Regresión ordinal vs. puntaje sumado

Question

Parece bastante común ver a los de la investigación científica, el uso de un sumaron puntuación para representar a una escala global que se compone de muchos elementos de la escala (ex. Escala de Likert). Supongo que las herramientas estadísticas (ex. ANOVA, regresión lineal, etc.) puede ser utilizado en estos datos, los cuales son tratados como datos cuantitativos.

Sin embargo, yo he venido a otra herramienta a la hora de tratar con los datos ordinales - regresión ordinal (o pedido de regresión logística). Mi pregunta inicial era: sería mejor si sólo utiliza regresión ordinal en lugar de calcular sumaron primera puntuación , a continuación, utilizar la regresión múltiple? Pero me enteré de que la regresión ordinal parecía aplicable sólo cuando todas las escalas fueron incluidos para el ajuste de la variable dependiente. En los casos donde las escalas se compone de las subescalas, generando luego sumaron las puntuaciones es una necesidad (o quizás no?), lo que significa que los datos son tratados como cuantitativa ya.

No estoy seguro de si lo que yo entiendo aquí es correcta o no. La verificación es muy apreciada.

Answer 1

Regresión Ordinal es adecuado siempre que la variable dependiente es una variable ordinal, es decir, cuando se puede asumir que los niveles están en orden, pero no de que las diferencias entre los niveles son iguales.

Si usted analiza individuales de Likert de elementos (cada una con un nivel 1-5 o 1-7 o lo que sea), entonces esto puede ser una suposición razonable. Pero otros métodos podrían ser bueno también; este post en mi blog podría ser útil.

Sin embargo, si usted suma un montón (digamos 10) Likert de elementos (cada uno, decir, 1-5), a continuación, el total de sus rangos de 10 a 50 y regresión ordinal, aunque técnicamente correcto, va a ser difícil de aplicar y de interpretar (no sería un gran número de parámetros). En este caso, sugiero que de regresión OLS podría ser la predeterminada.

Usted podría, sin duda, hacer ordinal de regresión logística en cada uno de los 10 Likert de elementos, pero entonces usted tiene 10 regresiones a interpretar, que pueden llevar a la confusión.

En cualquier caso, usted debe comenzar con un montón de gráficos para ver lo que está pasando. Antes de sumar (o de lo contrario, la combinación de) la de Likert de elementos, también me gustaría comprobar cómo se relacionan entre sí mediante el uso de análisis factorial y el alfa de Cronbach.