আমি লিকার্ট স্কেলগুলি ব্যবহৃত হয়েছিল এমন কয়েকটি পরিমাপের সাথে সম্পর্কিততা চালাতে চাই। স্ক্যাটারপ্লটগুলির দিকে তাকালে এটি লাইনারিটি এবং সমকামিতা সম্পর্কিত অনুমানগুলি লঙ্ঘিত হয়েছে বলে মনে হয়।
উত্তর:
সম্পর্কিত প্রশ্ন এই সাইটে কয়েকবার জিজ্ঞাসা করা হয়েছে। চেক আউট
আমার অভিজ্ঞতা থেকে, পছন্দসই স্কেলের বিপরীতে লাইকার্ট আইটেমটিতে চলমান বিশ্লেষণের মধ্যে পার্থক্য রয়েছে। একটি পছন্দসই স্কেল একাধিক আইটেমের যোগফল। একাধিক আইটেম সংশ্লেষ করার পরে, পছন্দসই স্কেলগুলি আরও বেশি সম্ভাব্য মান অর্জন করে, ফলে স্কেলটি কম লম্পট। এই জাতীয় স্কেলগুলিতে প্রায়শই পর্যাপ্ত সংখ্যক পয়েন্ট থাকে যা অনেক গবেষক এগুলি অবিচ্ছিন্ন হিসাবে গণ্য করার জন্য প্রস্তুত থাকে। অবশ্যই, কিছু যুক্তিযুক্ত হবে যে এটি কিছুটা অশ্বারোহী, এবং কীভাবে সাইকোলজিকাল এবং সম্পর্কিত সম্পর্কিত নির্মাণগুলি পরিমাপ করা যায় সে সম্পর্কে সাইকোমেট্রিক্সে অনেক কিছুই রচিত হয়েছে।
মনোবিজ্ঞানের জার্নাল নিবন্ধগুলি পড়ার আমার নৈমিত্তিক পর্যবেক্ষণগুলি থেকে, একাধিক-আইটেম লাইকার্ট স্কেলগুলির মধ্যে বেশিরভাগ দ্বিভাগীয় সম্পর্কের বিষয়টি পিয়ারসনের পারস্পরিক সম্পর্ক সহগ ব্যবহার করে বিশ্লেষণ করা হয়। এখানে, আমি ব্যক্তিত্ব, বুদ্ধি, মনোভাব, মঙ্গল এবং আরও অনেকগুলি আঁশাগুলি সম্পর্কে ভাবছি। আপনার যদি এর মতো স্কেল থাকে তবে এটি বিবেচনা করার মতো যে আপনার ফলাফলগুলি আগের ফলাফলগুলির সাথে তুলনা করা হবে যেখানে পিয়ারসন প্রভাবশালী পছন্দ হতে পারেন।
পিয়ারসনকে স্পিয়ারম্যানের (এবং সম্ভবত কেন্ডালের টাউ) সাথে তুলনা করা একটি আকর্ষণীয় অনুশীলন। যাইহোক, আপনি কোন পরিসংখ্যানটি ব্যবহার করবেন সে সিদ্ধান্তের সাথে আপনি এখনও রয়ে গেছেন এবং এটি চূড়ান্তভাবে আপনার দ্বিভাগীয় সংস্থার কী সংজ্ঞা রয়েছে তার উপর নির্ভর করে।
পারস্পরিক সম্পর্কের সহগ হমোসেসডাস্টিকটির অভাবে এমনকি দুটি ভেরিয়েবলের মধ্যে রৈখিক সম্পর্কের একটি সঠিক সংক্ষিপ্তসার (বা সম্ভবত আমাদের উভয়ের স্বাভাবিকতা বলতে হবে যে দুটি পরিবর্তনশীল নির্ভরশীল পরিবর্তনশীল নয়)।
আপনার দুটি ভেরিয়েবলের মধ্যে যদি অ-রৈখিক সম্পর্ক থাকে তবে এটি আকর্ষণীয়। যাইহোক, উভয় ভেরিয়েবলগুলি এখনও অবিচ্ছিন্ন ভেরিয়েবল হিসাবে বিবেচনা করা যেতে পারে এবং এভাবে আপনি এখনও পিয়ারসন ব্যবহার করতে পারেন। উদাহরণস্বরূপ, বয়সের সাথে প্রায়শই আয়ের মতো অন্যান্য ভেরিয়েবলগুলির সাথে একটি উল্টানো-ইউ সম্পর্ক থাকে, তবুও বয়স এখনও একটি অবিচ্ছিন্ন পরিবর্তনশীল।
আমি প্রস্তাব দিচ্ছি যে আপনি কোনও বিচ্ছিন্ন প্লট তৈরি করুন এবং কোনও অ-রৈখিক সম্পর্কের অন্বেষণ করতে কিছু স্মুথযুক্ত ফিট (যেমন একটি স্প্লাইন বা আলগা) ফিট করুন। যদি সম্পর্কটি সত্যই অ-রৈখিক হয় তবে এই জাতীয় সম্পর্কের বর্ণনা দেওয়ার জন্য লিনিয়ার পারস্পরিক সম্পর্ক সেরা পছন্দ নয়। এরপরে আপনি বহুবর্ষীয় বা ননলাইনার রিগ্রেশন অন্বেষণ করতে চাইতে পারেন।
আপনার প্রায় অবশ্যই স্পিয়ারম্যানের rho বা কেন্ডাল টাউয়ের জন্য যাওয়া উচিত। প্রায়শই, যদি ডেটাটি স্বাভাবিক থাকে না তবে বৈচিত্রগুলি সমান হয় তবে আপনি পিয়ারসনের আর এর জন্য যেতে পারেন কারণ এটি বিশাল পরিমাণে তাত্ক্ষণিকতা তৈরি করে না। যদি ভেরিয়েন্সগুলি উল্লেখযোগ্যভাবে পৃথক হয় তবে আপনার প্রয়োজন নেই প্যারাম্যাট্রিক পদ্ধতি।
আপনি সম্ভবত স্পিয়ারম্যানের আরএইচও ব্যবহারকে সমর্থন করার জন্য প্রায় কোনও সূচনা পরিসংখ্যান পাঠ্যপুস্তক উদ্ধৃত করতে পারেন।
আপডেট: লৈখিকতার অনুমান লঙ্ঘিত হলে, আপনার লম্বা সম্পর্ক ধরে নিলে আপনার ডেটাতে পিয়ারসন পারস্পরিক সম্পর্ক সহগ ব্যবহার করা উচিত নয়। স্পিয়ারম্যান এর রো লিনিয়ারিটি ছাড়াই গ্রহণযোগ্য এবং এটি ভেরিয়েবলগুলির মধ্যে আরও সাধারণ একঘেয়ে সম্পর্কের জন্য। আপনি যদি পিয়ারসনের পারস্পরিক সম্পর্কের সহগ ব্যবহার করতে চান তবে আপনি লগটিকে আপনার ডেটা রুপান্তর করার দিকে তাকিয়ে দেখতে পারেন কারণ এটি অ-রৈখিকতার মোকাবেলা করতে পারে।
একটি বিষয় পুরোপুরি নিশ্চিত যে পারস্পরিক সম্পর্কের ক্ষেত্রে সাধারণত সম্পর্কের ক্ষেত্রে রৈখিকতা প্রয়োজন। এখন আপনি বলছেন যে আপনার ডেটা কিছুটা বাঁকা আকারের, তাই অরৈখিক রেগ্রেশন বাম পছন্দ বলে মনে হয়