के लिए विचरण तकनीकों के विश्लेषण का उपयोग किया जाता है जैसे कि: मान व्हिटनी परीक्षण या क्रुस्कल वालिस परीक्षण. मान लीजिए कि हमारे उदाहरण में हम एक स्वतंत्र चर के रूप में जातीयता के साथ विदेश नीति की स्थिति पर सवालों के जवाबों का विश्लेषण करना चाहते थे. मान लीजिए कि हमारे डेटा में ये प्रतिक्रियाएं शामिल हैं: एंग्लो, अफ्रीकी अमेरिकी और हिस्पैनिक उत्तरदाता, इसलिए यह उत्तरदाताओं के तीन समूहों के बीच प्रतिक्रियाओं का विश्लेषण कर सकता है, जिसमें क्रुस्कल वालिस भिन्नता है।.

5. चार प्रतिक्रिया श्रेणियों को मिलाकर अपने सर्वेक्षण डेटा को सरल बनाएं (उदा. दो नाममात्र श्रेणियों जैसे सहमत / असहमत, स्वीकार या अस्वीकार, आदि में दृढ़ता से सहमत, सहमत, असहमत, दृढ़ता से असहमत).). यह आगे विश्लेषण प्रदान करता है. ची स्क्वायर टेस्ट इस तरह से डेटा के विश्लेषण के लिए एक दृष्टिकोण है.

• याद रखें कि विश्लेषण की कई स्थितियां हैं. अपने अध्ययन के लिए सर्वोत्तम विश्लेषण पद्धति का निर्धारण करने के लिए अपने जांच प्रश्नों पर विचार करें.
• लिकर्ट स्केल पैमाने पर अंकों की संख्या में भिन्न होता है. यहाँ उपयोग किया जाने वाला पाँच बिंदु पैमाना सबसे सामान्य है, लेकिन कुछ लिकर्ट पैमानों में 4 बिंदु होते हैं, जहाँ "पक्का नहीं" श्रेणी निकाल दी जाती है (अनिर्णायक श्रेणी). कुछ के पास 7 अंक तक के पैमाने भी हैं.