タグ付けされた質問 「likert」

Rに離散時間モデルを適合させようとしていますが、その方法がわかりません。 従属変数を時間監視ごとに1つずつ異なる行に編成し、glm関数をlogitまたはcloglogリンクで使用できることを読みました。この意味で、私は3つの列があります：ID、Event（各time-obsで1または0）およびTime Elapsed（観測の開始以降）、および他の共変量。 モデルに合うようにコードを書くにはどうすればよいですか？従属変数はどれですか？Event従属変数として使用できTime Elapsed、共変量に含めることができると思います。しかし、どうなりIDますか？必要ですか？ ありがとう。

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

これは私が何度か遭遇した例にすぎないため、サンプルデータはありません。Rで線形回帰モデルを実行する： a.lm = lm(Y ~ x1 + x2) x1は連続変数です。x2カテゴリ型で、「低」、「中」、「高」の3つの値があります。ただし、Rによって与えられる出力は次のようになります。 summary(a.lm) Estimate Std. Error t value Pr(>|t|) (Intercept) 0.521 0.20 1.446 0.19 x1 -0.61 0.11 1.451 0.17 x2Low -0.78 0.22 -2.34 0.005 x2Medium -0.56 0.45 -2.34 0.005 私は、Rがそのような要因（要因x2であること）に何らかのダミーコーディングを導入していることを理解しています。私はただ疑問に思っていx2ます。「高」の値をどのように解釈しますか？たとえば、ここで示した例の「High」x2は応答変数にどのような影響を与えますか？ これの例を他の場所（例：ここ）で見ましたが、理解できる説明は見つかりませんでした。

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

環境： 2年間にわたって実行された同じアンケートからの2つのデータセットがあります。各質問は、5-Likertスケールを使用して測定されます。 Q1：コーディングスキーム 現時点では、[0、1]間隔で応答をコード化しています。0は「最も否定的な応答」を意味し、1は「最も肯定的な応答」を意味し、その他の応答は等間隔です。 リッカート尺度に使用する「最良の」コーディングスキームは何ですか？ これは少し主観的かもしれないと思います。 Q2：年間の重要性 2年間で統計的に有意な変化があるかどうかを判断する最良の方法は何ですか？ つまり、質問1の結果を毎年見て、2011年の結果と2010年の結果の差が統計的に有意であるかどうかはどうすればわかりますか。ここでスチューデントのt検定が使用されているという漠然とした記憶がありますが、よくわかりません。

9 statistical-significance  likert 

リッカート尺度が使用された多くの測定で相関を実行したいと考えています。散布図を見ると、線形性と等分散性の仮定に違反している可能性があります。 序数レベルの評価と間隔レベルのスケーリングの概算について議論があるように見えるので、安全にプレイして、ピアソンのrではなくスピアマンのローを使用する必要がありますか？ スピアマンのローと一緒に行く場合に引用できる参考文献はありますか？

9 correlation  scales  heteroscedasticity  likert 

いくつかの条件付き確率と、95％の信頼区間を計算しています。私のケースの多くでは、（分割表からの）試行からのx成功の単純なカウントがあるnため、で提供さbinom.confint(x, n, method='exact')れてRいるような二項信頼区間を使用できます。 しかし、他の場合では、そのようなデータがないので、ベイズの定理を使用して、持っている情報から計算します。たとえば、イベントおよび与えられた場合：baaabbb P（a | b ）= P（B |）⋅ P（a ）P（b ）P(a|b)=P(b|a)⋅P(a)P(b) P(a|b) = \frac{P(b|a) \cdot P(a)}{P(b)} \ textrm {binom.confint}（\＃\ left（b \ cap {} a）、\＃（a）\ right）を使用してP（b | a）の周りの95％信頼区間を計算でき、比率P（a）/ P（b）を周波数比\＃（a）/ \＃（b）として。この情報を使用してP（a | b）の周囲の信頼区間を導出することは可能ですか？P（b | a ）P(b|a)P(b|a)binom.confint（＃（B ∩a ）、＃（a ））binom.confint(#(b∩a),#(a))\textrm{binom.confint}(\#\left(b\cap{}a),\#(a)\right)P（a ）/ P（b ）P(a)/P(b)P(a)/P(b)＃（a ）/＃（b ）#(a)/#(b)\#(a)/\#(b)P（a | b ）P(a|b)P(a|b) ありがとう。

8 r  bayesian  confidence-interval  conditional-probability  hidden-markov-model  segmentation  hypothesis-testing  statistical-significance  multiple-comparisons  multiple-regression  r  regression  survey  sample  finite-population  pca  model-selection  dataset  partitioning  clustering  time-series  least-squares  regression  standard-error  causality  r  time-series  outliers  missing-data  machine-learning  svm  hypothesis-testing  discrete-data  r  data-visualization  survey  likert  finance  regression  pca  feature-selection  stepwise-regression  underdetermined  svm  natural-language 

私は6ポイントのリッカートスケールを使用して言語学習の動機付けに関するパイロット調査を実施しましたが、0（非常に同意しない）から5（非常に同意する）までです。彼の調査で同僚が1〜6を使用していることに気付きました。私の計算変数（合計と平均）は、1〜6を使用した場合と同じですか？通常、何らかの理由で0を使用しないことをお勧めしますか？私はSPSSを初めて使用しましたが、実行する必要のあることのほとんどを実行できましたが、現在、自分の値が「歪んでいる」と心配しています。SPSSが方程式に0を追加する方法がわかりません。

8 spss  scales  likert  psychometrics 

データを収集した後、個々のアイテムスコアを合計して（そして合計をアイテム数で割って平均スコアを取得することにより）、リッカート（合計）スケール（以前は因子分析で因子として識別されていました）のスコアを計算します。その計算では、スケール内のすべてのアイテムの重量が等しいと想定しています。ただし、因子分析から、一部の項目には、そのスケールを構成する他の項目よりも大きな因子負荷があったことがわかります。したがって、彼らは差異の詳細を説明しています。それらの因子負荷を使用することにより、アイテムに等しくない重みを与えることは可能ですか？たとえば、6アイテムスケールの場合、アイテム4は他のアイテムよりもそのスケールスコアでより効果的です。 または、私の質問を言い直します：リッカートスケール（構成）の項目には等しい因子負荷がありません（その因子の分散を説明しています）が、研究者は通常、同じように重み付けされた項目でリッカートスケールを使用するのはなぜですか？

8 factor-analysis  scales  likert 

1年目を昨年のデータ、2年目を今年のデータとします。 1年目にリッカート尺度が1〜9（カテゴリ/序数）で、2年目に同じ質問に対して1〜5（カテゴリ/序数）のリッカート尺度があったと仮定します。 2年分のデータを比較するために（もしあれば）何を試してみますか？ これまでに行ったこと： 比較された分布（形状、スキュー、尖度、統計的に等しい） 1-9から1-5に再スケーリングされ、頻度の前年比の変化は、業界のニュース/イベントおよび定性的な調査結果から得られた論理的な期待に一致しています。 注：これは宿題ではありません。また、明確な答えがない場合もあります。しかし、私は手が必要です！ 前もって感謝します！

8 scales  likert 

アンケート調査では、雪、滑りやすさなどのさまざまな冬の気候要因が、歩行や自転車の動作の選択にどのように影響するかについて、回答者に態度を示すように依頼しました。500人の個人と回答で構成されるサンプルは、非常に否定的から非常に肯定的（通常の尺度）までの5段階の評価形式でした。 さまざまな質問に対する回答を比較したい場合、データは序数であるため、中央値は適切なツールだと思います。比較するということは、差の確率が有意であるかどうかを示すためのさまざまな統計的検定があることを知っています（t検定または非パラメトリック検定など）。しかし、ここで説明した種類のデータに対してこれらのテストを使用できるかどうか、少し混乱しています。 中央値の比較に使用する検定統計量はありますか？ または、適切であれば、データを間隔スケールに転送する必要がありますか？

8 likert  median  ordinal-data