Opsi respons ke-6 ("Saya tidak tahu") ditambahkan ke skala Likert 5 poin. Apakah datanya hilang?


16

Saya butuh sedikit bantuan untuk menyelamatkan data dari kuesioner.

Salah satu kolega saya menerapkan kuesioner, tetapi secara tidak sengaja, alih-alih menggunakan skala Likert 5 poin asli (sangat tidak setuju untuk sangat setuju), ia memasukkan jawaban ke-6 ke dalam skala. Dan, untuk memperburuk masalah ini, opsi respons ke-6 adalah ... "Saya tidak tahu".

Masalahnya adalah sebagian besar responden yang, pada satu titik atau lain, memilih "Saya tidak tahu". Jika persentase mereka cukup kecil, saya baru saja mengeluarkan mereka dari database. Namun, inti dari penelitian ini terletak pada model konseptual, dan mengecualikan begitu banyak catatan akan menciptakan masalah bagi model.

Bisakah seseorang mengarahkan saya ke arah yang benar di sini? Adakah 'praktik yang baik', atau bisakah saya melakukan apa saja untuk menggunakan (mengubah, mengubah, dll.) Itu tanggapan "Saya tidak tahu"?

Juga, jika saya melakukan manipulasi data yang dipermasalahkan (yaitu, jika saya mengonversi respons "Saya tidak tahu", dengan substitusi, imputasi, dll.), 'Disclaimer', 'warning', annotation, seperti apa, yang harus saya gunakan?

Saya tahu ini sangat sulit, tetapi saya akui, selain menyelamatkan tanggapan, saya juga ingin tahu apa praktik yang disepakati (jika ada), dalam kasus-kasus seperti ini.

PS: Saya tahu kedengarannya kekanak-kanakan, tapi tidak, 'kolega' itu bukan saya :)


22
Bayangkan kolega Anda belum termasuk kategori Saya tidak tahu. Apa yang akan dijawab orang-orang itu? Mungkin mereka akan menandai beberapa kategori acak, mungkin mereka akan membiarkannya kosong. Sekarang Anda tahu bahwa variabel Anda bermasalah dan membuat keputusan. Dilihat dari perspektif ini, kolega itu membantu Anda.
Maarten Buis

Nah, sejauh menggaruk-garuk kepalaku, dia memang melakukan kebaikan padaku ... Kau benar tentang keacakan tanggapan, dan ini bisa menjadi pendekatan untuk tuduhan, bagaimanapun, aku bertanya-tanya apakah ada gunanya praktik, atau setidaknya beberapa pengalaman serupa
streamline

4
Saya menemukan kuesioner yang tidak memiliki " Aku tidak tahu opsi " seperti itu sangat membuat frustrasi (terutama ketika Anda tidak dapat mengirimkan tanpa mengambil sesuatu). Katakan saja Anda mengajukan pertanyaan seperti " Fitur baru pada roket ruang angkasa itu merupakan peningkatan ", dan kemudian Anda dipaksa untuk bersikap netral, beberapa orang kemudian dapat menginterpretasikan survei semacam itu dan menyimpulkan "Kami telah meminta 1000 orang, dan 100% tidak keberatan ... ", sedangkan dalam praktiknya, fitur itu bisa menjadi kesalahan total bagi mereka yang menggunakannya. Dalam kasus itu, rasanya seperti dukungan diam-diam untuk sesuatu yang belum pernah saya gunakan.
Bruno

3
Untuk lebih jelas: jika model mengasumsikan bahwa skala 5 poin dapat mewakili pendapat responden, maka data Anda membuktikan bahwa model tersebut tidak memadai . Jika itu benar maka Anda akan memiliki jumlah "Saya tidak tahu" yang dapat diabaikan, karena orang akan dapat menjawab 1-5. Jadi data ini "akan menciptakan masalah untuk model" seperti orbit Merkurius menciptakan masalah bagi fisika Newton. Saya pikir satu-satunya jalan keluar Anda adalah jika titik tengahnya adalah "tidak setuju atau tidak setuju" dan Anda dapat mengatakan bahwa "Saya tidak tahu" berlebihan dengan makna yang sama seperti ini.
Steve Jessop

Hai, @SteveJessop, sementara dalam teori / prinsip, Anda benar tentang jumlah jawaban DK sebagai indikasi masalah dengan kuesioner (bukan model, ingatlah Anda, modelnya bukan CFA untuk skala, tetapi regresi untuk sekelompok variabel, termasuk skala), masih sedikit kuat untuk menyebutnya tidak memadai. Saya akan melakukan analisis skala dan melihat, dan memang benar, jumlah geser jawaban DK mungkin terbukti bermasalah. Namun, mereka juga dapat berarti bahwa responden tidak merasa ingin menjawab (kebetulan, sebagian besar jawaban DK berasal dari sekelompok siswa setelah ujian ...)
streamline

Jawaban:


28

Mengapa mencoba memaksakan kalibrasi pada sesuatu yang tidak benar? Seperti yang dikatakan Maarten, ini bukan kehilangan data tetapi perolehan informasi. Jika pil ajaib yang Anda cari ada, itu berarti ada beberapa asumsi tentang populasi Anda yang dibuat, misalnya, bias yang mendukung satu label tertentu meskipun pengguna mengatakan "Saya tidak tahu".

Saya benar-benar memahami frustrasi Anda tetapi cara yang tepat untuk mendekati masalah adalah dengan memodifikasi model agar sesuai dengan kebutuhan Anda berdasarkan data yang ada yang sebenarnya, dan bukan sebaliknya (memodifikasi data).


Hai, Hatim, saya tidak percaya mungkin untuk memodifikasi model. Skala ini adalah ordinal, dan mengasumsikan pilihan yang beralasan dan eksplisit, sedangkan jawaban keenam, "saya tidak tahu", dapat ditafsirkan dalam sejumlah cara. Ini mungkin berarti bahwa "saya tidak pernah mengalami situasi ini / saya tidak ingat", itu bisa berarti semacam 'perantara'. Setiap interpretasi / asumsi seperti itu atas nama saya, akan lancang dan tidak berdasar. Jawaban Maarten merujuk pada 'perolehan' informasi, yang saya anggap bahwa imputasi 'acak' tertentu dapat digunakan, tetapi ini bukan apa yang Anda katakan - "modifikasi model".
streamline

kelanjutan ... Namun, meskipun saya masih dan masih, tergoda untuk melihat lebih jauh ke dalam imputasi 'acak', volume besar jawaban "saya tidak tahu" membuat saya takut bahwa hubungan (otentik) yang benar antara variabel akan diubah.
streamline

8
+1. Saya tahu ini tidak nyaman, tetapi Anda [OP] memiliki pilihan antara menemukan dataset yang berbeda jika Anda ingin menguji model itu atau memodifikasi analisis yang direncanakan. Anda telah mengajukan pertanyaan dengan mengharapkan jawaban yang berbeda tetapi menurut saya tidak ada jawaban yang bisa dipertahankan. Jika saya seorang responden untuk kuesioner seperti itu, saya akan merasa tersinggung pada distorsi dan kurangnya kepercayaan dalam mencoba untuk memperlakukan Saya tidak tahu sebagai hal lain. Bahkan sebagai konsumen sesekali penelitian sosial saya juga bingung.
Nick Cox

1
Anda tentu benar bahwa ini telah terjadi sebelumnya, dan berkali-kali. Itu sebabnya mereka yang memiliki pengalaman proyek yang dialihkan atau diperumit oleh masalah yang tidak terduga bisa mengatakan, jadi, analisisnya akan berbeda dan makalahnya tidak akan seperti yang dibayangkan. Atau bahkan, kadang-kadang proyek tidak berhasil, jadi begitulah. (Jika entah bagaimana Anda berada di bawah instruksi atau paksaan untuk menindaklanjuti, itu sangat disayangkan, tetapi itu tidak mempengaruhi saran saya tentang bagaimana cara memikirkannya.)
Nick Cox

8
@ user2836366 Saya tidak mengerti pernyataan Anda bahwa model tidak dapat dimodifikasi. Tentu saja "Tidak tahu" bukan bagian dari kumpulan respon ordinal, tapi itu sepenuhnya intinya; "Tidak tahu" menyiratkan bahwa untuk alasan apa pun (termasuk benar-benar tahu mengetahui) orang itu tidak memilih salah satu dari tanggapan ordinal. Jadi salah satu modifikasi tersebut adalah Anda dapat memiliki beberapa model untuk proses itu (pilih "tidak tahu" vs "pilih salah satu opsi lain") dan kemudian model yang biasa untuk kasus dalam kategori kedua. Model seperti itu mungkin agak mirip dengan model rintangan atau model tanpa inflasi.
Glen_b -Reinstate Monica

10

Jika ini adalah kuesioner standar yang telah divalidasi secara independen, maka Anda tidak dapat mengklaim bahwa kuesioner baru itu setara, dan data tidak lagi dapat dibandingkan. Anda dapat mencoba untuk memvalidasi dan memeriksa kuesioner dalam percobaan terpisah (sangat memakan waktu dan usaha, terutama jika Anda juga ingin menunjukkan komparabilitas dengan versi lama) atau hanya menerima bahwa Anda berurusan dengan kualitas bukti yang lebih rendah (karena data Anda datang dari kuesioner yang tidak divalidasi).

Ketika Anda menggunakan data Anda, Anda harus mempertimbangkan perubahan itu. Ketika dihadapkan dengan pertanyaan sikap, orang tidak memberi Anda jawaban yang "benar secara objektif", mereka memberi Anda jawaban yang mereka rasa benar - dan ini tentu saja dipengaruhi oleh pilihan jawaban yang tersedia (mereka "menormalkan" jawaban mereka untuk skala) dan pengetahuan yang mereka miliki tentang subjek (ada bias yang diketahui bekerja secara berbeda, kadang-kadang dalam arah yang berbeda (!) tergantung pada apakah peserta memiliki banyak atau sedikit pengetahuan tentang materi pelajaran).

Jadi, jika kita berhadapan dengan quititonnaire yang sudah mapan, Anda memiliki opsi yang bagus untuk perbandingan antara versi kuesioner Anda dan yang asli. Jika yang asli berasumsi bahwa orang tahu apa yang mereka pilih, dan ternyata mereka tidak, Anda dapat mendiskusikan bagaimana model lama didasarkan pada asumsi yang salah, dan apa konsekuensi dari itu. Perhatikan bahwa ini adalah penemuan "sisi", yang membuat pertanyaan penelitian baru yang bagus, tetapi menjauhkan Anda dari yang asli, dan memang menunjukkan bahwa menjawab yang asli jauh lebih sulit daripada yang diperkirakan, sehingga tentu saja melipatgandakan pekerjaan Anda.

Jika Anda tidak berurusan dengan kuesioner yang sudah ada, Anda dapat mengikuti arus dan berpura-pura bahwa kuesioner ad-hoc Anda direncanakan seperti itu, dan mengevaluasi hasilnya. Sekali lagi, ini mungkin berarti bahwa hasil yang Anda harapkan tidak dapat diperoleh dengan metode ini, tetapi ini juga merupakan hal yang penting untuk diketahui.

Untuk pemahaman yang baik tentang bagaimana kata-kata dan pilihan mempengaruhi cara kuesioner dijawab, saya sarankan membaca "Psikologi respon survei" Tourangeau et al. Ini adalah bacaan yang bagus untuk semua orang yang pernah membuat kuesioner.


2

Jika Anda bertanya berapa banyak anak yang melahirkan responden, jawaban "nol" dan "tidak berlaku" tidak akan berarti hal yang sama, karena laki-laki tidak dapat melahirkan.

Untuk beberapa konteks, menyamakan "Saya tidak tahu" dengan respons netral bisa juga merupakan kesalahan konseptual.

Sebenarnya, Anda memiliki dua pertanyaan: dikotomis, "Apakah Anda punya pendapat?" dan sebuah ordinal "Apa itu?", sama seperti, di atas, Anda memiliki implisit "Apakah Anda seorang wanita?" melampaui pertanyaan eksplisit Anda.

Tentu saja, Anda dapat memperkenalkan beberapa asumsi (kadang-kadang dengan benar, kadang-kadang hanya untuk kenyamanan, kadang-kadang dengan terpaksa) untuk memberi Anda beberapa pemodelan, tetapi saya tidak dapat melihat strategi yang dapat diterapkan secara universal tanpa memasuki bidang spesifik fenomena Anda.

Sebagai poin terakhir yang dipikirkan, tidak masuk akal untuk mencoba dan menyimpulkan apa pun pada populasi pria dari jawaban kesuburan wanita.


2

Dilema apakah orang harus memasukkan atau tidak opsi jawaban Tidak tahu ke dalam kuesioner yang terdiri dari skala penilaian dari jenis Likert adalah abadi. Seringkali, ketika item bertanya tentang pendapat, DK dimasukkan karena tidak memiliki pendapat adalah status penting sendiri dan pilihan seperti itu diharapkan oleh responden. Dalam inventaris sifat pribadi di mana orang menganggap kualitas pada target, opsi DK biasanya dibatalkan karena responden biasanya diharapkan dapat menilai tingkat afinitas suatu karakteristik (yaitu, responden selalu dianggap memenuhi syarat); dan ketika dia sesekali menemukan kesulitan dia diizinkan (dengan instruksi) untuk melewati item itu. Dalam inventaris sifat pribadi di mana orang menggambarkan target (item perilaku) DK (atau tidak

@Hatim dalam jawabannya, @ Maarten dan beberapa komentator lain dari pertanyaan OP telah dengan masuk akal menyatakan bahwa sejumlah besar tanggapan DK yang diamati dalam penelitian ini menunjukkan masalah (validitas isi atau valitity wajah) dalam item atau bahwa subjek tidak tidak cocok dengan kuesioner yang diperintahkan kepada mereka.

Tetapi Anda tidak akan pernah bisa menceritakan kisah itu, pada akhirnya interpretasi dari rintangan ada pada Anda (kecuali jika Anda mengatasinya dalam penyelidikan terpisah). Orang bisa mengklaim, misalnya, bahwa dimasukkannya opsi DK ke likerts dalam kuesioner itu (katakanlah, itu adalah inventori anggapan sifat) berfungsi buruk, tidak baik. Itu tidak memberi Anda informasi (yang komentator katakan, itu it proves that the [rating] model is inadequate) tetapi agak mengganggu / merayu responden. Baik itu tidak disediakan keputusan peringkat yang dipandu oleh skema sifat kognitif implisit bisa saja ditimbulkan; tetapi melihat opsi pendinginan menghalangi skema dan membuat satu buru-buru untuk mundur.

Jika Anda selanjutnya mengakui - pada risiko Anda, tetapi mengapa tidak? - bahwa subjek yang mudah terganggu atau malas adalah subjek yang potensinya, pandangannya mundur valid tetapi cenderung terdiferensiasi dengan lemah - yaitu, ia akan dengan mudah memanggil das Man konvensional , di tempat Erlebnis pribadi , skema - maka Anda mungkin akan berspekulasi bahwa tanggapannya yang hilang adalah sekitar mean sampel atau populasi untuk item tersebut. Jika demikian, mengapa tidak mengganti (+ noise) yang berarti dari tanggapan yang hilang? Atau Anda mungkin melakukan EM atau penyesalan (+ noise) imputasi untuk memperhitungkan korelasi.

Untuk mengulang: keputusan imputasi mungkin tetapi berisiko, dan tidak mungkin, mengingat sejumlah besar data yang hilang, untuk mengembalikan "benar-benar" data yang tidak ada. Seperti yang dikatakan @rumtscho, tentu saja bahwa kuesioner baru dengan DK tidak setara dengan yang asli tanpa DK, dan data tidak lagi dapat dibandingkan.

Ini adalah spekulasi. Tetapi pertama-tama, Anda harus mencoba untuk menyelidiki pola hilangnya yang diamati. Siapa subyek yang memilih DK? Apakah mereka mengelompok bersama dalam subtipe? Bagaimana mereka berbeda pada item lainnya dari subsampel "oke"? Beberapa perangkat lunak memiliki paket Analisis Nilai Hilang. Kemudian Anda dapat memutuskan apakah akan menjatuhkan orang seluruhnya atau sebagian, atau menyalahkan, atau menganalisis mereka sebagai subsampel yang terpisah.

PS Perhatikan juga bahwa responden "bodoh". Mereka sering hanya bergaul dengan nilai skala. Sebagai contoh, jika titik DK ditempatkan dekat dengan salah satu kutub skala, hal itu akan sering menjadi bingung oleh kurangnya perhatian dengan kutub itu. Saya tidak bercanda.


Hai, @ttnphns, Baiklah, jawaban Anda terlalu panjang untuk diambil poin demi poin (saya sudah mengomentari jawaban lain tentang beberapa poin yang telah Anda angkat di sini). Sejujurnya, saya harus membacanya lagi beberapa kali. Namun, ini membahas semua yang saya inginkan.
merampingkan

0

Anda sekarang memiliki responden yang dipilih sendiri karena memiliki pendapat tentang masalah tersebut. Apa pun yang Anda simpulkan hanya tentang orang-orang itu. Ini mungkin OK, karena polling yang "tidak tahu" menurut definisi kurang bermanfaat.


2
Lucu, tapi terlalu pesimis. Orang-orang itu menawarkan argumen tentang apa yang seharusnya, tidak bisa, tidak boleh dilakukan, dan argumen itulah yang harus dipertimbangkan. Jawaban yang sama dapat diberikan pada utas apa pun di sini, tetapi mereka yang tidak berbicara tidak memiliki suara.
Nick Cox
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.