অর্ডিনাল ডেটা ব্যবহারের জন্য ভাল বেসিক পরিসংখ্যানগুলি কী কী?


67

জরিপের প্রশ্ন থেকে আমার কাছে কিছু অর্ডিনাল ডেটা রয়েছে । আমার ক্ষেত্রে তারা লিকার্ট স্টাইলের প্রতিক্রিয়া ( দৃ St়ভাবে অসম্মতি-অসম্মতি-নিরপেক্ষ-সম্মতি-দৃr়ভাবে সম্মতি)। আমার ডেটাগুলিতে এগুলি 1-5 হিসাবে কোড করা হয়েছে।

আমি মনে করি না যে এখানে অর্থগুলি অনেক বেশি বোঝায়, সুতরাং কোন মৌলিক সংক্ষিপ্ত পরিসংখ্যানকে দরকারী হিসাবে বিবেচনা করা হয়?


2
সাধারণ পছন্দগুলির মধ্যে রয়েছে - মিডিয়ান, মোড, অনুপাত বা প্রতিটি গ্রুপের সংখ্যার অনুপাত
Glen_b

উত্তর:


29

একটি ফ্রিকোয়েন্সি টেবিল শুরু করার জন্য ভাল জায়গা। আপনি প্রতিটি স্তরের জন্য গণনা এবং আপেক্ষিক ফ্রিকোয়েন্সি করতে পারেন। এছাড়াও, মোট গণনা এবং নিখোঁজ মানের সংখ্যা ব্যবহার হতে পারে।

একবারে দুটি ভেরিয়েবলের তুলনা করতে আপনি একটি কন্টিজেন্সি টেবিলও ব্যবহার করতে পারেন। মোজাইক প্লট ব্যবহার করেও প্রদর্শন করতে পারে।


32

আমি একটি প্রয়োগিত দৃষ্টিকোণ থেকে তর্ক করতে যাচ্ছি যে লিকার্ট আইটেমের কেন্দ্রীয় প্রবণতা সংক্ষিপ্ত করার জন্য প্রায়শই গড়টি সেরা পছন্দ। বিশেষত, আমি শিক্ষার্থীদের সন্তুষ্টি সমীক্ষা, বাজার গবেষণা আইশ, কর্মচারীদের মতামত জরিপ, ব্যক্তিত্ব পরীক্ষার আইটেম এবং অনেক সামাজিক বিজ্ঞান জরিপ আইটেমের মতো বিষয়গুলির কথা ভাবছি।

এই জাতীয় প্রসঙ্গে, গবেষণার গ্রাহকরা প্রায়শই এই জাতীয় প্রশ্নের উত্তর চান:

  • অন্যের তুলনায় কোন বিবৃতিতে কম-বেশি চুক্তি রয়েছে?
  • কোন দলগুলি প্রদত্ত বিবৃতিতে কম-বেশি সম্মত হয়েছে?
  • সময়ের সাথে সাথে, চুক্তিটি কি উপরে গিয়েছে?

এই উদ্দেশ্যে, গড়ের বিভিন্ন সুবিধা রয়েছে:

1. গড় গণনা করা সহজ:

  • কাঁচা ডেটা এবং গড়ের মধ্যে সম্পর্কটি দেখতে সহজ।
  • এটি ব্যবহারিকভাবে গণনা করা সহজ। সুতরাং, গড়টি সহজেই রিপোর্টিং সিস্টেমে এম্বেড করা যায়।
  • এটি প্রসঙ্গ এবং সেটিংস জুড়ে তুলনামূলক সুবিধার্থ করে।

2. গড় তুলনামূলকভাবে ভাল বোঝা এবং স্বজ্ঞাত:

  • গড় প্রায়শই লিকার্ট আইটেমগুলির কেন্দ্রীয় প্রবণতা রিপোর্ট করতে ব্যবহৃত হয়। সুতরাং, গবেষণার গ্রাহকরা এর মাধ্যমটি বোঝার সম্ভাবনা বেশি থাকে (এবং এইভাবে এটি বিশ্বাস করে এবং এতে কাজ করে)।
  • কিছু গবেষক 4 বা 5 নম্বরের উত্তর দেওয়ার নমুনার শতাংশের প্রতিবেদন করার পক্ষে আরও যুক্তিযুক্ত বিকল্পটি পছন্দ করেন, অর্থাত এটির "শতাংশে চুক্তি" এর তুলনামূলক স্বজ্ঞাত ব্যাখ্যা রয়েছে। সংক্ষেপে, 0, 0, 0, 1, 1কোডিং সহ এটি কেবলমাত্র গড়ের বিকল্প রূপ ।
  • এছাড়াও, সময়ের সাথে সাথে, গবেষণার গ্রাহকরা রেফারেন্সের ফ্রেম তৈরি করে। উদাহরণস্বরূপ, যখন আপনি আপনার শিক্ষার পারফরম্যান্সের সাথে বছরের পর বছর বা বিষয়গুলি জুড়ে তুলনা করছেন, তখন আপনি 3.7, 3.9 বা 4.1 এর অর্থ কী বোঝায় তার একটি সংবেদনশীল ধারণা তৈরি করেন।

৩. গড়টি একটি একক সংখ্যা:

  • একটি একক সংখ্যা বিশেষত মূল্যবান, যখন আপনি দাবি করতে চান "শিক্ষার্থীরা সাবজেক্ট ওয়াইয়ের চেয়ে সাবজেক্ট এক্স নিয়ে বেশি সন্তুষ্ট ছিল।"
  • আমি আরও খুঁজে পেয়েছি, অভিজ্ঞতার সাথে, যে কোনও একক সংখ্যাটি আসলে লাইকার্ট আইটেমটির আগ্রহের মূল তথ্য। স্ট্যান্ডার্ড বিচ্যুতিটি যে পরিমাণটি সেন্ট্রাল স্কোর (যেমন, 3.0) এর কাছাকাছি রয়েছে তার সাথে সম্পর্কিত হতে থাকে। অবশ্যই, অভিজ্ঞতা দ্বারা, এটি আপনার প্রসঙ্গে প্রযোজ্য নাও হতে পারে। উদাহরণস্বরূপ, আমি কোথাও পড়েছি যে যখন আপনি টিউব রেটিংগুলিতে স্টার সিস্টেম ছিল, তখন সর্বনিম্ন বা সর্বোচ্চ রেটিংয়ের একটি বড় সংখ্যা ছিল। এই কারণে, বিভাগের ফ্রিকোয়েন্সিগুলি পরীক্ষা করা গুরুত্বপূর্ণ important

৪. এটি খুব বেশি পার্থক্য করে না

  • যদিও আমি এটি আনুষ্ঠানিকভাবে পরীক্ষা করে দেখিনি, আমি অনুমান করবো যে আইটেমগুলি বা অংশগ্রহণকারীদের গোষ্ঠীগুলির মধ্যে কেন্দ্রীয় প্রবণতা রেটিংগুলির তুলনা করার উদ্দেশ্যে বা সময়ের সাথে সাথে, গড় তৈরির জন্য স্কেলিংয়ের যে কোনও যুক্তিসঙ্গত পছন্দ একই ধরণের সিদ্ধান্তে নেমে আসবে।

4
চমৎকার পোস্ট! বিভিন্ন সংস্কৃতি / দেশগুলি এই ধরণের ফলাফলগুলিকে মারাত্মকভাবে প্রভাবিত করবে এমন পছন্দসই স্কেলগুলি কীভাবে ব্যবহার করতে পারে সে সম্পর্কে আপনার কোনও ধারণা আছে?
চেজ

@ শ্যায়েজ এ সম্পর্কে গবেষণা চলছে, তবে আমি এটির কিছুক্ষণ পরে দেখেছি। এখানে গুগল স্কলার উপর একটি উদাহরণ অনুসন্ধান এর scholar.google.com.au/...
Jeromy Anglim

আমি মিঃ জেরোমি অ্যাংলিমের গড় (যেমন ওজনযুক্ত মানে হুবহু অর্থ) ব্যবহারের ন্যায্যতার সাথে একমত হয়েছি যাতে লিকার্ট স্কেল ব্যবহারের মতো অর্ডারযুক্ত শ্রেণীবদ্ধের সবচেয়ে নির্ভরযোগ্য নিরপেক্ষ আরও বর্ণনামূলক ব্যাখ্যা যেখানে ডেটা পয়েন্টগুলির প্রতিটি অবদান রাখে চূড়ান্ত গড়।


28

বেসিক সংক্ষিপ্তসারগুলির জন্য, আমি সম্মত হই যে ফ্রিকোয়েন্সি টেবিলগুলি প্রতিবেদন করা এবং কেন্দ্রীয় প্রবণতা সম্পর্কে কিছু ইঙ্গিত ভাল। অনুমানের জন্য, PARE এ প্রকাশিত একটি সাম্প্রতিক নিবন্ধে টি-বনাম MWW- পরীক্ষা, পাঁচ-পয়েন্ট লিকার্ট আইটেমস: টি পরীক্ষা বনাম মান-হুইটনি- উইলকক্সন নিয়ে আলোচনা হয়েছে ।

আরও বিস্তৃত চিকিত্সার জন্য, আমি আদেশযুক্ত শ্রেণীবদ্ধ ভেরিয়েবলগুলিতে অ্যাগ্র্রেস্টির পর্যালোচনাটি পড়ার সুপারিশ করব:

লিউ, ওয়াই এবং অ্যাগ্রেস্তি, এ (2005)। আদেশযুক্ত শ্রেণীবদ্ধ তথ্য বিশ্লেষণ: সাম্প্রতিক ঘটনাবলীর একটি ওভারভিউ এবং সমীক্ষাসোসিয়াদাদ ডি এস্টাডাস্টিক ই ই ইনভেস্টিগেশন অপারেটিভ টেস্ট , 14 (1), 1-73।

এটি মূলত সাধারণত পরিসংখ্যানের বাইরেও প্রসারিত হয় যেমন থ্রেশোল্ড-ভিত্তিক মডেল (যেমন সমানুপাতিক প্রতিকূলতা-অনুপাত) এবং এগ্রেস্টির সিডিএ বইয়ের জায়গায় পড়ার পক্ষে উপযুক্ত ।

নীচে আমি লিকার্ট আইটেমটির চিকিত্সার তিনটি ভিন্ন পদ্ধতির একটি চিত্র দেখাব; উপরে থেকে নীচে, "ফ্রিকোয়েন্সি" (নামমাত্র) দর্শন, "সংখ্যাসূচক" দর্শন এবং "সম্ভাব্যতা" দর্শন (একটি আংশিক Creditণ মডেল ):

বিকল্প পাঠ

প্যাকেজের Scienceডেটা থেকে ডেটা আসে ltm, যেখানে আইটেমটি সম্পর্কিত প্রযুক্তি ("নতুন প্রযুক্তি মৌলিক বৈজ্ঞানিক গবেষণার উপর নির্ভর করে না", প্রতিক্রিয়ার সাথে "দৃ strongly়ভাবে একমত হয় না" "চারদফা স্কেলে)"


14

প্রচলিত অনুশীলনটি অ-প্যারাম্যাট্রিক পরিসংখ্যান র‌্যাঙ্কের যোগফল এবং অর্ডিনাল ডেটা বর্ণনা করার জন্য গড় র‌্যাঙ্ক ব্যবহার করে।

তারা কীভাবে কাজ করে তা এখানে:

র‌্যাঙ্ক সম

  • প্রতিটি গ্রুপের প্রতিটি সদস্যকে একটি পদমর্যাদার নিয়োগ;

  • উদাহরণস্বরূপ, ধরুন আপনি দুটি প্রতিপক্ষের ফুটবল দলের প্রতিটি খেলোয়াড়ের জন্য লক্ষ্য খুঁজছেন এবং তারপরে উভয় দলে প্রতিটি সদস্যকে প্রথম থেকে শেষ পর্যন্ত স্থান দিন;

  • প্রতি গ্রুপে র‌্যাঙ্ক যোগ করে র‌্যাঙ্কের योग গণনা করুন ;

  • র‌্যাঙ্কের যোগফলের মাত্রা আপনাকে জানায় যে প্রতিটি গ্রুপের জন্য কতগুলি র‌্যাঙ্ক রয়েছে

মেন র্যাঙ্ক

এম / আর আর / এসের চেয়ে আরও পরিশীলিত পরিসংখ্যান কারণ এটি যে গ্রুপগুলির সাথে আপনি তুলনা করছেন তাতে অসম আকারের জন্য ক্ষতিপূরণ দেয়। সুতরাং, উপরের পদক্ষেপগুলি ছাড়াও, আপনি গ্রুপের সদস্য সংখ্যা দ্বারা প্রতিটি যোগফল বিভক্ত করুন।

এই দুটি পরিসংখ্যান একবার হয়ে গেলে, আপনি উদাহরণস্বরূপ, দুটি গ্রুপের মধ্যে পার্থক্যটি পরিসংখ্যানগতভাবে তাৎপর্যপূর্ণ কিনা তা দেখতে z- পরীক্ষা করতে পারেন (আমি বিশ্বাস করি যে এটি উইলকক্সন র‌্যাঙ্কের সমষ্টি পরীক্ষা হিসাবে পরিচিত , যা বিনিময়যোগ্য, অর্থাৎ কার্যত মান-হুইটনি ইউ পরীক্ষার সমতুল্য)।

এই পরিসংখ্যানগুলির জন্য কার্যাদি (যেগুলি সম্পর্কে আমি জানি, যাইহোক):

স্ট্যান্ডার্ড আর ইনস্টলেশনে উইলকক্স.স্টেস্ট

meanranks মধ্যে cranks প্যাকেজ


3

বিমূর্তের উপর ভিত্তি করে এই নিবন্ধটি লিকার্ট স্কেল এমন বেশ কয়েকটি ভেরিয়েবলের সাথে তুলনা করার জন্য সহায়ক হতে পারে। এটি দুটি ধরণের নন-প্যারাম্যাট্রিক একাধিক তুলনা পরীক্ষার তুলনা করে: একটি র‌্যাঙ্কের উপর ভিত্তি করে এবং একটি চকো দ্বারা পরীক্ষার ভিত্তিতে। এটি সিমুলেশন অন্তর্ভুক্ত।


বর্তমানে এটি প্রায় একটি মন্তব্যের মতো মনে হয়, @ পিটারফ্লাম। যদিও এসিএম ডিজিটাল লাইব্রেরিটি পচা লিঙ্কটি সম্ভবত কম সংবেদনশীল, তবুও আপনি নিবন্ধটি সম্পর্কে কিছু বলবেন, সম্ভবত এটি সরবরাহকারী সহায়ক তথ্যের একটি পূর্বরূপ?
গাং

2
হাই @ গুং আমি এই দীর্ঘ থ্রেডে মন্তব্যটি কোথায় রাখব তা নিশ্চিত ছিলাম না। আজ পোস্ট করা প্রশ্নটি বন্ধ থাকায় আমি এখানে উক্তিটি যুক্ত করেছি এবং এই নিবন্ধটি দরকারী মনে হচ্ছে (এবং আমি অন্য কোথাও দেখিনি এমন বিষয়গুলি কভার করে)
পিটার ফ্লুম

2

আমি সাধারণত মোজাইক প্লট ব্যবহার করতে চাই। আপনি এগুলি আগ্রহের অন্যান্য কোভারিয়েটগুলি (যেমন: লিঙ্গ, স্তরযুক্ত কারণ ইত্যাদি) অকল্যাণ করে তৈরি করতে পারেন)


2

আমি জেরোমি অ্যাংলিমের মূল্যায়নের সাথে একমত। মনে রাখবেন যে লিকার্ট প্রতিক্রিয়াগুলি অনুমান - আপনি স্থিতিশীল মাত্রাগুলি সহ কোনও শারীরিক বস্তু পরিমাপ করার জন্য একটি নিখুঁত নির্ভরযোগ্য শাসক ব্যবহার করছেন না। যুক্তিযুক্ত নমুনা আকার ব্যবহার করার সময় গড়টি একটি শক্তিশালী পরিমাপ।

ব্যবসা এবং পণ্য গবেষণা ও উন্নয়ন ব্যবস্থায়, গড়টি লিকার্ট স্কেলগুলির সাথে ব্যবহৃত এখন পর্যন্ত সবচেয়ে সাধারণ পরিসংখ্যান। লিকার্ট স্কেল ব্যবহার করার সময় আমি সাধারণত এমন একটি পরিমাপ বেছে নিয়েছি যা আদর্শভাবে গবেষণার প্রশ্নের সাথে মানায়। উদাহরণস্বরূপ, আপনি যদি "অগ্রাধিকার" বা "মনোভাব" সম্পর্কে কথা বলছেন আপনি একাধিক লিকার্ট-ভিত্তিক সূচক ব্যবহার করতে পারেন, প্রতিটি সূচককে কিছুটা আলাদা অন্তর্দৃষ্টি সরবরাহ করা হয়।

iX


1

"বক্স স্কোর" প্রায়শই অর্ডিনাল ডেটা সংক্ষিপ্ত করতে ব্যবহৃত হয়, বিশেষত যখন এটি অর্থবোধক মৌখিক অ্যাঙ্করগুলির সাথে আসে। অন্য কথায়, আপনি "শীর্ষ 2 বাক্স" হিসাবে রিপোর্ট করতে পারেন, শতাংশ যে "রাজি" বা "দৃ strongly়ভাবে সম্মত" বেছে নিয়েছে

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.