Amazonの「平均評価」は誤解を招くものですか？

私が正しく理解していれば、1-5のスケールでの本の評価はリッカートスコアです。つまり、私にとって3は、他の誰かにとって必ずしも3であるとは限りません。これは通常のスケールのIMOです。順序スケールを実際に平均するべきではありませんが、モード、中央値、パーセンタイルを確実に取ることができます。

人口の大部分が上記の統計よりも平均を理解しているので、ルールを曲げることは「大丈夫」ですか？研究コミュニティは、リッカートスケールベースのデータの平均を取ることを強く非難しますが、大衆でこれを行うことは問題ありません（実際に言えば）？この場合の平均を取ることは、そもそも誤解を招くかもしれませんか？

Amazonのような会社が基本的な統計情報を手探りすることはまずないと思われますが、そうでない場合は、ここで何が欠けていますか？順序尺度は、平均を取ることを正当化するための順序の便利な近似であると主張できますか？どんな理由で？

平均値を使用して5ポイント評価の中心的な傾向を要約する利点

@gungが述べたように、私は5ポイント項目の平均を中心傾向の指標とする非常に良い理由がしばしばあると思います。ここですでにこれらの理由を概説しました。

言い換えると：

1. 平均は簡単に計算できます
2. 平均は直感的でよく理解されています
3. 平均は単一の数字です
4. 他のインデックスは、多くの場合、オブジェクトの同様のランク順を生成します

平均がAmazonに適している理由

平均を報告する際のAmazonの目標について考えてください。彼らは目指しているかもしれない

• アイテムに直感的で理解可能な評価を提供する
• ユーザーが評価システムを受け入れていることを確認する
• 人々が評価の意味を理解していることを確認し、購入の決定を適切に伝えることができるようにします

Amazonは、ある種の丸められた平均、各評価オプションの頻度カウント、およびサンプルサイズ（評価の数）を提供します。この情報は、おそらく、ほとんどの人がアイテムに関する一般的な感情とそのような評価に対する信頼の両方を評価するのに十分です（つまり、20評価の4.5は2評価の4.5よりも正確である可能性が高い; 10 5のアイテムは-星評価、およびコメントのない1つ星評価は、まだ良いアイテムかもしれません）。

平均を民主的な選択肢と見ることさえできます。多くの選挙は、どの候補者が2点スケールで最高の平均を得るかに基づいて決定されます。同様に、レビューを送信した各人が投票を取得するという議論をすると、平均は各人の投票に均等に重み付けするフォームとして見ることができます。

規模の違いは本当に問題ですか？

心理学の文献（レビューについては、Saal et al 1980を参照）で知られている評価バイアスには、中心傾向バイアス、寛容バイアス、厳密性バイアスなど、さまざまなものが知られています。また、一部の評価者はよりarbitrary意的で、一部の評価者はより信頼性が高くなります。偽のポジティブなレビューや偽のネガティブなレビューを体系的に行うことさえあるかもしれません。これにより、アイテムの真の平均評価を計算しようとすると、さまざまな形式のエラーが発生します。

ただし、母集団のランダムサンプルを取得した場合、そのようなバイアスは相殺され、十分なサンプルサイズの評価者がいる場合でも、真の平均を取得できます。

もちろん、Amazonでランダムなサンプルを取得することはありません。また、アイテムに対して取得する評価者の特定のセットが、より寛容または厳格になるように体系的に偏っているというリスクがあります。そうは言っても、Amazonのユーザーは、ユーザーが提出した評価が不完全なサンプルに由来することを評価すると思います。また、妥当なサンプルサイズでは、多くの場合、応答バイアスの差の大部分が消え始める可能性が高いと思います。

平均を超える可能性のある進歩

評価の精度を改善するという点では、平均の一般的な概念に挑戦することはありませんが、むしろ、アイテムの真の母集団平均評価（つまり、得られる平均評価）を推定する他の方法があると思いますアイテムの評価を依頼された大規模な代表サンプルでした）。

• 信頼性に基づく体重評価者
• すべてのアイテムの平均評価と特定のアイテムの平均の加重合計として平均評価を推定するベイジアン評価システムを使用し、評価の数が増加するにつれて特定のアイテムの重みを増加させる
• アイテム全体の一般的な評価傾向に基づいて評価者の情報を調整します（たとえば、通常3を与える人からの5は、通常4を与える人よりも価値があります）。

したがって、評価の精度がAmazonの主な目標である場合、アイテムごとの評価の数を増やし、上記の戦略のいくつかを採用するよう努力する必要があると思います。このようなアプローチは、「最高の」ランキングを作成するときに特に関連する可能性があります。ただし、ページの謙虚な評価については、サンプルの方が単純さと透明性の目標をよりよく満たしている可能性があります。

参照資料

• サール、FE、ダウニー、RG＆ラヘイ、MA（1980）。評価の評価：評価データの心理測定品質の評価.. Psychological Bulletin、88、413。

ここでは、やや技術的であるためには、これらの評価は、実際にはありませんリッカート尺度。それらは単なる序数の評価です。さて、あなたの主張は本質的に正しいと言っています。しかし、私はしばしばこの問題であまりにも多くのものが作られていると思います。もう一つ注意すべきは、一般的に序項目数の平均がいることを理解していることであることができ、およそ間隔も、多くの評価がある場合ので、平均がより合理的な表現になります。@JeromyAnglimによるこの回答は優れていることがわかりました（実際、質問とそれに付随するすべての回答は読む価値があります）。より理論的な取り扱いについては、こちらをご覧ください。別の注意として、私はアマゾンが好きですが、特に基本的なサイト設計に関して、統計的な洗練を期待する理由はありません。ポイントは、統計学の教授を感動させるためではなく、消費者による使いやすさです。

誰もがこれについて良い意見を持っています。これ以上追加できるとは本当に思いません。しかし、私はこれを投稿します：

私の経験では、評価尺度データの平均は、多くの場合、評価尺度に関連付けようとする実際の測定基準のレベルと最も密接に相関しています。多くの線形関係が見つかりました。したがって、平均はデータを要約するより良い方法の1つです。とはいえ、ジェロミーが指摘したように、レーティングスケールの中心的な傾向を分析するほとんどの方法は、ほとんどの場合、同様の結果（順位など）を提供します。

また、Amazonはおそらく科学的妥当性に何らかの形で関心を持っているわけではないと思う。Amazonの最終的な目標は、人々にAmazon.comでより多くの買い物をしてもらうことであり、それを達成するのに役立つレビューの方法は、使用するワンナンバーサマリーによっておそらく変わらないでしょう。良い製品は報われ、本当に悪い製品は罰せられ、神経質な購入者は長所と短所をより詳細に確認する機会があります。

Amazonの評価は、企業がシステムを賭けているために誤解を招きます。5つ星のレビューと引き換えに顧客にリベートと無料の商品が提供されると、評価番号が何であるか、または何を意味するかの「統計」が議論の対象になります。

あなたは良いポイントを作ります。序数の平均を取ることは、やや誤解を招く恐れがあります。いくつかのランキングの要約は、私の主観的な3が実際に4に等しいという事実に苦しむでしょう。したがって、異なる個々のスコアを組み合わせることがおそらく最大の問題です。3と4の平均を3.5と解釈することは、それほどひどいことではありません。