Шестой вариант ответа («Я не знаю») был добавлен к 5-балльной шкале Лайкерта. Данные потеряны?

Мне нужна небольшая помощь в сборе данных из вопросника.

Один из моих коллег применил вопросник, но по неосторожности, вместо того, чтобы использовать оригинальную 5-балльную шкалу Лайкерта (категорически не согласен, чтобы полностью согласиться), он вставил 6-й ответ в шкалу. И, что еще хуже, 6-й вариант ответа: «Я не знаю».

Проблема заключается в большой доле респондентов, которые в тот или иной момент выбрали «я не знаю». Если бы они были достаточно малы, я бы просто исключил их из базы данных. Тем не менее, ядро ​​исследования лежит на концептуальной модели, и исключение такого количества записей создаст проблему для модели.

Может ли кто-нибудь указать мне правильное направление здесь? Существуют ли «хорошие практики» или я могу сделать что-нибудь, чтобы использовать (преобразовать, преобразовать и т. Д.) Те ответы «я не знаю»?

Кроме того, если я делаю какие-либо манипуляции с данными (то есть, если я преобразую ответы «я не знаю», путем подстановки, вменения и т. Д.), Какого рода «отказ от ответственности», «предупреждение», аннотация, я должен использовать?

Я знаю, что это далеко, но, признаюсь, помимо спасения ответов, мне также любопытно, какова согласованная практика (если таковая имеется) в подобных случаях.

PS: я знаю, это звучит по-детски, но нет, «коллега» не я :)

Зачем пытаться навязать калибровку на что-то, что не соответствует действительности? Как сказал Мартен, это не потеря данных, а получение информации. Если волшебная таблетка, которую вы ищете, существует, это будет означать, что существуют некоторые предположения о вашем населении, например, уклон в пользу одного конкретного ярлыка, даже если пользователи говорят «я не знаю».

Я полностью понимаю ваше разочарование, но правильный способ решения этой проблемы состоит в том, чтобы изменить модель в соответствии с вашими потребностями на основе реальных существующих данных, а не наоборот (модифицировать данные).

Если это была стандартизированная анкета, которая была подтверждена независимо, то вы не можете утверждать, что новая анкета эквивалентна, и данные больше не сопоставимы. Вы можете попытаться проверить и изучить вопросник в отдельных экспериментах (очень много времени и усилий, особенно если вы также хотите показать сопоставимость со старой версией) или просто согласиться с тем, что вы имеете дело с более низким качеством доказательств (поскольку ваши данные поступают из неподтвержденной анкеты).

Когда вы используете свои данные, вы должны будете принять это во внимание. Столкнувшись с вопросом об отношении, люди не дают вам какой-то «объективно верный» ответ, они дают вам ответ, который, по их мнению, является правдой - и на это, безусловно, влияют оба варианта ответа (они «нормируют» свои ответы) в масштабе) и к знаниям, которые они имеют о предмете (существуют известные предубеждения, которые работают по-разному, иногда в разных направлениях (!), в зависимости от того, имеет ли участник много или мало знаний о предмете).

Итак, если мы имеем дело с установленным квестонайнером, у вас есть хороший вариант для сравнения вашей версии анкеты с оригинальной. Если оригинал предполагал, что люди знают, что они выбирают, и оказывается, что они не знают, вы можете обсудить, как старая модель основана на неправильных предположениях, и каковы последствия этого. Обратите внимание, что это «побочное» открытие, которое ставит новый хороший исследовательский вопрос, но отвлекает вас от исходного и действительно показывает, что ответить на исходный вопрос гораздо сложнее, чем предполагалось, поэтому, безусловно, умножает вашу работу.

Если вы не имеете дело с устоявшейся анкетой, вы можете свернуть поток и сделать вид, что ваша специальная анкета была спланирована таким образом, и соответственно оценить результаты. Опять же, это может означать, что результаты, на которые вы надеялись, не достижимы с помощью этого метода, но это также важно знать.

Для хорошего понимания того, как формулировки и варианты влияют на то, как ответы на вопросники, я предлагаю прочитать Tourangeau et al. "Психология ответа на опрос". Это отличное чтение для всех, кто когда-либо создает анкету.

Если вы спросите, сколько детей родил респондент, ответы «ноль» и «не применимо» не будут означать строго одно и то же, поскольку мужчины не могут рожать.

В некоторых случаях приравнивание «я не знаю» к нейтральному ответу может быть также концептуальной ошибкой.

На самом деле, у вас есть два вопроса: дихотомический "У вас есть мнение?" и порядковый номер «Что это?», так же как и выше, у вас есть неявное «Вы женщина?» за пределами вашего явного вопроса.

Конечно, вы можете ввести некоторые допущения (иногда правильно, иногда просто для удобства, иногда принудительно), чтобы позволить вам какое-то моделирование, но я не вижу универсально применимой стратегии, не входя в сферу специфики вашего явления.

В качестве последнего пункта, о котором следует подумать, не имеет смысла пытаться сделать вывод для мужского населения о чем-то из ответов женской плодовитости.

Дилемма о том, следует ли включать или нет вариант ответа «Не знаю» в вопросник, состоящий из оценочных шкал типа Лайкерта, вечна. Часто, когда пункты спрашивают о мнении, DK включается, потому что отсутствие мнения само по себе является важным статусом, и респонденты ожидают такого выбора. В кадастрах личных качеств, где люди приписывают качества целевому варианту НЗ, обычно отбрасывается, потому что обычно ожидается, что респондент сможет оценить степень сродства характеристики (т.е. респондент всегда считается квалифицированным); и когда он иногда сталкивается с трудностями, ему разрешается (по инструкции) пропустить этот пункт. В личных описаниях черт, где люди описывают цель (элементы поведения) DK (или не

@Hatim в своем ответе @Maarten и некоторые другие комментаторы вопроса OP разумно утверждают, что большое количество ответов DK, наблюдаемых в текущем исследовании, указывают на проблемы (достоверность контента или достоверность лица) в предметах или что субъекты не не вписывается в анкету, заказанную им.

Но вы никогда не сможете рассказать историю, в конечном счете интерпретация препятствия лежит на вас (если вы не решите это в отдельном расследовании). Можно, например, утверждать, что включение опции DK в списки в этом вопроснике (скажем, это признак атрибута приписывания) служит плохим, а не хорошим. Это не дало вам информацию (о чем так говорят комментаторы it proves that the [rating] model is inadequate), а скорее отвлекло / соблазнило респондента. Если бы оно не было предоставлено, могло бы быть принято решение о рейтинге, основанное на неявной схеме когнитивных признаков; но видение опции охлаждения исключает схему и заставляет поспешно уйти.

Если вы в дальнейшем признаете - на свой страх и риск, но почему бы и нет? - что легко отвлекающийся или ленивый субъект - это тот, чей потенциал, сдержанный взгляд, действителен, но имеет тенденцию к слабой дифференциации, то есть он может легко вызвать обычную das Man вместо личной схемы Erlebnis , - тогда вы можете предположить предположения что его пропущенный ответ примерно соответствует среднему значению выборки или совокупности для этого элемента. Если так, то почему бы не подразумевать (+ шум) замену отсутствующих ответов? Или вы можете выполнить ЭМ или регрессионное (+ шум) вменение для учета корреляций.

Повторим: решение о вменении возможно, но рискованно, и маловероятно, учитывая большой объем отсутствующих данных, восстановить «истинно» отсутствующие данные. Как сказал @rumtscho, несомненно, что новая анкета с DK не эквивалентна оригинальной без DK, и данные больше не сопоставимы.

Это были спекуляции. Но, прежде всего, вы должны попытаться исследовать наблюдаемые закономерности пропуска. Кто эти предметы, которые выбрали ДК? Они объединяются в подтипы? Насколько они отличаются от остальных элементов из «нормального» подобразца? Некоторые программы имеют пакет анализа отсутствующих значений. Тогда вы можете решить, отбрасывать ли людей полностью или частично, или вменять в вину, или анализировать их как отдельную подвыборку.

PS Также отметим, что респонденты "тупые". Они часто просто смешиваются с оценками шкалы. Например, если точка DK была расположена близко к одному полюсу шкалы, ее часто путали из-за невнимательности к этому полюсу. Я не шучу.

Теперь у вас есть респонденты, отобранные для собственного мнения по этому вопросу. Все, что вы сделаете, будет исключительно об этих людях. Это может быть хорошо, так как опрос "не знает" по определению менее полезен.