將 n 點李克特量表數據視為來自二項式過程的 n 次試驗是否合適？

我從來不喜歡人們通常如何分析李克特量表的數據，就好像錯誤是連續的和高斯的，當有合理的預期至少在量表的極端情況下這些假設被違反。您如何看待以下替代方案：

如果響應有價值在一個-point scale，將該數據擴展到試驗，其中的值為 1 和其中的值為 0。因此，我們將李克特量表上的響應視為一系列隱蔽的二項式試驗的公開集合（事實上，從認知科學的角度來看，這實際上是一個吸引人的模型此類決策場景中涉及的機制）。通過擴展數據，您現在可以使用混合效應模型將受訪者指定為隨機效應（如果您有多個問題，也可以將問題作為隨機效應）並使用二項式鏈接函數指定誤差分佈。

任何人都可以看到這種方法的任何違反假設或其他不利方面嗎？

我不知道心理測量學文獻中有任何與您的問題相關的文章。在我看來，允許隨機效應組件的有序邏輯模型可以很好地處理這種情況。

我同意@Srikant，並認為比例賠率模型或有序概率模型（取決於您選擇的鏈接函數）可能更好地反映李克特項目的內在編碼，以及它們在意見/態度調查或問卷中作為評級量表的典型用途.

其他替代方法是：（1）使用相鄰類別而不是比例或累積類別（與對數線性模型相關）；（2）使用項目反應模型，如部分信用模型或評級量表模型（正如我在李克特量表分析中提到的那樣）。後一種情況類似於混合效應方法，將受試者視為隨機效應，並且在 SAS 系統中很容易獲得（例如，使用 NLMIXED 程序為重複的序數結果擬合混合效應模型）或 R（參見第 1卷）。 20統計軟件雜誌）。您可能還對 John Linacre 提供的關於優化評級量表類別有效性的討論感興趣。

以下論文也可能有用：

1. 吳，CH（2007）。李克特量表數據轉化為數值分數的實證研究。應用數學科學，1（58）：2851-2862。
2. Rost, J 和羅, G (1997)。基於 Rasch 的展開模型在青少年中心主義問卷中的應用。在 Rost, J 和 Langeheine, R (Eds.)，潛在特徵和潛在類別模型在社會科學中的應用，紐約：Waxmann。
3. Lubke, G 和 Muthen, B (2004)。在多元正態性假設下對李克特量表數據進行因子分析會使觀察組或潛在類別的有意義比較複雜化。結構方程建模，11：514-534。
4. Nering, ML 和 Ostini, R (2010)。多分項反應理論模型手冊。勞特利奇學術
5. Bender R 和 Grouven U (1998)。將二元邏輯回歸模型用於具有非比例優勢的序數數據。臨床流行病學雜誌，51（10）：809-816。（找不到pdf，但有這個，醫學研究中的序數邏輯回歸）

引用自：https://stats.stackexchange.com/questions/2401