सांख्यिकीय विश्लेषण में लिकर्ट पैमाने का उपयोग कैसे करें

लिकर्ट स्केल का उपयोग आमतौर पर सर्वेक्षण अनुसंधान में किया जाता है। इसका उपयोग अक्सर उत्तरदाताओं के दृष्टिकोण को मापने के लिए किया जाता है, यह पूछकर कि वे किस हद तक किसी विशेष प्रश्न या कथन से सहमत या असहमत हैं। एक विशिष्ट पैमाना "दृढ़ता से सहमत होना, सहमत होना, सुनिश्चित नहीं होना / अनिर्णीत, असहमत, दृढ़ता से असहमत होना" हो सकता है। लिकर्ट स्केल का उपयोग करके सर्वेक्षण से डेटा का विश्लेषण करना आसान लग सकता है, लेकिन डेटा विश्लेषक द्वारा विचार करने के लिए महत्वपूर्ण मुद्दे हैं।

1

प्रतिक्रियाओं को कोड करके विश्लेषण के लिए सूची डेटा प्राप्त करें । उदाहरण के लिए, मान लें कि आपके पास एक सर्वेक्षण है जो उत्तरदाताओं से पूछता है कि क्या वे किसी राजनीतिक दल के मंच पर मौजूद पदों से सहमत या असहमत हैं। प्रत्येक स्थिति सर्वेक्षण का सवाल है, और स्केल निम्नलिखित उत्तरों का उपयोग करता है: पूरी तरह से सहमत, सहमत, तटस्थ, असहमत, पूरी तरह से असहमत। इस उदाहरण में, हम तदनुसार उत्तरों को कूटबद्ध करेंगे: दृढ़ता से असहमत = 1, असहमत = 2, तटस्थ = 3, सहमत = 4, दृढ़ता से सहमत = 5।

2

क्रमिक और अंतराल डेटा के बीच अंतर करना याद रखें, क्योंकि दो प्रकार के अलग-अलग विश्लेषणात्मक दृष्टिकोणों की आवश्यकता होती है। यदि डेटा क्रमबद्ध है, तो हम कह सकते हैं कि एक अंक दूसरे की तुलना में 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 बताएगा। यहां लिकर्ट स्केल के साथ जाल है: कई शोधकर्ता इसे अंतराल पैमाने के रूप में मानेंगे। यह मानता है कि प्रत्येक उत्तर के बीच अंतर दूरी में समान है। सच्चाई यह है कि लिकर्ट स्केल हमें यह नहीं बताता है । हमारे उदाहरण में, यह केवल हमें बताता है कि सबसे कम प्रतिक्रियाओं वाले लोग पार्टी के पदों के साथ कम से कम जवाब वाले लोगों की तुलना में अधिक हैं।

3

वर्णनात्मक आंकड़ों के साथ लिकर्ट स्केल डेटा का विश्लेषण करना शुरू करें। यद्यपि यह लुभावना हो सकता है, लेकिन संख्यात्मक उत्तरों को लेने और एक माध्य की गणना करने के आग्रह का विरोध करें। "असहमति" के दो (5) उत्तर में "दृढ़ता से सहमत" उत्तर (2) को जोड़ने से हमें औसत 4 मिलेगा, लेकिन उस संख्या का क्या अर्थ है? सौभाग्य से, केंद्रीय प्रवृत्ति के अन्य उपाय हैं जो आप औसत के अलावा, उपयोग कर सकते हैं। लिकर्ट स्केल डेटा के साथ, उपयोग करने के लिए सबसे अच्छा उपाय सबसे लगातार मोड या प्रतिक्रिया है। इससे विश्लेषक के लिए व्याख्या के लिए सर्वेक्षण के परिणाम बहुत आसान हो जाते हैं (अपनी प्रस्तुति या एक रिपोर्ट के लिए दर्शकों का उल्लेख नहीं करना)। आप प्रतिसादों के वितरण को भी देख सकते हैं (प्रतिशत जो सहमत हैं, असहमत हैं, आदि) एक ग्राफ पर, जैसे कि एक बार ग्राफ, प्रत्येक प्रतिक्रिया श्रेणी के लिए एक बार के साथ।

4

शोधकर्ताओं द्वारा सामने रखी गई परिकल्पना का परीक्षण करने वाली आविष्कार तकनीकों के आगे बढ़ें। कई तरीके उपलब्ध हैं, और सबसे अच्छा आपके अध्ययन की प्रकृति और उन सवालों पर निर्भर करता है जिनका आप जवाब देने की कोशिश कर रहे हैं। एक लोकप्रिय तरीका है, विचरण तकनीकों के विश्लेषण का उपयोग करके प्रतिक्रियाओं का विश्लेषण करना, 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 पदों के बारे में सवालों के जवाब का विश्लेषण करना चाहते थे। मान लें कि हमारे डेटा में एंग्लो, अफ्रीकी-अमेरिकियों और हिस्पैनिक्स के सर्वेक्षण शामिल हैं, इसलिए हम उत्तरदाताओं के तीन समूहों के बीच जवाबों का विश्लेषण विचरण के क्रुकल वालिस परीक्षण के साथ कर सकते हैं।

5

चार प्रतिक्रिया श्रेणियों (उदाहरण के लिए, दृढ़ता से सहमत, सहमत, असहमत, दृढ़ता से असहमत) को दो नाममात्र श्रेणियों में, जैसे कि समझौता / असहमति, स्वीकार या अस्वीकार, आदि द्वारा अपने सर्वेक्षण डेटा को सरल बनाएं। )। यह विश्लेषण के लिए अन्य संभावनाएं प्रदान करता है। इस तरह से डेटा का विश्लेषण करने के लिए ची-स्क्वायर टेस्ट एक दृष्टिकोण है।

• याद रखें कि विश्लेषण के लिए कई दृष्टिकोण हैं। अपने अध्ययन के लिए विश्लेषण की सर्वोत्तम विधि निर्धारित करने के लिए अपने शोध प्रश्नों पर विचार करें।
• स्केल पैमाने पर अंकों की संख्या में भिन्नता होती है। यहां इस्तेमाल किया जाने वाला पांच-सूत्रीय पैमाना सबसे आम है, लेकिन कुछ लिकर्ट स्केल में 4-पॉइंट रिस्पॉन्स स्केल होते हैं, जहां असुरक्षित पैमाने को हटा दिया जाता है (अनिर्दिष्ट श्रेणी)। कुछ में 7-बिंदु प्रतिक्रिया तराजू भी है।