李克特在 1932 年的原始论文中是如何计算 sigma 值的?

机器算法验证 分布 李克特 历史
2022-04-04 09:12:09

用于收集有关态度的数据的五点响应列表(例如“强烈赞成”、“赞成”、“未决定”、“不赞成”、“强烈反对”)——通常但可能被错误地称为李克特量表——于 1932 年由Rensis Likert 在“测量态度的技术”中,心理学档案,第 22 卷,5-55 (1932)。

在文章的第 22 页上,李克特描述了他用来对回答进行评分的一种方法。

检查特定声明中给定位置的个人百分比被转换为 sigma 值……桑代克表中的表 22 极大地促进了这种计算。这些表假设百分之一百的案例落在 -3 和 +3 sigma 之间。表中给出的值是由所述百分比表示的区间的平均 sigma 值,原点被认为是平均值。

(“Thorndike”是 1913 年的统计教科书。Thorndike 中的表 23 给出了今天使用 R 的 pnorm() 函数计算的值的种类:例如,7.93% 的正态分布总体的标准差在 0.0 到 0.2 之间均值。表 22(李克特提到的那个)给出了相同的信息,但根据平均分布值而不是标准分布值。即使在 1913 年,sigma 指的是标准差,所以李克特说他使用表 22 令人困惑当表 23 更直接相关时,计算他的“sigma”值。)

然后李克特给出了一个基于 sigma 的评分示例:

                         Strongly Approve Undecided Disapprove Strongly
                          Approve                             Disapprove
Percent checking            13%     43%     21%         13%       10%
Corresponding 1-5 value      1       2       3           4         5
Corresponding sigma value  -1.63   -0.43   +0.43       +0.99     +1.76

我认为他假设一个正态分布(在这个例子中偏左),然后根据累积分布分配 sigma 值。但尽我所能,我无法重现李克特的 sigma 值。

还有人想试一试吗?

1个回答

Thorndike 的表 22 显示了双截断正态分布的期望值,假设变量在分位数指定的区间内,则可以将其视为条件期望:

E(Zzp<Z<zp+q)=ϕ(zp)ϕ(zp+q)q

其中的下个分位数的 PDF ,并且zp pZN(0,1)ϕZ0<p<1, 0<p+q<1

李克特数据的 R 代码:

E <- function (p, q) {(dnorm(qnorm(p)) - dnorm(qnorm(p+q))) / q}

P <- c(0.13, 0.43, 0.21, 0.13, 0.10)

p <- 0
for (q in P) {
  cat (p, q, E(p, q), "\n")
  p <- p + q
}

输出:

0     0.13  -1.62727 
0.13  0.43  -0.4252946 
0.56  0.21   0.4322558 
0.77  0.13   0.9857673 
0.9   0.1    1.754983 

在线资源:李克特桑代克