¿Cómo pesa varias variables a dos niveles para crear un resultado variable en general compuesto?

Question

Contexto

Estoy tratando de encontrar la correlación entre dos variables latentes. Vamos a llamar a y B.

• Una tiene dos dimensiones. Vamos a llamarlos Dimensión 1 y 2.
• B también tiene dos dimensiones. Vamos a llamarlos Dimensión 3 y 4.
• Las cuatro dimensiones (1, 2, 3 y 4) tienen varios indicadores de cada uno. Vamos a llamarlos (a) y (b) para la Dimensión 1, (c), (d) y (e) para la Dimensión 2, (f) y (g) para la Dimensión 3 y (h), (i) y (j) de la Dimensión 4.
• He medido los diez indicadores (a, b, c, d, e, f, g, h, i y j) en una escala de likert o de lo contrario el uso de los números cardinales (por ejemplo, uno, dos, tres, cuatro, etc.).
• Entonces he ponderado de los indicadores utilizando la escala de likert, los códigos que he creado (por ejemplo, 0 = no importante, 1 = importancia baja, 2 = importancia media, 3 = alta importancia y 4 = importancia absoluta)
• Entonces he añadido las puntuaciones de todos los indicadores para llegar a la dimensión de las puntuaciones. Este es mi primer ponderación.
• Me han dicho que cada dimensión contribuye con el 50% de la calificación de a o B y han estandarizado la dimensión de las puntuaciones del 50% cada uno. Esta es mi segunda ponderación.
• Por último he añadido la dimensión de las puntuaciones para llegar a la puntuación compuesta.

Para dar un ejemplo:

Si tengo un puntaje de 2 por (a) y 3 (b), entonces mi total para la Dimensión 1 es 5. Del mismo modo, si tengo una puntuación de 3 (c), 4 (d) y 2 (e), entonces mi total para la Dimensión 2 es 9. La puntuación de 5 y 9 son la dimensión de las puntuaciones, basada en la escala de likert de pesos.

Como ya he dicho que cada dimensión contribuye con el 50%, he dividido la puntuación obtenida por el total de la puntuación para cada dimensión y multiplicado por 50%. Así que tengo los siguientes:

(2+3)/8 (recuerde que este se basa en dos escala de likert de respuestas por lo que la puntuación máxima es de 4 + 4) x 50% = 0.31

(3+4+2)/12 (recuerde que este se basa en tres escala de likert de respuestas por lo que la puntuación máxima es de 4 más de 4 más de 4) x 50% = 0.38

Entonces agregué 0,31 y de 0.38 y consiguió 0.69. Este es mi puntaje compuesto por Compuesto de Una Variable (que tiene 2 dimensiones y 5 indicadores; 2 para la primera dimensión y 3 para la segunda dimensión).

Para hacerla comprensible, he multiplicado el 0,69 por 100 para obtener 69 de 100 partituras. Quiero correr corrleation en las puntuaciones compuestas de a y B para ver la relación entre ellos.

Como verá, tengo no se realiza ningún tipo de complejos modelos estadísticos utilizando el análisis factorial, etc, pero llegó a mi puntuación final utilizando un sistema de ponderación subjetiva basada en la importancia relativa (el cual está alineado con la escala de likert, la codificación en la primera instancia) y la igualdad de ponderación en la segunda instancia. He utilizado este enfoque para mantener todo simple. Sé que es subjecive ponderación, sino que puede justificar en cierta medida con la teoría y el resto con sentido común!

Preguntas

• Estoy haciendo este derecho? Es este enfoque lo suficientemente robusta? Recuerde, no quiero complicar las cosas! Yo no soy estadísticamente mente!

• Puedo hacer el análisis de correlación de las puntuaciones compuestas de a y B? Son puntuaciones de rango (basa en pesos) así que es el Rango de Correlación de Spearman para el análisis?

Answer 1

El compuesto de la variable

• Su algoritmo para el cálculo de las puntuaciones de la escala parece bastante estándar. ¿Tienes una pregunta?
• En la mayoría de los casos, si usted toma la media de todos los ítems de la escala, o si usted cree subescala de medios y, a continuación, tomar la media de las subescalas, las dos opciones son propensas a dar respuestas similares donde el número de ítems de cada subescala es similar.

La estimación de las correlaciones entre las variables latentes

La modelización de ecuaciones estructurales ajustar las estimaciones de las correlaciones entre las variables latentes para la fiabilidad de la medición estimada a partir de la intercorrelación entre los elementos y el modelo.

Manualmente el cálculo de las puntuaciones de la escala (como usted parece estar haciendo) y la correlación de estas puntuaciones de la escala no implica un ajuste. Como tal, usted es la correlación de las variables observadas, que no son la estimación de la correlación entre variables latentes. Muchos investigadores, probablemente la mayoría, informe de correlaciones entre las variables observadas. Por lo tanto, si usted adopta este estadísticamente enfoque más sencillo, usted debe estar en buena compañía. Sin embargo, si usted está particularmente interesado en la estimación de las correlaciones entre las variables latentes, entonces yo le animamos a explorar enfoques de modelización de ecuaciones estructurales.

Un enfoque alternativo es sólo para ajustar la correlación basada en algunos estimación de la fiabilidad de las dos variables (ver esta discusión).

Las correlaciones de las escalas basadas en escalas likert de

Ver esta respuesta por @chl sobre si tratar de likert, como las escalas de intervalo o de ordinal. Mi opinión es que una vez se suma más de un número razonable de los elementos, el tratamiento de los datos como intervalo suele ser más útil.