정보

긴 문자열 분석을 위한 설문지 길이

긴 문자열 분석을 위한 설문지 길이


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

부주의한 응답을 선별하려는 데이터 세트가 있습니다. 긴 문자열 분석을 수행하기 위해 설문지가 필요한 최소 길이에 대한 연구를 찾는 데 약간의 문제가 있습니다. Huang et al. (2012)는 척도 길이의 절반 이상에 대해 동일한 응답을 한 사람들의 컷오프를 사용할 것을 제안합니다. 예를 들어 누군가가 6개 항목 척도에서 3개 답변에 동일한 답변을 하면 플래그가 지정됩니다. 특히 저울에 반전된 항목이 없는 경우. Curran(2016)은 20개 항목 척도가 너무 짧기 때문에 문제가 될 수 있다고 언급했지만 그들이 인용한 논문에서는 이에 대해 설명하지 않거나 너무 짧은 척도를 결정하는 요소를 설명하지 않습니다.

누군가가 이것에 대한 통찰력이나 참조해야 할 일부 논문이 있는지 궁금합니다. 읽어 주셔서 감사합니다!


다음은 내가 적용할 몇 가지 일반적인 원칙입니다.

척도에 긍정적인 단어와 부정적인 단어가 혼합되어 있습니까? 그렇다면 이상한 경우를 식별하는 데 필요한 항목이 더 적습니다. 모든 것이 긍정적인 표현이라면 누군가 예를 들어 상당히 많은 항목에 동의할 수 있습니다.

여러 구성을 측정합니까 아니면 단일 차원을 측정합니까? 2개 이상의 차원을 측정하는 경우(예: 5가지 요소 성격 테스트) 응답에서 더 다양한 다양성을 기대할 수 있습니다.

첫 번째 원칙에서 양심적 설문조사 완료를 반영할 수 있는 일련의 응답을 제공해야 하는 생각할 수 있는 이유가 있는지 여부를 고려하는 것이 도움이 될 수 있습니다.

설문 조사 디자인과 인센티브 구조에 대해 생각하여 주어진 방식으로 응답할 인센티브가 무엇인지 고려할 수도 있습니다. 일부 설문 조사 디자인은 응답 모드를 보다 효율적으로 만듭니다.

또 다른 일반적인 전략은 지수를 계산하고 해당 지수에 대한 사례 분포를 그리는 것입니다. 히스토그램에 중단이 표시되면 개별 프로세스(즉, 비양심적 응답)가 중단의 반대편에 데이터를 발생시켰음을 시사할 수 있습니다. 이는 설문조사 완료 시간과 같은 항목을 볼 때 유용할 수 있습니다. 항목 집합에 하나의 응답 옵션만 제공하는 경우 응답 옵션의 수를 구하고 대다수가 모든 응답을 제공하는지 여부를 표로 작성하고 확인할 수 있습니다. 또는 일반적인 응답 유형처럼 보이면 문제가 있다고 결론을 내릴 가능성이 적습니다.

다음은 R에서 이것을 얻는 한 가지 방법입니다.데이터귀하의 데이터 세트이며아이템벡터 항목 이름입니다.

데이터$unique_responses <- apply(data[,items], 1, function(X) length(unique(X)) table(data$고유한 응답)

훌륭한 설문지를 작성하는 방법

개인 또는 일반적인 주제에 관계없이 모든 질문 세트는 질문입니다. 설문지가 단독으로 존재하든 설문 조사의 일부든 상관없이 훌륭한 결과를 얻으려면 훌륭한 질문을 해야 합니다. 설문조사에 적합한 질문을 선택하는 방법에 대한 자세한 내용은 전문가처럼 설문조사 질문 작성 가이드를 확인하세요.

또한 설문지를 작성할 때 길이를 염두에 두십시오. 질문 수가 늘어날수록 완료율이 떨어지는 경우가 많습니다. 한 연구에서 우리는 40개의 질문이 있는 질문이 10개의 질문이 있는 질문보다 응답률이 약 10% 낮다는 것을 발견했습니다. 사람들은 길이에 관계없이 설문지를 작성하는 데 약 10분을 소비하는 경향이 있습니다. 즉, 질문을 적게 하면 응답자가 각 질문에 더 많은 시간을 할애할 가능성이 높습니다.


콘텐츠 사양

  1. 감각과 지각(5&ndash7%)
    1. 정신 물리학, 신호 탐지
    2. 주목
    3. 지각적 조직
    4. 비전
    5. 오디션
    6. 맛보기
    7. 후각
    8. 체성감각
    9. 전정 및 운동 감각
    10. 이론, 응용 및 문제
    1. 뉴런
    2. 감각 구조 및 과정
    3. 모터 구조 및 기능
    4. 중앙 구조 및 프로세스
    5. 동기 부여, 각성, 감정
    6. 인지신경과학
    7. 신경조절제 및 약물
    8. 호르몬 요인
    9. 비교 및 윤리학
    10. 의식 상태
    11. 이론, 응용 및 문제
    1. 학습(3&ndash5%)
      1. 고전적 조건화
      2. 악기 컨디셔닝
      3. 관찰 학습, 모델링
      4. 이론, 응용 및 문제
      1. 단위(음소, 형태소, 구)
      2. 통사론
      3. 의미
      4. 음성 인식 및 처리
      5. 읽기 프로세스
      6. 언어적 및 비언어적 의사소통
      7. 이중 언어 사용
      8. 이론, 응용 및 문제
      1. 작업 기억
      2. 장기기억
      3. 메모리 유형
      4. 메모리 시스템 및 프로세스
      5. 이론, 응용 및 문제
      1. 표현(분류, 이미지, 스키마, 스크립트)
      2. 문제 해결
      3. 판단 및 의사결정 과정
      4. 기획, 메타인지
      5. 지능
      6. 이론, 응용 및 문제
      1. 사회적 인식, 인지, 귀인, 신념
      2. 태도와 행동
      3. 사회적 비교, 자기
      4. 감정, 영향 및 동기 부여
      5. 순응, 영향력 및 설득
      6. 대인관계 매력과 친밀한 관계
      7. 그룹 및 그룹 간 프로세스
      8. 문화적 또는 성별의 영향
      9. 진화 심리학, 이타주의 및 공격성
      10. 이론, 응용 및 문제
      1. 자연 양육
      2. 신체 및 운동
      3. 지각과 인지
      4. 언어
      5. 학습, 지능
      6. 사회성, 성격
      7. 감정
      8. 사회화, 가족 및 문화
      9. 이론, 응용 및 문제
      1. 성격(3&ndash5%)
        1. 이론
        2. 구조
        3. 성격과 행동
        4. 애플리케이션 및 문제
        1. 스트레스, 갈등, 대처
        2. 진단 시스템
        3. 평가
        4. 장애의 원인과 발달
        5. 신경생리학적 요인
        6. 장애 치료
        7. 역학
        8. 방지
        9. 건강심리학
        10. 문화 또는 성별 문제
        11. 이론, 응용 및 문제

        VI. 측정/방법론/기타(15&ndash19%)

          1. 일반(4&ndash6%)
            1. 역사
            2. 산업 조직
            3. 교육적인
            1. 심리 측정, 테스트 구성, 신뢰성, 타당성
            2. 연구 디자인
            3. 통계 절차
            4. 과학적 방법과 증거 평가
            5. 윤리 및 법적 문제
            6. 결과 분석 및 해석

            하위 점수의 기반이 되는 질문은 테스트 전체에 걸쳐 배포되지만 단일 콘텐츠 영역의 여러 질문이 연속적으로 나타날 수 있지만 따로 ​​따로 분류되지 않고 레이블이 지정됩니다.


            응답자는 지난 12개월 동안 21개의 특정 생활 사건과 3개의 선택적 사건을 각각 경험했는지 여부를 표시해야 합니다. 척도에는 규범적으로 부정적인 것으로 간주되는 사건(예: 사망, 범죄)과 다음과 같은 사건이 포함됩니다. 더 모호합니다(예: 재정 변화, 이전).  척도에는 단일 긍정적 사건(학교 또는 직장에서의 성공)도 포함됩니다.  모호한 사건 뒤에는 응답자가 다음에 대한 자신의 감정을 보고하는 설명 항목이 나옵니다. 6점 평가 척도를 사용하는 이벤트(참조 스케일링).

            대부분의 항목에는 이분법적인 응답 옵션(예/아니요) 및/또는 참가자가 이벤트가 여러 개인에게 발생했는지 여부를 나타내도록 요구하는 체크리스트가 제공됩니다. 원자가 측면에서 모호한 사건에 대해.

            이번 행사에 대한 소감은?

            1=매우 좋음, 2=보통 좋음, 3=약간 좋음, 4=약간 나쁨, 5=보통 나쁨, 6=매우 나쁨


            요약

            연구자가 연구 수행에 사용되는 기본 통계 방법의 개념을 아는 것이 중요합니다. 이는 적절하고 잘 설계된 연구를 수행하여 유효하고 신뢰할 수 있는 결과를 도출하는 데 도움이 됩니다. 통계적 기법을 부적절하게 사용하면 잘못된 결론이 도출되어 오류가 발생하고 기사의 중요성이 훼손될 수 있습니다. 잘못된 통계는 잘못된 연구로 이어질 수 있고 잘못된 연구는 비윤리적인 관행으로 이어질 수 있습니다. 따라서 통계에 대한 적절한 지식과 통계 테스트의 적절한 사용이 중요합니다. 기본 통계 방법에 대한 적절한 지식은 연구 설계를 개선하고 증거 기반 지침을 공식화하는 데 사용할 수 있는 양질의 의료 연구를 생산하는 데 큰 도움이 될 것입니다.


            기분 상태 설문지(POMS) 프로필

            스포츠를 하거나 운동을 하는 것은 기분에 긍정적인 영향을 미치는 것으로 나타났습니다. 그들은 이것을 어떻게 압니까? 와 같은 도구를 사용하여 POMS 설문지, 기분을 측정하기 위한 연구에서 사용되는 검증된 표준 심리 테스트. 1971년 Douglas M. McNair가 Maurice Lorr 및 Leo F. Droppleman과 함께 첫 번째 POMS(Profile of Mood States) 설문지를 개발했습니다.

            설문지에는 여러 버전이 있습니다. 현재 가장 일반적으로 사용되는 것은 18세 이상 성인용(POMS 2–A)과 13~17세 청소년용(POMS 2–Y)인 POMS 2입니다. POMS 2 기기는 모두 전체 길이(65개 항목) 및 짧은 버전(35개 항목)으로 제공됩니다. 설문지에는 사람들이 가지고 있는 감정을 설명하는 일련의 설명 단어/문이 포함되어 있습니다. 피험자는 5점 리커트 척도를 사용하여 이러한 각 영역에 대해 자체 보고합니다.


            응용 행동 분석은 좋은 직업입니까?

            ABA 전문 지식에 대한 요구가 전국적으로 증가하고 있으며 이는 해당 분야에 충분한 경력 기회가 있음을 의미합니다. 행동 분석가 ​​인증 위원회의 최근 보고서에 따르면 BCBA 또는 BCBA-D 인증을 보유한 개인에 대한 수요가 80% 증가했습니다. 마찬가지로 ABA 전문가는 의미 있는 일에 종사하면서 편안한 급여를 받을 수 있습니다. PayScale에 따르면 응용 행동 치료사는 연간 평균 $60,900를 벌고 있습니다. ABA 학위 소지자는 또한 경력이 추가 지원의 혜택을 받는 개인을 지원하기 때문에 강한 직업 만족도를 경험할 수 있습니다.


            결론

            모든 작업과 마찬가지로 행동 데이터 분석을 볼 때 준비가 중요합니다. 명확하게 정의된 질문에 답하는 것은 어렵지 않습니다. 가장 큰 트릭은 정의와 데이터를 보기 전에도 데이터에서 관심 있는 것이 무엇인지 아는 데 있습니다.

            이러한 사고 방식은 판매에서 실행에 이르기까지 전체 연구 설계에서 중요한 것입니다. 잠재 고객이 '사람들이 온라인에서 무엇을 하는지 알고 싶습니다'와 같은 질문으로 귀하에게 접근하면 이 질문을 추가로 정의하기 위한 즉각적인 응답이 있어야 하므로 어떤 조사 방법이 필요한지, 어떤 사람들을 초대해야 하는지, 필요에 따라 상세하게 정의할 수 있는 연구 질문을 제시하기 위해 연구팀.

            연구를 설정하는 데 지침이 필요하거나 프로젝트에 접근하는 방법에 대해 논의하려면 Wakoopa에 문의하세요. 기꺼이 도와드리겠습니다!


            학부생

            심리학과의 전반적인 목표는 학생들에게 행동, 특히 인간 행동 연구에 사용되는 다양한 수준의 분석 및 방법론적 접근에 대한 폭넓은 배경 지식을 제공하고 여러 분야의 대학원 연구를 준비하는 것입니다. 학생들은 연구 교육을 받고 다양한 커뮤니티 환경에서 경험을 쌓고 장기적인 대학원 목표를 달성하기 위해 코스 선택을 조정할 수 있습니다. 심리학 학위는 다른 분야에서 선택한 과정과 함께 광범위한 분야에서 모든 연령과 배경의 사람들과 상호 작용하는 직업을 준비할 수 있습니다.

            심리학의 커리큘럼은 연구에 의해 개발된 개념의 관점에서 행동 과학과 자신과 타인에 대한 이해를 향상시키기 위한 것입니다. 심리학의 학부 과정은 학생들에게 다음과 같은 연구 결과를 배울 수 있는 기회를 제공합니다.

            • 행동이 동기 부여되는 방법
            • 사람들이 인식하고, 배우고, 생각하는 방식
            • 개인이 서로 어떻게 다른지
            • 성격이 유아기에서 성숙기에 이르기까지 어떻게 발달하고 행동으로 표현되는지
            • 대인 관계 요인이 가정, 직장 및 지역 사회에서 인간 관계에 미치는 영향

            Shelly Schreier 박사는 심리학과 학생들이 Golden Apple Award 후보로 지명했습니다.

            Shelly Schreier 박사는 2013년 4월 4일 붐비는 Rackham 강당에서 그녀의 "마지막 강의"를 전달했습니다. Golden Apple Award는 대학에서 가장 권위 있는 교육 상 중 하나이며 우수한 교육에 대해 대학에서 유일하게 학생이 선택한 상입니다. Schreier 박사는 심리학 및 사회 개발 입문 과정에 등록한 많은 학생들의 추천을 받았습니다.


            다음은 A.E. Housman의 “XL,”라는 시에 대한 짧은 비판적 분석의 예입니다. 그것의 짧은 길이는 단지 두 개의 연과 여덟 줄의 비교적 짧은 시에 적합합니다. 이 중요한 분석의 예를 읽으면 자신의 분석에 가장 적합한 형식과 설득력 있는 기술을 배우는 데 도움이 될 수 있습니다.

            𠇊.E. Housman은 그의 시 𠆊 Shropshire Lad XL'에서 과거를 다정하게 반성합니다. 그는 감각적인 언어와 연상시키는 이미지를 사용하여 시의 낭만적인 향수를 느끼게 합니다. 이 시는 과거를 그리워하는 독자들도 이해할 수만 있다면 공감할 수 있습니다.

            𠆊 Shropshire Lad XL&apos는 두 개의 연으로 구성된 비교적 짧은 시이지만 Housman은 빠르게 그리움을 확립합니다. 그는 첫 번째 연에서 풍부한 이미지로 독자를 끌어들입니다. ‘그 푸른 기억의 언덕은 무엇입니까 / 첨탑은 무엇이며 농장은 무엇입니까? ‘lost content&apos와 ‘행복한 고속도로에 대한 언급𠆋lows&apos, ‘shining&apos와 같은 감각적 언어는 그의 시를 직접적으로 전달하여 독자들이 느끼는 유대감을 심화시키는 것을 목표로 합니다.

            그러나 19세기 후반에 출판된 이 시는 현대 독자들이 이해하고 감상하기 어려울 수 있다. 𠆊n air that kill,&apos Referring a tune, ‘yon far country'와 같은 구절들은 짧은 단어를 포함하지만 오늘날의 기준으로는 구식입니다. 그것들이 이해된다 하더라도, 더 현대적인 단어들처럼 독자들에게 깊이 반향을 일으키지 않을 수 있습니다. 역사적 작가가 현대 사회를 예측할 수 없기 때문에 모든 역사적 문학을 현대적 렌즈로 보는 것은 문제가 될 수 있습니다. 그러나 그것이 현대 독자들이 오늘날 이 시와 가질 수 있는 먼 관계를 무효화하지는 않습니다.

            𠆊 Shropshire Lad XL&apos는 시인이 소년 시절 즐겼던 목가적인 시골 생활에 대한 낭만적인 회상입니다. 향수를 불러일으키는 주제는 과거에 그랬던 것처럼 현대 청중에게 반향을 불러일으킬 것 같지만, 그 언어는 이 역사적인 시를 완전히 감상하는 데 상당한 장벽이 될 수 있습니다.”


            긴 문자열 분석을 위한 설문지 길이 - 심리학

            설문지 디자인 및 설문조사 샘플링 설문지 디자인 및
            설문조사 샘플링

            미국 사이트

            이 사이트의 내용은 샘플 설문조사, 특히 마케팅 과학 분야의 데이터에 대한 기본 통계 분석을 수행해야 하는 학생을 대상으로 합니다. 학생들은 기술 통계 및 가설 검정의 개념과 같은 통계에 대한 기본 지식이 있어야 합니다.

            소개

            통계적 추론의 주요 아이디어는 모집단에서 무작위 표본을 추출한 다음 표본의 정보를 사용하여 평균(중심 경향 측정), 표준 편차(확산 측정)와 같은 특정 모집단 특성에 대한 추론을 만드는 것입니다. 또는 특정 특성을 가진 인구 단위의 비율. 샘플링은 비용, 시간 및 노력을 절약합니다. 또한 표본은 경우에 따라 표본에서 전체 모집단 주의깊은 데이터 수집을 조사하려고 시도하는 해당 연구만큼 많은 정보를 제공할 수 있습니다. .

            다른 특정 모집단의 표본 값 평균의 동작을 연구해야 합니다. 표본은 모집단의 일부만 조사하기 때문에 표본 평균은 모집단의 해당 평균과 정확히 일치하지 않습니다. 따라서 표본 추출 결과를 계획하고 해석할 때 중요한 고려 사항은 표본 평균과 같은 표본 추정치가 해당 모집단 특성과 일치하는 정도입니다.

            실제로, 일반적으로 하나의 샘플만 채취합니다("설문조사 데이터 분석"과 같은 일부 경우에는 데이터 수집 메커니즘을 테스트하고 주요 샘플링 계획을 계획하기 위한 예비 정보를 얻기 위해 작은 "파일럿 샘플"이 사용됨). 그러나 표본 평균이 해당 모집단 평균과 일치하는 정도를 이해하기 위해 동일한 유형의 10, 50 또는 100개의 개별 표본 연구를 수행하면 어떤 일이 발생할지 고려하는 것이 유용합니다. 이러한 다양한 연구에서 결과가 얼마나 일관성이 있습니까? 각 샘플의 결과가 거의 동일하다는 것을 알 수 있다면(거의 정확합니다!) 실제로 사용될 단일 샘플에 대해 확신을 가질 수 있습니다. 반면에 반복된 샘플의 응답이 필요한 정확도에 비해 너무 가변적이라는 사실은 다른 샘플링 계획(아마도 더 큰 샘플 크기)을 사용해야 함을 시사합니다.

            샘플링 분포는 특정 샘플링 계획의 복제에서 관찰할 결과의 분포를 설명하는 데 사용됩니다.

            한 표본에서 계산된 추정치는 다른 표본에서 계산된 추정치와 다를 수 있음을 알고 있습니다.

            추정치는 우리가 추정하려고 하는 모집단 특성(모수)과 다를 것으로 예상되지만 샘플링 분포의 속성을 통해 어떻게 다를지 확률적으로 정량화할 수 있음을 이해하십시오.

            다른 통계는 (a) 특정 통계, (b) 표본 크기 및 (c) 상위 분포에 따라 분포 모양이 다른 샘플링 분포를 가지고 있음을 이해합니다.

            표본 크기와 표본 추정치 분포 간의 관계를 이해합니다.

            표본 크기를 늘리면 표본 분포의 변동성을 줄일 수 있음을 이해합니다.

            큰 표본에서 많은 표본 분포를 정규 분포로 근사할 수 있습니다.

            분산 및 표준 편차

            모집단의 평균에 대한 편차는 우리가 배우게 될 대부분의 통계 테스트의 기초입니다. 평균에 대해 일련의 점수가 얼마나 광범위하게 분산되어 있는지 측정하기 때문에 변동성을 측정하고 있습니다. 평균에 대한 편차를 계산하고 분산 또는 표준 편차로 표현할 수 있습니다. 이 개념은 코스 전반에 걸쳐 중심 개념이 될 것이기 때문에 이 개념을 확실히 이해하는 것이 매우 중요합니다.

            분산 및 표준 편차는 모두 분포 내의 변동성을 측정합니다.표준 편차는 분포의 각 값이 분포의 평균(또는 중심)에서 평균적으로 얼마나 벗어났는지를 나타내는 숫자입니다. 분산은 표준 편차(분포에서 점수의 분산)와 동일한 것을 측정한다는 점을 명심하십시오. 그러나 분산은 평균에 대한 평균 제곱 편차입니다. 따라서 분산은 표준 편차의 제곱입니다.

            상품/서비스의 품질 측면에서 변동이 클수록 품질이 낮다는 것을 아는 것이 중요합니다. 변동의 크기와 그 원인을 측정하는 것은 통계학자의 몫이고 수정하는 것은 엔지니어나 관리자의 몫이다. 양질의 제품과 서비스는 변동이 적습니다.

            신뢰구간이란?

            실제로 신뢰 구간은 추정되는 양의 불확실성을 표현하는 데 사용됩니다. 추론은 모집단 또는 관심 프로세스에서 유한 크기의 무작위 샘플을 기반으로 하기 때문에 불확실성이 있습니다. 통계 절차를 판단하기 위해 동일한 연구를 계속해서 반복하여 매번 다른 데이터(따라서 다른 신뢰 구간)를 얻는다면 어떤 일이 일어날 것인지 물을 수 있습니다.

            한 표본에서 계산된 신뢰 구간은 다른 표본에서 계산된 신뢰 구간과 다릅니다.

            표본 크기와 신뢰 구간 너비 간의 관계를 이해합니다.

            때때로 계산된 신뢰 구간이 실제 평균 값을 포함하지 않는다는 것을 알고(즉, 정확하지 않음) 이 적용률이 신뢰 수준과 어떻게 관련되는지 이해하십시오.

            설문지 디자인 및 설문조사 관리

            • 대면 인터뷰
              우편 조사
            • 전화 설문조사
            • 직접 관찰.
            • 인터넷

            민감한 주제에 대한 누락된 값

            1. 질문을 하는 이유를 응답자에게 설명하고,
            2. 응답 범주를 가능한 한 광범위하게 만드십시오.
            3. 비난의 표현을 피하거나 가능한 경우 문제의 행동이 사회적으로 용인되는 것처럼 보이게 하는 비판단적 스타일로 질문을 말하십시오.
            4. 요청을 가능한 사실대로 제시하십시오.
            5. 기밀성 또는 익명성 보장
            6. 응답자가 정보가 위협적인 방식으로 사용되지 않을 것임을 알고 있는지 확인하십시오.
            7. 정보가 어떻게 처리되는지 설명
            8. 정확한 응답을 허용하는 교차 분류를 피하십시오.

            오류의 원인

            1. 부적절한 프레임 사용.
            2. 잘못 설계된 설문지.
            3. 기록 및 측정 오류.
            4. 무응답 문제.

            일반 샘플링 기법

            당신이 먹는 음식에서 보는 TV에 이르기까지, 정치 선거에서 교육 위원회 활동에 이르기까지 당신의 삶의 많은 부분이 표본 설문 조사의 결과에 의해 규제됩니다. 오늘날과 미래의 정보화 시대에 많은 사람들이 표본 조사 설계 및 분석을 이해하여 의사 결정을 위한 좋은 데이터를 생성하고 의심스러운 데이터가 발생했을 때 이를 인식하는 것이 점점 더 중요해지고 있습니다. 관련 주제는 단순 무작위 샘플링, 계층화된 무작위 샘플링, 클러스터 샘플링, 체계적인 샘플링, 비율 및 회귀 추정, 인구 규모 추정, 시간, 면적 또는 부피의 연속체 샘플링, 설문지 설계, 설문조사 오류입니다.

            표본은 더 큰 그룹(모집단)에서 선택된 단위 그룹입니다. 표본을 연구함으로써 더 큰 그룹에 대한 유효한 결론을 도출할 수 있기를 바랍니다.

            모집단이 너무 커서 전체를 연구할 수 없기 때문에 일반적으로 표본을 연구용으로 선택합니다. 표본은 일반 인구를 대표해야 합니다. 이것은 종종 무작위 샘플링으로 가장 잘 달성됩니다. 또한 표본을 수집하기 전에 연구자가 포함될 구성원에 대한 설명을 포함하여 모집단을 신중하고 완전하게 정의하는 것이 중요합니다.

            무작위 샘플링: 모집단 크기 N에서 크기 n의 랜덤 샘플링 10% 미만의 샘플링 비율의 경우 유한 모집단 보정 계수(N-n)/(N-1)는 거의 1입니다.

            총 T는 N으로 추정되며 분산은 N 2 Var()입니다.

            0, 1, (이진) 유형 변수의 경우 추정 비율 p의 변동은 다음과 같습니다.

            S 2 = p.(1-p).(1-n/N)/(n-1).

            비율 r = S x NS / 시 NS = / , r에 대한 변동은

            [(N-n)(r2S2 NS + 에스 2 와이 -2 r Cov(x, y)]/[n(N-1). 2].

            계층화된 샘플링: 계층화된 샘플링은 모집단을 관심 있는 특정 특성에 따라 동질적인 더 작은 하위 모집단으로 분할할 수 있을 때마다 사용할 수 있습니다.

            NS = SW NS . Bxar NS , t=1, 2, ..L(계층) 및 NS 는 SX 그것 /N NS .

            그 분산은 다음과 같습니다.

            SW 2 NS /(N NS -N NS )S 2 NS /[N NS (N NS -1)]

            전체 인구 T는 N으로 추정됩니다. NS , 그 분산은

            에스앤2 NS (N NS -N NS )S 2 NS /[N NS (N NS -1)].

            설문 조사는 일반적으로 각 모집단 구성원에 대해 여러 속성을 측정하기 때문에 각 변수에 대해 동시에 최적의 할당을 찾는 것은 불가능합니다. 따라서 이러한 경우 각 계층에서 동일한 샘플링 비율을 사용하는 널리 사용되는 할당 방법을 사용합니다. 이 수율 최적 할당은 계층의 변동이 모두 동일하다는 것을 감안할 때 발생합니다.

            이진 데이터에 대한 샘플 크기(n) 결정: 다음보다 크거나 같은 가장 작은 정수:

            [t2Np(1-p)] / [t2p(1-p) + a2(N-1)]

            N은 총 케이스 수의 크기이고, n은 표본 크기, 예상 오차, t는 특정 신뢰 구간에 해당하는 t 분포에서 가져온 값, p는 이벤트 확률입니다.

            횡단면 샘플링: 단면 연구 단일 시점 또는 시간 간격에서 정의된 모집단의 관찰. 노출과 결과가 동시에 결정됩니다.

            할당량 샘플링: 할당량 샘플링은 가용성 샘플링이지만 ​​계층별 비례성이 유지된다는 제약이 있습니다. 따라서 면접관은 표본의 대표성을 향상시키기 위해 많은 백인 남성 흡연자, 많은 흑인 여성 비흡연자 등을 인터뷰하라는 말을 듣게 됩니다. 최대변동표본추출(Maximum Variation Sampling)은 쿼터표본추출(Quota Sampling)의 변형으로, 연구자가 목적변수에 대해 최대의 차이를 보이는 경우를 무작위로 선택하지 않고 의도적으로 선택합니다. 추가 변형에는 극단적 또는 일탈 사례 샘플링 또는 일반적인 사례 샘플링이 포함됩니다.

            통계 도구 란 무엇입니까? 통계 도구는 어떤 도구나 장치를 사용하여 현상을 설명하는 것을 목표로 하는 모든 프로세스이지만 결과는 제어 도구로 사용될 수 있습니다. 통계 도구의 예로는 설문지 및 설문 조사 샘플링이 있습니다.

            그랩 샘플링 기법이란 무엇입니까? 그랩 샘플링 기술은 매우 짧은 시간 동안 상대적으로 작은 샘플을 채취하는 것이며, 얻은 결과는 일반적으로 즉각적입니다. 그러나 패시브 샘플링은 유사한 조건에서 샘플링 장치를 장기간 사용하는 기술입니다. 바람직한 통계 조사에 따라 수동 샘플링이 유용한 대안이 될 수도 있고 그랩 샘플링보다 더 적절할 수도 있습니다. 그러나 수동 샘플링 기술은 현장에서 개발되고 테스트되어야 합니다.

            추가 읽기:
            Thompson S., 샘플링, Wiley, 2002.

            오차 한계는 무엇인가

            추정은 표본 데이터를 사용하여 모집단에서 알 수 없는 양의 값을 나타내는 프로세스입니다.

            추정 결과는 점 추정으로 알려진 단일 값 또는 신뢰 구간이라고 하는 값의 범위로 표현될 수 있습니다.

            포인트 추정을 사용할 때마다 해당 포인트 추정과 관련된 오차 한계를 계산합니다. 예를 들어 표본 비율(P)을 사용하여 모집단 비율을 추정하는 경우 오차 한계는 다음과 같이 종종 계산됩니다.

            1.96 [P(1-P)/n] 1/2

            여론 풀에 관한 신문과 텔레비전 보도에서 오차 범위는 종종 테이블이나 화면의 하단에 작은 글꼴로 표시됩니다. 그러나 오류의 양만 보고하는 것만으로는 충분하지 않으며 결과에 대한 신뢰도가 부족합니다. 더 중요한 누락 정보는 표본 크기 n입니다. 즉, 100명 또는 100000명 중 몇 명이 설문조사에 참여했습니까? 이제 표본 크기가 클수록 결과가 정확하다는 사실을 잘 알고 계시죠?

            보고된 오차 한계는 "표본 오차" 한계입니다. 투표의 정확성에 영향을 미칠 수 있고 영향을 미치는 많은 비표본 오류가 있습니다. 여기서 우리는 샘플링 오류에 대해 이야기합니다. 하위 그룹의 표본 오류가 1보다 크다는 사실은 다음 진술을 포함해야 합니다. "다른 오류 원인에는 인터뷰 참여를 거부하고 선택한 숫자와 연결할 수 없는 개인이 포함되지만 이에 국한되지는 않습니다. 가능한 모든 노력이 이루어집니다. 응답을 얻고 오류를 줄이십시오. 그러나 독자(또는 시청자)는 모든 연구에 일부 오류가 내재되어 있음을 인식해야 합니다."

            설문조사에서 예/아니오 질문이 있는 경우 예(또는 아니오)의 비율 P를 계산하고 싶을 것입니다. 단순 무작위 샘플링 조사에서 P의 분산은 P(1-P)/n이며, 30보다 큰 큰 n에 대해 유한 모집단 수정을 무시합니다. 이제 95% 신뢰 구간은 다음과 같습니다.

            P - 1.96 [P(1-P)/n] 1/2 , P + 1.96 [P(1-P)/n] 1/2 .

            P = 1/2일 때 P(1-P)가 최대값을 취하기 때문에 보수적인 구간을 계산할 수 있습니다. 1.96을 2로 바꾸고 P = 1/2를 입력하면 1/n 1/2의 95% 보수 신뢰 구간이 있습니다. 이 근사는 P가 0 또는 1에 너무 가깝지 않은 한 잘 작동합니다. 이 유용한 근사를 사용하면 대략적인 95% 신뢰 구간을 계산할 수 있습니다.

            참고 자료 및 추가 참고 자료:
            Casella G. 및 R. Berger, 통계적 추론, Wadsworth Pub. 주식회사 2001.
            Kish L., 설문조사 샘플링, Wiley, 1995.
            Lehmann E. 및 G. Casella, 점 추정 이론, Springer Verlag, New York, 1998.
            Levy P. 및 S. Lemeshow, 인구 표본 추출: 방법 및 응용 프로그램, Wiley, 1999.

            샘플 크기 결정

            표본의 크기에 대한 질문은 설문조사 계획 초기에 발생합니다. 이것은 가볍게 다루어야 하는 중요한 질문입니다. 원하는 결과를 얻는 데 필요한 것보다 많은 샘플을 취하는 것은 자원을 낭비하는 반면 매우 작은 샘플은 종종 올바른 결정을 내리는 데 실질적으로 사용되지 않습니다. 주요 목표는 최소 비용으로 바람직한 정확도와 바람직한 신뢰 수준을 모두 얻는 것입니다.

            파일럿 샘플: 파일럿 또는 예비 샘플은 모집단에서 추출해야 하며 이 샘플에서 계산된 통계는 샘플 크기를 결정하는 데 사용됩니다. 파일럿 샘플에 사용된 관찰은 최종 샘플의 일부로 계산될 수 있으므로 계산된 샘플 크기에서 파일럿 샘플 크기를 뺀 값은 총 샘플 크기 요구 사항을 충족하는 데 필요한 관찰 수입니다.

            사람들은 때때로 저에게 묻습니다. 인구의 몇 분의 1이 필요합니까? 나는 "표본 크기만으로 정확도가 결정되는 것은 중요하지 않습니다."라고 대답합니다. 표본이 모집단의 상당한 부분을 차지하는 경우 이 답변을 수정해야 합니다.

            아니오/예에 대해 0/1로 채점된 항목의 경우 항목 점수의 표준 편차는 SD = [p(1-p)/N] 1/2로 지정됩니다. 여기서 p는 1점을 얻는 비율이고 N 표본 크기입니다.

            추정치 SE의 표준 오차(파일럿 샘플 추정치를 기반으로 하는 가능한 p 값 범위의 표준 편차)는 SE= SD/N 로 제공됩니다. 따라서 SE는 p = 0.5일 때 최대입니다. 따라서 최악의 시나리오는 50%가 동의하고 50%가 동의하지 않을 때 발생합니다.

            샘플 크기 N은 0.25/SE 2보다 작거나 같은 가장 큰 정수로 표현할 수 있습니다.

            따라서 SE가 0.01(즉, 1%)이 되려면 2500의 표본 크기가 2%, 625 3%, 278 4%, 156, 5%, 100이 필요합니다.

            부수적으로, 표본이 전체 모집단의 작은 부분인 한, 모집단의 실제 크기는 이 계산의 목적과 전혀 관련이 없습니다.

            이진 데이터와 관련된 샘플 크기:

            n = [t2Np(1-p)] / [t2p(1-p) + a2(N-1)]

            N은 총 케이스 수의 크기이고, n은 표본 크기, 예상 오차, t는 특정 신뢰 구간에 해당하는 t 분포에서 가져온 값, p는 이벤트 확률입니다.

            크기가 N인 유한한 모집단의 경우 크기가 n인 표본 평균의 표준 오차는 다음과 같습니다.

            s [(N -n)/(nN)]

            t-검정에 필요한 표본 크기에 대한 몇 가지 공식이 있습니다. 가장 간단한 것은

            n = 2(Z NS +Z b ) 2초 2 /D 2

            이는 표본 크기를 과소평가하지만 큰 표본 크기에는 합리적입니다. 덜 부정확한 공식은 Z 값을 t 값으로 대체하고 t 분포에 대한 df가 표본 크기에 따라 달라지기 때문에 반복이 필요합니다. 정확한 공식은 중심이 아닌 t 분포를 사용하며 반복도 필요합니다.

            가장 간단한 근사는 위 공식의 첫 번째 Z 값을 Tukey의 추적 테스트를 유도하는 데 사용되는 스튜던트화된 범위 통계의 값으로 바꾸는 것입니다. 스튜던트화 범위에 대한 충분히 자세한 표가 없는 경우 Bonferroni 보정을 사용하여 Tukey 후속 테스트를 근사할 수 있습니다. 즉, 첫 번째 Z 값을 Z로 변경합니다. NS 여기서 k는 비교 횟수입니다.

            이러한 솔루션 중 어느 것도 정확하지 않으며 정확한 솔루션이 약간 지저분합니다. 그러나 위의 접근 방식 중 하나는 특히 결과 샘플 크기가 30보다 큰 경우에 충분히 가깝습니다.

            기존 통계 테스트에 대한 더 나은 중지 규칙은 다음과 같습니다.
            최소(미리 결정된) 과목 수를 테스트합니다.
            p-값이 .01보다 작거나 같으면 중지하고, 그렇지 않으면 p-값이 .36보다 크거나 같으면 더 많은 주제를 실행합니다.

            분명히 또 다른 옵션은 피험자의 수가 너무 많아 효과가 실질적인 관심을 끌 수 없을 때 중지하는 것입니다. 이 절차는 약 0.05를 유지합니다.

            우리는 PPS(크기에 대한 확률 비율) 샘플링, 계층화 및 비율 추정(또는 다른 형태의 모델 지원 추정)을 매우 불행한 샘플의 결과로부터 보호하는 도구로 분류할 수 있습니다. 처음 두 가지(PPS 샘플링 및 계층화)는 샘플링 계획을 조작하여 이를 수행합니다(PPS 샘플링은 개념적으로 계층화의 제한적인 경우임). 비율 추정과 같은 모델 지원 추정 방법은 추정 절차에 보조 정보를 도입함으로써 동일한 목적을 달성합니다. 다른 사람들이 말했듯이 어떤 도구가 선호되는지는 비용, 이러한 도구의 사용을 허용하는 정보의 가용성 및 잠재적인 결과에 따라 달라집니다(계층화/PPS/비율 추정 변수가 관심 반응 변수).

            표본 크기를 결정하기 위한 경험적 방법도 있습니다. 예를 들어, 의료 행위 및 프로세스 측정에서 샘플링 기준은 모집단 평균 0.50을 중심으로 10% 포인트의 95% CI로 설계되었습니다. , 시스템은 샘플링 절차를 사용하지 않지만 대상 인구의 모든 개인으로부터 데이터를 수집하려고 시도합니다."

            추가 읽을거리:
            Goldstein H., 다단계 통계 모델, Halstead Press, 1995.
            Kish R., G. Kalton, S. Heeeringa, C. O'Muircheartaigh, J. Lepkowski, 수집된 Leslie Kish 논문, Wiley, 2002.
            Kish L., 설문 조사 샘플링, Wiley, 1995.

            백분율: 추정 및 테스트

            1. 당분간 귀무 가설에서 주장된 값을 무시하십시오.
            2. 사용 가능한 데이터를 기반으로 100(1-a)% 신뢰 구간을 구성합니다.
            3. 구성된 CI에 청구된 값이 포함되어 있지 않으면 귀무 가설을 기각할 충분한 증거가 있습니다. 그렇지 않으면 귀무가설을 기각할 이유가 없습니다.

              허용 가능한 절대 정밀도의 표본 크기: 다음은 모집단 평균 또는 비율을 추정하는 데 필요한 표본 크기를 결정하는 데 널리 사용되는 방법을 나타냅니다.

              추정기의 양쪽에서 d 단위를 확장하는 간격을 원한다고 가정해 보겠습니다. 우리는 쓸 수있다

              d = 절대 정밀도 = (신뢰성 계수) .(표준 오차) = Z a /2 . (신호 번호 1/2)

              샘플 크기 결정 애플릿을 사용하여 계산을 확인하는 것이 좋습니다.

            다단계 통계 모델

            인문과학과 생물학에서 수집된 관측 데이터를 비롯한 많은 종류의 데이터는 계층 구조 또는 클러스터 구조를 가지고 있습니다. 예를 들어, 유전에 대한 동물 및 인간 연구는 자손이 가족 내에서 그룹화되는 자연적인 계층 구조를 다룹니다. 같은 부모의 자손은 전체 인구에서 무작위로 선택된 개인보다 신체적, 정신적 특성이 더 유사한 경향이 있습니다.

            많은 설계된 실험은 데이터 계층 구조를 생성하기도 합니다. 예를 들어 무작위로 선택한 여러 센터 또는 개인 그룹에서 수행된 임상 시험이 있습니다. 다단계 모델은 그러한 계층 구조의 출처가 아닌 사실에만 관심이 있습니다. 서로 다른 수준으로 그룹화된 단위로 구성된 계층을 계층 구조라고 합니다. 따라서 자손은 수준 2 단위가 가족인 2 수준 구조에서 수준 1 단위일 수 있습니다. 학생은 수준 2 단위인 학교 내에 클러스터링된 수준 1 단위일 수 있습니다.

            이러한 데이터 계층 구조의 존재는 우연이 아니며 무시해서는 안 됩니다. 개인은 동물과 마찬가지로 다르며 이러한 필요한 차별화는 모든 종류의 사회 활동에 반영됩니다. 예를 들어 비슷한 동기나 적성을 가진 학생들이 매우 선별적인 학교나 대학에 그룹화될 때 후자는 전자의 직접적인 결과인 경우가 많습니다. 다른 경우에 그룹화는 어린 아이들을 초등학교에 배정하거나 환자를 다른 진료소에 배정하는 것과 같이 개인의 특성과 덜 밀접하게 관련된 이유로 발생할 수 있습니다. 일단 그룹화가 설정되면, 그 설정이 사실상 무작위적일지라도, 그들은 차별화되는 경향이 있으며, 이러한 차별화는 그룹'과 그 구성원 모두가 그룹 구성원에 영향을 미치고 영향을 받는다는 것을 의미합니다. 이 관계를 무시하는 것은 그룹 효과의 중요성을 간과할 위험이 있으며 데이터 관계를 연구하는 데 사용되는 많은 전통적인 통계 분석 기술을 무효화할 수도 있습니다.

            간단한 예가 그 중요성을 보여줍니다. 1970년대에 수행된 초등학교(초등학교) 아동에 대한 잘 알려져 있고 영향력 있는 연구에 따르면 소위 '정식' 방식의 읽기 교육에 노출된 아동이 그렇지 않은 아동보다 더 많은 발전을 보였다고 주장했습니다. 데이터는 개별 아동만을 분석 단위로 인식하고 교사 및 학급 내에서의 그룹화를 무시하는 전통적인 다중 회귀 기술을 사용하여 분석되었습니다. 결과는 통계적으로 유의했습니다.결과적으로, 분석이 아이들을 학급으로 분류하는 것을 적절하게 설명했을 때, 유의미한 차이가 사라지고 '공식적으로' 배운 아이들이 다른 아이들과 다르다는 것을 보여줄 수 없다는 것이 입증되었습니다.

            이 재분석은 사회과학 데이터의 다단계 분석의 첫 번째 중요한 예입니다. 본질적으로 여기에서 일어나는 일은 한 교실에 있는 아이들이 함께 가르쳤기 때문에 그들의 수행이 비슷한 경향이 있다는 것입니다. 결과적으로 동일한 수의 학생이 다른 교사에 의해 별도로 가르쳤을 때보다 정보를 더 적게 제공합니다. 즉, 비교를 위한 기본 단위는 학생이 아닌 교사여야 합니다. 학생의 기능은 각 교사에게 해당 교사의 효율성에 대한 추정치를 제공하는 것으로 볼 수 있습니다. 교사당 학생 수를 늘리면 이러한 추정의 정확도가 높아지지만 비교되는 교사의 수는 변경되지 않습니다. 일정 수준을 넘어서면 이런 식으로 학생 수를 늘리는 것만으로는 전혀 개선되지 않습니다. 반면, 교사 1인당 학생 수는 같거나 다소 적으면서 비교할 교사의 수를 늘리면 비교의 정확도가 상당히 향상됩니다.

            연구자들은 오랫동안 이 문제를 인식했습니다. 예를 들어 교육 분야에서는 소위 '분석 단위' 문제에 대해 많은 논쟁이 있어왔습니다. 다단계 모델링이 연구 도구로 잘 발달되기 전에는 계층 구조를 무시하는 문제는 충분히 이해되었지만 강력한 범용 도구를 사용할 수 없었기 때문에 해결하기 어려웠습니다. 예를 들어 유전 데이터 분석을 위한 특수 목적 소프트웨어는 더 오래 사용할 수 있었지만 이것은 '분산 성분' 모델로 제한되었고 일반 선형 모델을 처리하는 데 적합하지 않았습니다. 표본 조사원들은 이 문제를 다른 형태로 인식했습니다. 인구 조사를 수행할 때 표본 디자인은 일반적으로 지리 및 가구 구성원의 관점에서 계층적 인구 구조를 반영합니다. 통계 분석을 수행할 때 이러한 구조를 고려하기 위해 정교한 절차가 개발되었습니다.

            추가 읽을거리:
            골드스타인 H., 다단계 통계 모델, Halstead Press, 뉴욕, 1995.
            롱포드 N., 랜덤 계수 모델, Clarendon Press, 옥스포드, 1993.
            이 책들은 매우 광범위한 응용과 이론을 다룹니다.

            설문조사 샘플링 루틴

            참고: 다음 프로그램은 복잡한 조사의 설계 및 분석을 위한 실용적인 방법, R. Lehtonen 및 E. Pahkinen, Wiley, Chichester, 1995. L.Lyberg et al., (Editors), Survey Measurement and Process Quality, New York, Wiley, 1997 참조.

            Le Sphinx, CENVAR, CLUSTERS, Epi Info, Generalized Estimation System, Super CARP, Stata, SUDAAN, VPLX, WesVarPC 및 ORIRIS IV와 같은 기타 소프트웨어 패키지.

            추가 읽을거리:
            Bethel J., 다변량 조사의 표본 할당, 설문조사 방법론, 15, 1989, 47-57.
            Valliant R., J. Gentle, 샘플 할당 문제에 수학 프로그래밍 적용, 전산통계 및 데이터 분석, 25, 1997, 337-360.

            Cronbach의 알파(계수 a)

            아마도 Cronbach의 알파를 개념화하는 가장 좋은 방법은 항목 집합에 대해 가능한 모든 분할 절반 신뢰도의 평균으로 생각하는 것입니다. 분할 신뢰도는 단순히 테스트 또는 기기의 두 부분이 전체 기기의 절반인 두 부분 간의 신뢰도입니다. 일반적으로, 이 두 반쪽의 신뢰도는 반장 테스트 사이의 신뢰도보다 전체 길이 테스트의 신뢰도를 추정하기 위해 강화되어야 합니다(Spearman Brown Prophesy Formula). 해석의 편의를 위해 테스트에 짝수개의 항목(예: 10)이 있다고 가정하면 항목 1-5 대 6-10은 하나의 분할이 되고 짝수 대 승산은 또 다른 분할이 되며 실제로 10개 항목으로 한 번에 5개를 선택하면 이 테스트에 대해 5개 또는 252개의 가능한 분할 절반이 10개 선택됩니다. 이러한 강화된 분할 절반 신뢰도를 각각 계산하고 모두 평균을 낸다면 이 평균은 Cronbach's Alpha가 됩니다. 일부 분할은 두 개의 더 밀접하게 평행한 반쪽을 생성한다는 점에서 다른 분할보다 더 나을 것이고 평행한 반쪽 간의 신뢰도가 아마도 기기의 신뢰도에 대한 가장 적절한 추정치일 것이므로 Cronbach의 알파는 종종 내부 일관성에 대한 비교적 보수적인 추정치로 간주됩니다. 시험.

            다음은 계수 알파 또는 Cronbach's Alpha를 계산하기 위한 SAS 프로그램입니다. PROC CORR 프로시저의 옵션입니다. SAS에서 ONE이라는 WORK 데이터 세트에 대해 x1-x10에 대한 내부 일관성 또는 계수 알파 또는 Cronbach의 알파를 원한다고 가정하면 구문은 다음과 같습니다.

            계수 알파를 계산할 때 고려해야 할 최소한 세 가지 중요한 주의 사항이 있습니다.

            참고 1: "누락된" 값을 처리하는 방법. 성취 테스트에서 누락된 값 또는 도달하지 못한 값은 전통적으로 0 또는 잘못된 것으로 코딩됩니다. CORR 절차는 SAS가 누락을 잘못된 것으로 처리하지 않습니다. 이러한 일이 발생하도록 코드를 작성하는 것은 어렵지 않지만 코드를 작성해야 합니다. 위의 예에서 우리는 다음과 같이 할 수 있습니다:

            참고 2: CORR 절차에서 NOMISS 옵션 사용. 이것은 위의 Note 1과 관련이 있습니다. 누락된 관찰을 처리하는 또 다른 방법은 CORR 프로시저에서 NOMISS 옵션을 사용하는 것입니다. 구문은 다음과 같습니다.

            이것의 효과는 이러한 항목 X1-X10 중 하나 이상이 누락된 모든 레코드에 대한 분석에서 모든 항목 X1-X10을 제거하는 것입니다. 분명히 대부분의 검사가 모든 항목을 완료하지 못할 것으로 예상되는 속도 테스트의 경우 성취도 테스트의 경우 이것이 문제가 될 수 있습니다. NOMISS 옵션을 사용하면 모든 항목을 완료한 검사의 하위 집합으로 분석을 제한할 수 있으며 내부 일관성 신뢰성 추정치를 설정하려는 경우 관심 모집단이 아닌 경우가 많습니다.

            이 문제를 해결하기 위한 한 가지 일반적인 접근 방식은 레코드를 포함하기 위해 시도해야 하는 여러 항목을 정의하는 것입니다. SF-36과 같은 일부 건강 상태 측정에는 척도를 정의하기 위해 항목의 최소 50%가 응답되어야 한다는 채점 규칙이 있습니다. 항목의 절반 미만을 시도하면 척도가 해석되지 않습니다. 척도가 유효한 것으로 간주되면 해당 척도의 모든 결측값은 해당 척도의 결측되지 않은 항목의 평균으로 대체됩니다. 이 채점 알고리즘을 구현하기 위한 SAS 코드는 척도가 10개 항목이 있다는 가정 하에 아래에 요약되어 있습니다.

            결측값 수가 전체 항목 수의 절반보다 크지 않은 경우 모든 결측값을 결측값이 아닌 값의 평균으로 바꾸면 Cronbach의 알파가 부풀려집니다. 더 나은 접근 방식은 레코드의 50% 미만이 완료된 고려 레코드에서 제거하고 나머지 레코드는 그대로 두고 누락된 값은 그대로 두는 것입니다. 즉, 위의 첫 번째 IF 문을 구현하지만 제거하려면 ELSE IF 절을 선택한 다음 NOMISS 옵션 없이 PROC CORR을 실행합니다. 결론: 일반적으로 PROC CORR의 NOMISS 옵션, 특히 ALPHA 옵션은 신중하게 고려해야 합니다.

            참고 3: 세트의 모든 항목이 같은 방향으로 코딩되었는지 확인하십시오. 0/1(잘못된/올바른) 코딩이 이에 대한 문제는 거의 없지만, Likert 또는 척도에서 2점 이상인 다른 척도의 경우 척도가 일정하게 유지되는 것은 드문 일이 아닙니다(예: 매우 동의함, 동의함, 동의하지 않음 , 매우 동의하지 않음), 그러나 척도의 적절한 해석을 뒤집는 질문의 표현. 예를 들어,

            분명히 두 질문은 같은 척도에 있지만 끝점의 의미는 반대입니다.

            SAS에서 이 문제를 조정하는 방법은 척도를 코딩할 방향을 선택하는 것입니다. 해당 항목은 SA가 사회 보장 시스템에 대해 부정적(또는 긍정적)으로 반영했습니다. 위의 예에서 Q1에 대한 SA는 사회 보장 시스템과 관련하여 부정적인 위치이므로 결정이 확장될 경우 역 스케일되어야 SA가 긍정적인 태도를 의미합니다.

            4점 리커트 척도의 코딩이 SA-0, A-1, D-2, SD-3인 경우 항목은 다음과 같이 역 척도화됩니다.
            Q1 = 3-Q1, 이런 식으로 0은 3-0 = 1이 됩니다. 1은 3-1 = 2가 되고 2는 3-2 = 1이 되고 3은 3-3 = 0이 됩니다.

            4점 리커트 척도의 코딩이 SA-1, A-2, D-3, SD-4인 경우 항목은 다음과 같이 역 척도화됩니다.
            Q1 = 5-Q1, 이런 식으로 1은 5-1 = 4가 됩니다. 2는 5-2 = 3이 됩니다. 3은 5-3 = 2가 되고 4는 5-4 = 1이 됩니다.

            이전 예에서 항목 X1, X3, X5, X7 및 X9가 내부 일관성 추정치를 계산하기 전에 역 스케일링되어야 하는 경우 다음 SAS 코드가 작업을 수행합니다. 1-4득점으로 위.

            ALPHA 옵션이 있는 PROC CORR의 일부 출력(예: 항목과 총계의 상관 관계 및 척도의 일부가 아닌 각 개별 항목이 있는 척도에 대한 내부 일관성 추정값)은 다음을 수행해야 하는 매우 유용한 진단을 제공한다는 점에 유의해야 합니다. 역 스케일링을 고려할 때 제대로 작동하지 않는 항목이나 놓친 항목에 대해 연구원에게 경고합니다. 총계와 음의 상관관계가 있는 항목은 일반적으로 역 배율을 조정해야 하거나 제대로 구성되지 않습니다.

            추가 읽을거리:
            Feldt L. 및 R. Brennan, 신뢰성, in 교육 측정, Linn R. (Ed.), 105-146, 1989, Macmillian Publishing Company.

            평가자 간 신뢰성

            설문 조사 면접관 간의 평가자 간 신뢰도는 거의 계산되지 않습니다. 다른 면접관이 일반적으로 응답자에게 동일한 질문을 하지 않고 다른 면접관이 인터뷰한 응답자 그룹을 항상 비교할 수 있는 것은 아니기 때문입니다. 특히 개인 면접 설문조사에서 면접관은 구성적으로 크게 다른 도시나 지역의 다른 지역에 배정될 수 있습니다. 그러나 설문 조사 설계자는 연구를 시작하기 전에 면접관의 성과에 무작위 변동을 일으킬 수 있는 요인을 고려하고 이러한 변동 원인을 최대한 줄이기 위해 교육 및 현장 절차를 표준화해야 합니다.

            참고 자료 및 추가 참고 자료:
            Aday L., 건강 설문 조사 설계 및 수행: 종합 안내서, Jossey-Bass Publishers, CA, 1996.

            도구성 이론

            두 개의 해당 항목이 평가되는 차원과 해당 항목의 짝인 "원가"라고 하는 해당 주제의 상대적 중요도에 교차 곱한 다음 이러한 모든 쌍에 걸쳐 합산된 다음 해당 쌍의 수로 나뉩니다. 이 절차는 상대적 중요도에 따라 가중치를 부여한 각 항목의 합계인 가중치 점수를 제공합니다. 평균 가중치 점수가 높을수록 주제의 전반적인 중요도와 등급이 높아집니다. 이 기술은 여기에서 두 가지 문제, 즉 만족 또는 준비가 고려되고 있기 때문에 호평을 받았습니다. . . 누군가가 있고 그 주제가 그들에게 얼마나 중요한지. 이 접근법은 퇴사에 영향을 미치는 요인, 직무 만족도, 관리 행동 등과 같은 다변수 문제에 적용되었습니다.

            참고 자료 및 추가 참고 자료:
            Korn, Graubard, 건강 설문 조사 분석, Wiley, 1999.

            가치 측정 측량 도구: Rokeach의 가치 조사

            인류학자들은 전통적으로 특정 사회 구성원의 행동을 관찰하고 그러한 행동에서 사회의 지배적이거나 근본적인 가치를 추론해 왔습니다. 그러나 최근에는 설문조사를 통해 직접 값을 측정하는 방식으로 점차 변화하고 있다. 연구자들은 가치 도구라고 하는 데이터 수집 도구를 사용하여 사람들에게 자유, 안락함, 국가 안보 및 평화와 같은 기본적인 개인 및 사회적 개념에 대해 어떻게 느끼는지 묻습니다.

            사람들의 가치와 소비자로서의 행동 사이의 관계에 대한 연구는 아직 초기 단계입니다. 그러나 표준화된 가치 도구가 제공되기 전에는 효과적으로 탐색할 수 없었던 광범위한 인간 행동을 활용하기 때문에 더 많은 관심을 받게 될 영역입니다.

            소비자 행동 연구에 사용된 인기 있는 가치 도구 로키치 가치 조사(RVS) . 이 자체 관리 가치 목록은 두 부분으로 나뉘며 각 부분은 서로 다르지만 보완적인 개인 가치 유형을 측정합니다. 첫 번째 부분은 존재의 최종 상태(즉, 개인 목표)의 상대적 중요성을 측정하도록 설계된 18개의 최종 가치 항목으로 구성됩니다. 두 번째 부분은 기본 접근 방식과 개인이 최종 상태 값에 도달하기 위해 취할 수 있는 18개의 도구적 가치 항목으로 구성됩니다. 따라서, 측정 도구의 전반부는 목적을 다루고 후반부는 수단을 고려합니다. .

            항목이 Likert 형식을 수용하도록 수정되지 않은 경우 응답자는 각 RVS 값이 보유하는 개인적 중요성의 정도를 "매우 중요하지 않음"에서 "매우 중요함"으로 표시하도록 요청받은 후 표준 Likert 척도가 다음으로 주어집니다. 각 RVS 값에. 일부 응용 프로그램은 예를 들어 5점 척도를 사용한 다음 각 목록이 이미 평가된 후 상위 3개 RVS 값의 순위를 지정하여 말뚝을 수정하는 데 사용합니다. 많은 경우에 순위가 매겨진 절차에 비해 Likert의 검사-재검사 신뢰도가 약간 낮지만 유의미하지는 않습니다.

            리커트 형식으로 RVS를 사용하는 것을 선호하는 일반적인 이유는 데이터에 대한 규범적 통계 테스트를 수행할 수 있기 때문입니다. 일부 조건에서 원래의 순위가 지정된 형식으로 크기를 조정합니다.

            추가 읽을거리:
            Arsham H., 설문지 디자인 및 설문조사 샘플링, SySurvey: 온라인 설문조사 도구, 2002.
            Braithwaite V., Beyond Rokeach의 평등 자유 모델: 1차원 세계의 2차원 값, 사회 문제 저널 , 50, 67-94, 1994.
            Boomsma A., M. Van Duijn 및 T. Snijders, (eds.), 항목 응답 이론에 대한 에세이, Springer Verlag, 2000.
            Gibbins K., I. Walker, Rokeach 가치 조사에 대한 다중 해석, 사회심리학 저널, 133, 797-805, 1993.
            Sijtsma K., I. W. Molenaar, Introduction to Nonparametric Item Response Theory, Sage 2002. 매개변수 항목 응답 이론에 대한 대안을 제공합니다. 모켄 척도법과 같은 비모수(서수) 항목 응답 이론입니다.

            잘못된 조사 설계의 위험과 결과 해석

            • 계산의 기반이 되는 정보를 선택할 때 매우 주의해야 합니다.
            • 엄격하게 논리적인 추론만 하는 것.
            • 누가 이런 말을 합니까?
            • 그는 왜 그것을 말하는가?
            • 그가 그것을 말함으로써 무엇을 얻을 수 있습니까?
            • 그는 어떻게 압니까?
            • 그가 거짓말을 할 수 있을까?
            • 질문은 단순해야 합니다
            • 질문은 명확해야 합니다
            • 가장 좋은 종류의 질문은 미리 인쇄된 답변에 체크할 수 있는 질문입니다.
            • 질문은 가능한 한 짧아야 한다
            • 질문은 관련이 없거나 너무 개인적이어서는 안 됩니다.
            • 선행 질문을 해서는 안 됩니다. "주도하는 질문"은 답을 제시하는 질문입니다. '현명한 모든 사람들이 XYZ 비누를 사용한다는 데 동의하지 않습니까?'라는 질문은 "예"라는 대답을 제시합니다.
            • 질문은 논리적인 순서로 들어가도록 설계되어야 합니다. 이렇게 하면 응답자가 그 목적을 이해할 수 있고 결과적으로 답변의 품질이 향상될 수 있습니다.

            이 사이트는 1994년 2월 18일에 개설되었으며 그 지적 자료는 매년 철저하게 개정되었습니다. 현재 버전은 9판입니다. 모든 외부 링크는 한 달에 한 번 확인됩니다.

            Arsham 박사의 홈페이지로 돌아가기

            EOF: Ó 1994-2015.


            콘텐츠 사양

            1. 감각과 지각(5&ndash7%)
              1. 정신 물리학, 신호 탐지
              2. 주목
              3. 지각적 조직
              4. 비전
              5. 오디션
              6. 맛보기
              7. 후각
              8. 체성감각
              9. 전정 및 운동 감각
              10. 이론, 응용 및 문제
              1. 뉴런
              2. 감각 구조 및 과정
              3. 모터 구조 및 기능
              4. 중앙 구조 및 프로세스
              5. 동기 부여, 각성, 감정
              6. 인지신경과학
              7. 신경조절제 및 약물
              8. 호르몬 요인
              9. 비교 및 윤리학
              10. 의식 상태
              11. 이론, 응용 및 문제
              1. 학습(3&ndash5%)
                1. 고전적 조건화
                2. 악기 컨디셔닝
                3. 관찰 학습, 모델링
                4. 이론, 응용 및 문제
                1. 단위(음소, 형태소, 구)
                2. 통사론
                3. 의미
                4. 음성 인식 및 처리
                5. 읽기 프로세스
                6. 언어적 및 비언어적 의사소통
                7. 이중 언어 사용
                8. 이론, 응용 및 문제
                1. 작업 기억
                2. 장기기억
                3. 메모리 유형
                4. 메모리 시스템 및 프로세스
                5. 이론, 응용 및 문제
                1. 표현(분류, 이미지, 스키마, 스크립트)
                2. 문제 해결
                3. 판단 및 의사결정 과정
                4. 기획, 메타인지
                5. 지능
                6. 이론, 응용 및 문제
                1. 사회적 인식, 인지, 귀인, 신념
                2. 태도와 행동
                3. 사회적 비교, 자기
                4. 감정, 영향 및 동기 부여
                5. 순응, 영향력 및 설득
                6. 대인관계 매력과 친밀한 관계
                7. 그룹 및 그룹 간 프로세스
                8. 문화적 또는 성별의 영향
                9. 진화 심리학, 이타주의 및 공격성
                10. 이론, 응용 및 문제
                1. 자연 양육
                2. 신체 및 운동
                3. 지각과 인지
                4. 언어
                5. 학습, 지능
                6. 사회성, 성격
                7. 감정
                8. 사회화, 가족 및 문화
                9. 이론, 응용 및 문제
                1. 성격(3&ndash5%)
                  1. 이론
                  2. 구조
                  3. 성격과 행동
                  4. 애플리케이션 및 문제
                  1. 스트레스, 갈등, 대처
                  2. 진단 시스템
                  3. 평가
                  4. 장애의 원인과 발달
                  5. 신경생리학적 요인
                  6. 장애 치료
                  7. 역학
                  8. 방지
                  9. 건강심리학
                  10. 문화 또는 성별 문제
                  11. 이론, 응용 및 문제

                  VI. 측정/방법론/기타(15&ndash19%)

                    1. 일반(4&ndash6%)
                      1. 역사
                      2. 산업 조직
                      3. 교육적인
                      1. 심리 측정, 테스트 구성, 신뢰성, 타당성
                      2. 연구 디자인
                      3. 통계 절차
                      4. 과학적 방법과 증거 평가
                      5. 윤리 및 법적 문제
                      6. 결과 분석 및 해석

                      하위 점수의 기반이 되는 질문은 테스트 전체에 걸쳐 배포되지만 단일 콘텐츠 영역의 여러 질문이 연속적으로 나타날 수 있지만 따로 ​​따로 분류되지 않고 레이블이 지정됩니다.


                      훌륭한 설문지를 작성하는 방법

                      개인 또는 일반적인 주제에 관계없이 모든 질문 세트는 질문입니다.설문지가 단독으로 존재하든 설문 조사의 일부든 상관없이 훌륭한 결과를 얻으려면 훌륭한 질문을 해야 합니다. 설문조사에 적합한 질문을 선택하는 방법에 대한 자세한 내용은 전문가처럼 설문조사 질문 작성 가이드를 확인하세요.

                      또한 설문지를 작성할 때 길이를 염두에 두십시오. 질문 수가 늘어날수록 완료율이 떨어지는 경우가 많습니다. 한 연구에서 우리는 40개의 질문이 있는 질문이 10개의 질문이 있는 질문보다 응답률이 약 10% 낮다는 것을 발견했습니다. 사람들은 길이에 관계없이 설문지를 작성하는 데 약 10분을 소비하는 경향이 있습니다. 즉, 질문을 적게 하면 응답자가 각 질문에 더 많은 시간을 할애할 가능성이 높습니다.


                      응답자는 지난 12개월 동안 21개의 특정 생활 사건과 3개의 선택적 사건을 각각 경험했는지 여부를 표시해야 합니다. 척도에는 규범적으로 부정적인 것으로 간주되는 사건(예: 사망, 범죄)과 다음과 같은 사건이 포함됩니다. 더 모호합니다(예: 재정 변화, 이전).  척도에는 단일 긍정적 사건(학교 또는 직장에서의 성공)도 포함됩니다.  모호한 사건 뒤에는 응답자가 다음에 대한 자신의 감정을 보고하는 설명 항목이 나옵니다. 6점 평가 척도를 사용하는 이벤트(참조 스케일링).

                      대부분의 항목에는 이분법적인 응답 옵션(예/아니요) 및/또는 참가자가 이벤트가 여러 개인에게 발생했는지 여부를 나타내도록 요구하는 체크리스트가 제공됩니다. 원자가 측면에서 모호한 사건에 대해.

                      이번 행사에 대한 소감은?

                      1=매우 좋음, 2=보통 좋음, 3=약간 좋음, 4=약간 나쁨, 5=보통 나쁨, 6=매우 나쁨


                      응용 행동 분석은 좋은 직업입니까?

                      ABA 전문 지식에 대한 요구가 전국적으로 증가하고 있으며 이는 해당 분야에 충분한 경력 기회가 있음을 의미합니다. 행동 분석가 ​​인증 위원회의 최근 보고서에 따르면 BCBA 또는 BCBA-D 인증을 보유한 개인에 대한 수요가 80% 증가했습니다. 마찬가지로 ABA 전문가는 의미 있는 일에 종사하면서 편안한 급여를 받을 수 있습니다. PayScale에 따르면 응용 행동 치료사는 연간 평균 $60,900를 벌고 있습니다. ABA 학위 소지자는 또한 경력이 추가 지원의 혜택을 받는 개인을 지원하기 때문에 강한 직업 만족도를 경험할 수 있습니다.


                      기분 상태 설문지(POMS) 프로필

                      스포츠를 하거나 운동을 하는 것은 기분에 긍정적인 영향을 미치는 것으로 나타났습니다. 그들은 이것을 어떻게 압니까? 와 같은 도구를 사용하여 POMS 설문지, 기분을 측정하기 위한 연구에서 사용되는 검증된 표준 심리 테스트. 1971년 Douglas M. McNair가 Maurice Lorr 및 Leo F. Droppleman과 함께 첫 번째 POMS(Profile of Mood States) 설문지를 개발했습니다.

                      설문지에는 여러 버전이 있습니다. 현재 가장 일반적으로 사용되는 것은 18세 이상 성인용(POMS 2–A)과 13~17세 청소년용(POMS 2–Y)인 POMS 2입니다. POMS 2 기기는 모두 전체 길이(65개 항목) 및 짧은 버전(35개 항목)으로 제공됩니다. 설문지에는 사람들이 가지고 있는 감정을 설명하는 일련의 설명 단어/문이 포함되어 있습니다. 피험자는 5점 리커트 척도를 사용하여 이러한 각 영역에 대해 자체 보고합니다.


                      결론

                      모든 작업과 마찬가지로 행동 데이터 분석을 볼 때 준비가 중요합니다. 명확하게 정의된 질문에 답하는 것은 어렵지 않습니다. 가장 큰 트릭은 정의와 데이터를 보기 전에도 데이터에서 관심 있는 것이 무엇인지 아는 데 있습니다.

                      이러한 사고 방식은 판매에서 실행에 이르기까지 전체 연구 설계에서 중요한 것입니다. 잠재 고객이 '사람들이 온라인에서 무엇을 하는지 알고 싶습니다'와 같은 질문으로 귀하에게 접근하면 이 질문을 추가로 정의하기 위한 즉각적인 응답이 있어야 하므로 어떤 조사 방법이 필요한지, 어떤 사람들을 초대해야 하는지, 필요에 따라 상세하게 정의할 수 있는 연구 질문을 제시하기 위해 연구팀.

                      연구를 설정하는 데 지침이 필요하거나 프로젝트에 접근하는 방법에 대해 논의하려면 Wakoopa에 문의하세요. 기꺼이 도와드리겠습니다!


                      학부생

                      심리학과의 전반적인 목표는 학생들에게 행동, 특히 인간 행동 연구에 사용되는 다양한 수준의 분석 및 방법론적 접근에 대한 폭넓은 배경 지식을 제공하고 여러 분야의 대학원 연구를 준비하는 것입니다. 학생들은 연구 교육을 받고 다양한 커뮤니티 환경에서 경험을 쌓고 장기적인 대학원 목표를 달성하기 위해 코스 선택을 조정할 수 있습니다. 심리학 학위는 다른 분야에서 선택한 과정과 함께 광범위한 분야에서 모든 연령과 배경의 사람들과 상호 작용하는 직업을 준비할 수 있습니다.

                      심리학의 커리큘럼은 연구에 의해 개발된 개념의 관점에서 행동 과학과 자신과 타인에 대한 이해를 향상시키기 위한 것입니다. 심리학의 학부 과정은 학생들에게 다음과 같은 연구 결과를 배울 수 있는 기회를 제공합니다.

                      • 행동이 동기 부여되는 방법
                      • 사람들이 인식하고, 배우고, 생각하는 방식
                      • 개인이 서로 어떻게 다른지
                      • 성격이 유아기에서 성숙기에 이르기까지 어떻게 발달하고 행동으로 표현되는지
                      • 대인 관계 요인이 가정, 직장 및 지역 사회에서 인간 관계에 미치는 영향

                      Shelly Schreier 박사는 심리학과 학생들이 Golden Apple Award 후보로 지명했습니다.

                      Shelly Schreier 박사는 2013년 4월 4일 붐비는 Rackham 강당에서 그녀의 "마지막 강의"를 전달했습니다. Golden Apple Award는 대학에서 가장 권위 있는 교육 상 중 하나이며 우수한 교육에 대해 대학에서 유일하게 학생이 선택한 상입니다. Schreier 박사는 심리학 및 사회 개발 입문 과정에 등록한 많은 학생들의 추천을 받았습니다.


                      다음은 A.E. Housman의 “XL,”라는 시에 대한 짧은 비판적 분석의 예입니다. 그것의 짧은 길이는 단지 두 개의 연과 여덟 줄의 비교적 짧은 시에 적합합니다. 이 중요한 분석의 예를 읽으면 자신의 분석에 가장 적합한 형식과 설득력 있는 기술을 배우는 데 도움이 될 수 있습니다.

                      𠇊.E. Housman은 그의 시 𠆊 Shropshire Lad XL'에서 과거를 다정하게 반성합니다. 그는 감각적인 언어와 연상시키는 이미지를 사용하여 시의 낭만적인 향수를 느끼게 합니다. 이 시는 과거를 그리워하는 독자들도 이해할 수만 있다면 공감할 수 있습니다.

                      𠆊 Shropshire Lad XL&apos는 두 개의 연으로 구성된 비교적 짧은 시이지만 Housman은 빠르게 그리움을 확립합니다. 그는 첫 번째 연에서 풍부한 이미지로 독자를 끌어들입니다. ‘그 푸른 기억의 언덕은 무엇입니까 / 첨탑은 무엇이며 농장은 무엇입니까? ‘lost content&apos와 ‘행복한 고속도로에 대한 언급𠆋lows&apos, ‘shining&apos와 같은 감각적 언어는 그의 시를 직접적으로 전달하여 독자들이 느끼는 유대감을 심화시키는 것을 목표로 합니다.

                      그러나 19세기 후반에 출판된 이 시는 현대 독자들이 이해하고 감상하기 어려울 수 있다. 𠆊n air that kill,&apos Referring a tune, ‘yon far country'와 같은 구절들은 짧은 단어를 포함하지만 오늘날의 기준으로는 구식입니다. 그것들이 이해된다 하더라도, 더 현대적인 단어들처럼 독자들에게 깊이 반향을 일으키지 않을 수 있습니다. 역사적 작가가 현대 사회를 예측할 수 없기 때문에 모든 역사적 문학을 현대적 렌즈로 보는 것은 문제가 될 수 있습니다. 그러나 그것이 현대 독자들이 오늘날 이 시와 가질 수 있는 먼 관계를 무효화하지는 않습니다.

                      𠆊 Shropshire Lad XL&apos는 시인이 소년 시절 즐겼던 목가적인 시골 생활에 대한 낭만적인 회상입니다. 향수를 불러일으키는 주제는 과거에 그랬던 것처럼 현대 청중에게 반향을 불러일으킬 것 같지만, 그 언어는 이 역사적인 시를 완전히 감상하는 데 상당한 장벽이 될 수 있습니다.”


                      요약

                      연구자가 연구 수행에 사용되는 기본 통계 방법의 개념을 아는 것이 중요합니다. 이는 적절하고 잘 설계된 연구를 수행하여 유효하고 신뢰할 수 있는 결과를 도출하는 데 도움이 됩니다. 통계적 기법을 부적절하게 사용하면 잘못된 결론이 도출되어 오류가 발생하고 기사의 중요성이 훼손될 수 있습니다. 잘못된 통계는 잘못된 연구로 이어질 수 있고 잘못된 연구는 비윤리적인 관행으로 이어질 수 있습니다. 따라서 통계에 대한 적절한 지식과 통계 테스트의 적절한 사용이 중요합니다. 기본 통계 방법에 대한 적절한 지식은 연구 설계를 개선하고 증거 기반 지침을 공식화하는 데 사용할 수 있는 양질의 의료 연구를 생산하는 데 큰 도움이 될 것입니다.


                      긴 문자열 분석을 위한 설문지 길이 - 심리학

                      설문지 디자인 및 설문조사 샘플링 설문지 디자인 및
                      설문조사 샘플링

                      미국 사이트

                      이 사이트의 내용은 샘플 설문조사, 특히 마케팅 과학 분야의 데이터에 대한 기본 통계 분석을 수행해야 하는 학생을 대상으로 합니다. 학생들은 기술 통계 및 가설 검정의 개념과 같은 통계에 대한 기본 지식이 있어야 합니다.

                      소개

                      통계적 추론의 주요 아이디어는 모집단에서 무작위 표본을 추출한 다음 표본의 정보를 사용하여 평균(중심 경향 측정), 표준 편차(확산 측정)와 같은 특정 모집단 특성에 대한 추론을 만드는 것입니다. 또는 특정 특성을 가진 인구 단위의 비율. 샘플링은 비용, 시간 및 노력을 절약합니다. 또한 표본은 경우에 따라 표본에서 전체 모집단 주의깊은 데이터 수집을 조사하려고 시도하는 해당 연구만큼 많은 정보를 제공할 수 있습니다. .

                      다른 특정 모집단의 표본 값 평균의 동작을 연구해야 합니다. 표본은 모집단의 일부만 조사하기 때문에 표본 평균은 모집단의 해당 평균과 정확히 일치하지 않습니다. 따라서 표본 추출 결과를 계획하고 해석할 때 중요한 고려 사항은 표본 평균과 같은 표본 추정치가 해당 모집단 특성과 일치하는 정도입니다.

                      실제로, 일반적으로 하나의 샘플만 채취합니다("설문조사 데이터 분석"과 같은 일부 경우에는 데이터 수집 메커니즘을 테스트하고 주요 샘플링 계획을 계획하기 위한 예비 정보를 얻기 위해 작은 "파일럿 샘플"이 사용됨). 그러나 표본 평균이 해당 모집단 평균과 일치하는 정도를 이해하기 위해 동일한 유형의 10, 50 또는 100개의 개별 표본 연구를 수행하면 어떤 일이 발생할지 고려하는 것이 유용합니다. 이러한 다양한 연구에서 결과가 얼마나 일관성이 있습니까? 각 샘플의 결과가 거의 동일하다는 것을 알 수 있다면(거의 정확합니다!) 실제로 사용될 단일 샘플에 대해 확신을 가질 수 있습니다. 반면에 반복된 샘플의 응답이 필요한 정확도에 비해 너무 가변적이라는 사실은 다른 샘플링 계획(아마도 더 큰 샘플 크기)을 사용해야 함을 시사합니다.

                      샘플링 분포는 특정 샘플링 계획의 복제에서 관찰할 결과의 분포를 설명하는 데 사용됩니다.

                      한 표본에서 계산된 추정치는 다른 표본에서 계산된 추정치와 다를 수 있음을 알고 있습니다.

                      추정치는 우리가 추정하려고 하는 모집단 특성(모수)과 다를 것으로 예상되지만 샘플링 분포의 속성을 통해 어떻게 다를지 확률적으로 정량화할 수 있음을 이해하십시오.

                      다른 통계는 (a) 특정 통계, (b) 표본 크기 및 (c) 상위 분포에 따라 분포 모양이 다른 샘플링 분포를 가지고 있음을 이해합니다.

                      표본 크기와 표본 추정치 분포 간의 관계를 이해합니다.

                      표본 크기를 늘리면 표본 분포의 변동성을 줄일 수 있음을 이해합니다.

                      큰 표본에서 많은 표본 분포를 정규 분포로 근사할 수 있습니다.

                      분산 및 표준 편차

                      모집단의 평균에 대한 편차는 우리가 배우게 될 대부분의 통계 테스트의 기초입니다. 평균에 대해 일련의 점수가 얼마나 광범위하게 분산되어 있는지 측정하기 때문에 변동성을 측정하고 있습니다. 평균에 대한 편차를 계산하고 분산 또는 표준 편차로 표현할 수 있습니다. 이 개념은 코스 전반에 걸쳐 중심 개념이 될 것이기 때문에 이 개념을 확실히 이해하는 것이 매우 중요합니다.

                      분산 및 표준 편차는 모두 분포 내의 변동성을 측정합니다. 표준 편차는 분포의 각 값이 분포의 평균(또는 중심)에서 평균적으로 얼마나 벗어났는지를 나타내는 숫자입니다. 분산은 표준 편차(분포에서 점수의 분산)와 동일한 것을 측정한다는 점을 명심하십시오. 그러나 분산은 평균에 대한 평균 제곱 편차입니다. 따라서 분산은 표준 편차의 제곱입니다.

                      상품/서비스의 품질 측면에서 변동이 클수록 품질이 낮다는 것을 아는 것이 중요합니다. 변동의 크기와 그 원인을 측정하는 것은 통계학자의 몫이고 수정하는 것은 엔지니어나 관리자의 몫이다. 양질의 제품과 서비스는 변동이 적습니다.

                      신뢰구간이란?

                      실제로 신뢰 구간은 추정되는 양의 불확실성을 표현하는 데 사용됩니다. 추론은 모집단 또는 관심 프로세스에서 유한 크기의 무작위 샘플을 기반으로 하기 때문에 불확실성이 있습니다. 통계 절차를 판단하기 위해 동일한 연구를 계속해서 반복하여 매번 다른 데이터(따라서 다른 신뢰 구간)를 얻는다면 어떤 일이 일어날 것인지 물을 수 있습니다.

                      한 표본에서 계산된 신뢰 구간은 다른 표본에서 계산된 신뢰 구간과 다릅니다.

                      표본 크기와 신뢰 구간 너비 간의 관계를 이해합니다.

                      때때로 계산된 신뢰 구간이 실제 평균 값을 포함하지 않는다는 것을 알고(즉, 정확하지 않음) 이 적용률이 신뢰 수준과 어떻게 관련되는지 이해하십시오.

                      설문지 디자인 및 설문조사 관리

                      • 대면 인터뷰
                        우편 조사
                      • 전화 설문조사
                      • 직접 관찰.
                      • 인터넷

                      민감한 주제에 대한 누락된 값

                      1. 질문을 하는 이유를 응답자에게 설명하고,
                      2. 응답 범주를 가능한 한 광범위하게 만드십시오.
                      3. 비난의 표현을 피하거나 가능한 경우 문제의 행동이 사회적으로 용인되는 것처럼 보이게 하는 비판단적 스타일로 질문을 말하십시오.
                      4. 요청을 가능한 사실대로 제시하십시오.
                      5. 기밀성 또는 익명성 보장
                      6. 응답자가 정보가 위협적인 방식으로 사용되지 않을 것임을 알고 있는지 확인하십시오.
                      7. 정보가 어떻게 처리되는지 설명
                      8. 정확한 응답을 허용하는 교차 분류를 피하십시오.

                      오류의 원인

                      1. 부적절한 프레임 사용.
                      2. 잘못 설계된 설문지.
                      3. 기록 및 측정 오류.
                      4. 무응답 문제.

                      일반 샘플링 기법

                      당신이 먹는 음식에서 보는 TV에 이르기까지, 정치 선거에서 교육 위원회 활동에 이르기까지 당신의 삶의 많은 부분이 표본 설문 조사의 결과에 의해 규제됩니다. 오늘날과 미래의 정보화 시대에 많은 사람들이 표본 조사 설계 및 분석을 이해하여 의사 결정을 위한 좋은 데이터를 생성하고 의심스러운 데이터가 발생했을 때 이를 인식하는 것이 점점 더 중요해지고 있습니다. 관련 주제는 단순 무작위 샘플링, 계층화된 무작위 샘플링, 클러스터 샘플링, 체계적인 샘플링, 비율 및 회귀 추정, 인구 규모 추정, 시간, 면적 또는 부피의 연속체 샘플링, 설문지 설계, 설문조사 오류입니다.

                      표본은 더 큰 그룹(모집단)에서 선택된 단위 그룹입니다. 표본을 연구함으로써 더 큰 그룹에 대한 유효한 결론을 도출할 수 있기를 바랍니다.

                      모집단이 너무 커서 전체를 연구할 수 없기 때문에 일반적으로 표본을 연구용으로 선택합니다. 표본은 일반 인구를 대표해야 합니다. 이것은 종종 무작위 샘플링으로 가장 잘 달성됩니다. 또한 표본을 수집하기 전에 연구자가 포함될 구성원에 대한 설명을 포함하여 모집단을 신중하고 완전하게 정의하는 것이 중요합니다.

                      무작위 샘플링: 모집단 크기 N에서 크기 n의 랜덤 샘플링 10% 미만의 샘플링 비율의 경우 유한 모집단 보정 계수(N-n)/(N-1)는 거의 1입니다.

                      총 T는 N으로 추정되며 분산은 N 2 Var()입니다.

                      0, 1, (이진) 유형 변수의 경우 추정 비율 p의 변동은 다음과 같습니다.

                      S 2 = p.(1-p).(1-n/N)/(n-1).

                      비율 r = S x NS / 시 NS = / , r에 대한 변동은

                      [(N-n)(r2S2 NS + 에스 2 와이 -2 r Cov(x, y)]/[n(N-1). 2].

                      계층화된 샘플링: 계층화된 샘플링은 모집단을 관심 있는 특정 특성에 따라 동질적인 더 작은 하위 모집단으로 분할할 수 있을 때마다 사용할 수 있습니다.

                      NS = SW NS . Bxar NS , t=1, 2, ..L(계층) 및 NS 는 SX 그것 /N NS .

                      그 분산은 다음과 같습니다.

                      SW 2 NS /(N NS -N NS )S 2 NS /[N NS (N NS -1)]

                      전체 인구 T는 N으로 추정됩니다. NS , 그 분산은

                      에스앤2 NS (N NS -N NS )S 2 NS /[N NS (N NS -1)].

                      설문 조사는 일반적으로 각 모집단 구성원에 대해 여러 속성을 측정하기 때문에 각 변수에 대해 동시에 최적의 할당을 찾는 것은 불가능합니다. 따라서 이러한 경우 각 계층에서 동일한 샘플링 비율을 사용하는 널리 사용되는 할당 방법을 사용합니다. 이 수율 최적 할당은 계층의 변동이 모두 동일하다는 것을 감안할 때 발생합니다.

                      이진 데이터에 대한 샘플 크기(n) 결정: 다음보다 크거나 같은 가장 작은 정수:

                      [t2Np(1-p)] / [t2p(1-p) + a2(N-1)]

                      N은 총 케이스 수의 크기이고, n은 표본 크기, 예상 오차, t는 특정 신뢰 구간에 해당하는 t 분포에서 가져온 값, p는 이벤트 확률입니다.

                      횡단면 샘플링: 단면 연구 단일 시점 또는 시간 간격에서 정의된 모집단의 관찰. 노출과 결과가 동시에 결정됩니다.

                      할당량 샘플링: 할당량 샘플링은 가용성 샘플링이지만 ​​계층별 비례성이 유지된다는 제약이 있습니다.따라서 면접관은 표본의 대표성을 향상시키기 위해 많은 백인 남성 흡연자, 많은 흑인 여성 비흡연자 등을 인터뷰하라는 말을 듣게 됩니다. 최대변동표본추출(Maximum Variation Sampling)은 쿼터표본추출(Quota Sampling)의 변형으로, 연구자가 목적변수에 대해 최대의 차이를 보이는 경우를 무작위로 선택하지 않고 의도적으로 선택합니다. 추가 변형에는 극단적 또는 일탈 사례 샘플링 또는 일반적인 사례 샘플링이 포함됩니다.

                      통계 도구 란 무엇입니까? 통계 도구는 어떤 도구나 장치를 사용하여 현상을 설명하는 것을 목표로 하는 모든 프로세스이지만 결과는 제어 도구로 사용될 수 있습니다. 통계 도구의 예로는 설문지 및 설문 조사 샘플링이 있습니다.

                      그랩 샘플링 기법이란 무엇입니까? 그랩 샘플링 기술은 매우 짧은 시간 동안 상대적으로 작은 샘플을 채취하는 것이며, 얻은 결과는 일반적으로 즉각적입니다. 그러나 패시브 샘플링은 유사한 조건에서 샘플링 장치를 장기간 사용하는 기술입니다. 바람직한 통계 조사에 따라 수동 샘플링이 유용한 대안이 될 수도 있고 그랩 샘플링보다 더 적절할 수도 있습니다. 그러나 수동 샘플링 기술은 현장에서 개발되고 테스트되어야 합니다.

                      추가 읽기:
                      Thompson S., 샘플링, Wiley, 2002.

                      오차 한계는 무엇인가

                      추정은 표본 데이터를 사용하여 모집단에서 알 수 없는 양의 값을 나타내는 프로세스입니다.

                      추정 결과는 점 추정으로 알려진 단일 값 또는 신뢰 구간이라고 하는 값의 범위로 표현될 수 있습니다.

                      포인트 추정을 사용할 때마다 해당 포인트 추정과 관련된 오차 한계를 계산합니다. 예를 들어 표본 비율(P)을 사용하여 모집단 비율을 추정하는 경우 오차 한계는 다음과 같이 종종 계산됩니다.

                      1.96 [P(1-P)/n] 1/2

                      여론 풀에 관한 신문과 텔레비전 보도에서 오차 범위는 종종 테이블이나 화면의 하단에 작은 글꼴로 표시됩니다. 그러나 오류의 양만 보고하는 것만으로는 충분하지 않으며 결과에 대한 신뢰도가 부족합니다. 더 중요한 누락 정보는 표본 크기 n입니다. 즉, 100명 또는 100000명 중 몇 명이 설문조사에 참여했습니까? 이제 표본 크기가 클수록 결과가 정확하다는 사실을 잘 알고 계시죠?

                      보고된 오차 한계는 "표본 오차" 한계입니다. 투표의 정확성에 영향을 미칠 수 있고 영향을 미치는 많은 비표본 오류가 있습니다. 여기서 우리는 샘플링 오류에 대해 이야기합니다. 하위 그룹의 표본 오류가 1보다 크다는 사실은 다음 진술을 포함해야 합니다. "다른 오류 원인에는 인터뷰 참여를 거부하고 선택한 숫자와 연결할 수 없는 개인이 포함되지만 이에 국한되지는 않습니다. 가능한 모든 노력이 이루어집니다. 응답을 얻고 오류를 줄이십시오. 그러나 독자(또는 시청자)는 모든 연구에 일부 오류가 내재되어 있음을 인식해야 합니다."

                      설문조사에서 예/아니오 질문이 있는 경우 예(또는 아니오)의 비율 P를 계산하고 싶을 것입니다. 단순 무작위 샘플링 조사에서 P의 분산은 P(1-P)/n이며, 30보다 큰 큰 n에 대해 유한 모집단 수정을 무시합니다. 이제 95% 신뢰 구간은 다음과 같습니다.

                      P - 1.96 [P(1-P)/n] 1/2 , P + 1.96 [P(1-P)/n] 1/2 .

                      P = 1/2일 때 P(1-P)가 최대값을 취하기 때문에 보수적인 구간을 계산할 수 있습니다. 1.96을 2로 바꾸고 P = 1/2를 입력하면 1/n 1/2의 95% 보수 신뢰 구간이 있습니다. 이 근사는 P가 0 또는 1에 너무 가깝지 않은 한 잘 작동합니다. 이 유용한 근사를 사용하면 대략적인 95% 신뢰 구간을 계산할 수 있습니다.

                      참고 자료 및 추가 참고 자료:
                      Casella G. 및 R. Berger, 통계적 추론, Wadsworth Pub. 주식회사 2001.
                      Kish L., 설문 조사 샘플링, Wiley, 1995.
                      Lehmann E. 및 G. Casella, 점 추정 이론, Springer Verlag, New York, 1998.
                      Levy P. 및 S. Lemeshow, 인구 표본 추출: 방법 및 응용 프로그램, Wiley, 1999.

                      샘플 크기 결정

                      표본의 크기에 대한 질문은 설문조사 계획 초기에 발생합니다. 이것은 가볍게 다루어야 하는 중요한 질문입니다. 원하는 결과를 얻는 데 필요한 것보다 많은 샘플을 취하는 것은 자원을 낭비하는 반면 매우 작은 샘플은 종종 올바른 결정을 내리는 데 실질적으로 사용되지 않습니다. 주요 목표는 최소 비용으로 바람직한 정확도와 바람직한 신뢰 수준을 모두 얻는 것입니다.

                      파일럿 샘플: 파일럿 또는 예비 샘플은 모집단에서 추출해야 하며 이 샘플에서 계산된 통계는 샘플 크기를 결정하는 데 사용됩니다. 파일럿 샘플에 사용된 관찰은 최종 샘플의 일부로 계산될 수 있으므로 계산된 샘플 크기에서 파일럿 샘플 크기를 뺀 값은 총 샘플 크기 요구 사항을 충족하는 데 필요한 관찰 수입니다.

                      사람들은 때때로 저에게 묻습니다. 인구의 몇 분의 1이 필요합니까? 나는 "표본 크기만으로 정확도가 결정되는 것은 중요하지 않습니다."라고 대답합니다. 표본이 모집단의 상당한 부분을 차지하는 경우 이 답변을 수정해야 합니다.

                      아니오/예에 대해 0/1로 채점된 항목의 경우 항목 점수의 표준 편차는 SD = [p(1-p)/N] 1/2로 지정됩니다. 여기서 p는 1점을 얻는 비율이고 N 표본 크기입니다.

                      추정치 SE의 표준 오차(파일럿 샘플 추정치를 기반으로 하는 가능한 p 값 범위의 표준 편차)는 SE= SD/N 로 제공됩니다. 따라서 SE는 p = 0.5일 때 최대입니다. 따라서 최악의 시나리오는 50%가 동의하고 50%가 동의하지 않을 때 발생합니다.

                      샘플 크기 N은 0.25/SE 2보다 작거나 같은 가장 큰 정수로 표현할 수 있습니다.

                      따라서 SE가 0.01(즉, 1%)이 되려면 2500의 표본 크기가 2%, 625 3%, 278 4%, 156, 5%, 100이 필요합니다.

                      부수적으로, 표본이 전체 모집단의 작은 부분인 한, 모집단의 실제 크기는 이 계산의 목적과 전혀 관련이 없습니다.

                      이진 데이터와 관련된 샘플 크기:

                      n = [t2Np(1-p)] / [t2p(1-p) + a2(N-1)]

                      N은 총 케이스 수의 크기이고, n은 표본 크기, 예상 오차, t는 특정 신뢰 구간에 해당하는 t 분포에서 가져온 값, p는 이벤트 확률입니다.

                      크기가 N인 유한한 모집단의 경우 크기가 n인 표본 평균의 표준 오차는 다음과 같습니다.

                      s [(N -n)/(nN)]

                      t-검정에 필요한 표본 크기에 대한 몇 가지 공식이 있습니다. 가장 간단한 것은

                      n = 2(Z NS +Z b ) 2초 2 /D 2

                      이는 표본 크기를 과소평가하지만 큰 표본 크기에는 합리적입니다. 덜 부정확한 공식은 Z 값을 t 값으로 대체하고 t 분포에 대한 df가 표본 크기에 따라 달라지기 때문에 반복이 필요합니다. 정확한 공식은 중심이 아닌 t 분포를 사용하며 반복도 필요합니다.

                      가장 간단한 근사는 위 공식의 첫 번째 Z 값을 Tukey의 추적 테스트를 유도하는 데 사용되는 스튜던트화된 범위 통계의 값으로 바꾸는 것입니다. 스튜던트화 범위에 대한 충분히 자세한 표가 없는 경우 Bonferroni 보정을 사용하여 Tukey 후속 테스트를 근사할 수 있습니다. 즉, 첫 번째 Z 값을 Z로 변경합니다. NS 여기서 k는 비교 횟수입니다.

                      이러한 솔루션 중 어느 것도 정확하지 않으며 정확한 솔루션이 약간 지저분합니다. 그러나 위의 접근 방식 중 하나는 특히 결과 샘플 크기가 30보다 큰 경우에 충분히 가깝습니다.

                      기존 통계 테스트에 대한 더 나은 중지 규칙은 다음과 같습니다.
                      최소(미리 결정된) 과목 수를 테스트합니다.
                      p-값이 .01보다 작거나 같으면 중지하고, 그렇지 않으면 p-값이 .36보다 크거나 같으면 더 많은 주제를 실행합니다.

                      분명히 또 다른 옵션은 피험자의 수가 너무 많아 효과가 실질적인 관심을 끌 수 없을 때 중지하는 것입니다. 이 절차는 약 0.05를 유지합니다.

                      우리는 PPS(크기에 대한 확률 비율) 샘플링, 계층화 및 비율 추정(또는 다른 형태의 모델 지원 추정)을 매우 불행한 샘플의 결과로부터 보호하는 도구로 분류할 수 있습니다. 처음 두 가지(PPS 샘플링 및 계층화)는 샘플링 계획을 조작하여 이를 수행합니다(PPS 샘플링은 개념적으로 계층화의 제한적인 경우임). 비율 추정과 같은 모델 지원 추정 방법은 추정 절차에 보조 정보를 도입함으로써 동일한 목적을 달성합니다. 다른 사람들이 말했듯이 어떤 도구가 선호되는지는 비용, 이러한 도구의 사용을 허용하는 정보의 가용성 및 잠재적인 결과에 따라 달라집니다(계층화/PPS/비율 추정 변수가 관심 반응 변수).

                      표본 크기를 결정하기 위한 경험적 방법도 있습니다. 예를 들어, 의료 행위 및 프로세스 측정에서 샘플링 기준은 모집단 평균 0.50을 중심으로 10% 포인트의 95% CI로 설계되었습니다. , 시스템은 샘플링 절차를 사용하지 않지만 대상 인구의 모든 개인으로부터 데이터를 수집하려고 시도합니다."

                      추가 읽을거리:
                      Goldstein H., 다단계 통계 모델, Halstead Press, 1995.
                      Kish R., G. Kalton, S. Heeeringa, C. O'Muircheartaigh, J. Lepkowski, 수집된 Leslie Kish 논문, Wiley, 2002.
                      Kish L., 설문 조사 샘플링, Wiley, 1995.

                      백분율: 추정 및 테스트

                      1. 당분간 귀무 가설에서 주장된 값을 무시하십시오.
                      2. 사용 가능한 데이터를 기반으로 100(1-a)% 신뢰 구간을 구성합니다.
                      3. 구성된 CI에 청구된 값이 포함되어 있지 않으면 귀무 가설을 기각할 충분한 증거가 있습니다. 그렇지 않으면 귀무가설을 기각할 이유가 없습니다.

                        허용 가능한 절대 정밀도의 표본 크기: 다음은 모집단 평균 또는 비율을 추정하는 데 필요한 표본 크기를 결정하는 데 널리 사용되는 방법을 나타냅니다.

                        추정기의 양쪽에서 d 단위를 확장하는 간격을 원한다고 가정해 보겠습니다. 우리는 쓸 수있다

                        d = 절대 정밀도 = (신뢰성 계수) .(표준 오차) = Z a /2 . (신호 번호 1/2)

                        샘플 크기 결정 애플릿을 사용하여 계산을 확인하는 것이 좋습니다.

                      다단계 통계 모델

                      인문과학과 생물학에서 수집된 관측 데이터를 비롯한 많은 종류의 데이터는 계층 구조 또는 클러스터 구조를 가지고 있습니다. 예를 들어, 유전에 대한 동물 및 인간 연구는 자손이 가족 내에서 그룹화되는 자연적인 계층 구조를 다룹니다. 같은 부모의 자손은 전체 인구에서 무작위로 선택된 개인보다 신체적, 정신적 특성이 더 유사한 경향이 있습니다.

                      많은 설계된 실험은 데이터 계층 구조를 생성하기도 합니다. 예를 들어 무작위로 선택한 여러 센터 또는 개인 그룹에서 수행된 임상 시험이 있습니다. 다단계 모델은 그러한 계층 구조의 출처가 아닌 사실에만 관심이 있습니다. 서로 다른 수준으로 그룹화된 단위로 구성된 계층을 계층 구조라고 합니다. 따라서 자손은 수준 2 단위가 가족인 2 수준 구조에서 수준 1 단위일 수 있습니다. 학생은 수준 2 단위인 학교 내에 클러스터링된 수준 1 단위일 수 있습니다.

                      이러한 데이터 계층 구조의 존재는 우연이 아니며 무시해서는 안 됩니다. 개인은 동물과 마찬가지로 다르며 이러한 필요한 차별화는 모든 종류의 사회 활동에 반영됩니다. 예를 들어 비슷한 동기나 적성을 가진 학생들이 매우 선별적인 학교나 대학에 그룹화될 때 후자는 전자의 직접적인 결과인 경우가 많습니다. 다른 경우에 그룹화는 어린 아이들을 초등학교에 배정하거나 환자를 다른 진료소에 배정하는 것과 같이 개인의 특성과 덜 밀접하게 관련된 이유로 발생할 수 있습니다. 일단 그룹화가 설정되면, 그 설정이 사실상 무작위적일지라도, 그들은 차별화되는 경향이 있으며, 이러한 차별화는 그룹'과 그 구성원 모두가 그룹 구성원에 영향을 미치고 영향을 받는다는 것을 의미합니다. 이 관계를 무시하는 것은 그룹 효과의 중요성을 간과할 위험이 있으며 데이터 관계를 연구하는 데 사용되는 많은 전통적인 통계 분석 기술을 무효화할 수도 있습니다.

                      간단한 예가 그 중요성을 보여줍니다. 1970년대에 수행된 초등학교(초등학교) 아동에 대한 잘 알려져 있고 영향력 있는 연구에 따르면 소위 '정식' 방식의 읽기 교육에 노출된 아동이 그렇지 않은 아동보다 더 많은 발전을 보였다고 주장했습니다. 데이터는 개별 아동만을 분석 단위로 인식하고 교사 및 학급 내에서의 그룹화를 무시하는 전통적인 다중 회귀 기술을 사용하여 분석되었습니다. 결과는 통계적으로 유의했습니다. 결과적으로, 분석이 아이들을 학급으로 분류하는 것을 적절하게 설명했을 때, 유의미한 차이가 사라지고 '공식적으로' 배운 아이들이 다른 아이들과 다르다는 것을 보여줄 수 없다는 것이 입증되었습니다.

                      이 재분석은 사회과학 데이터의 다단계 분석의 첫 번째 중요한 예입니다. 본질적으로 여기에서 일어나는 일은 한 교실에 있는 아이들이 함께 가르쳤기 때문에 그들의 수행이 비슷한 경향이 있다는 것입니다. 결과적으로 동일한 수의 학생이 다른 교사에 의해 별도로 가르쳤을 때보다 정보를 더 적게 제공합니다. 즉, 비교를 위한 기본 단위는 학생이 아닌 교사여야 합니다. 학생의 기능은 각 교사에게 해당 교사의 효율성에 대한 추정치를 제공하는 것으로 볼 수 있습니다. 교사당 학생 수를 늘리면 이러한 추정의 정확도가 높아지지만 비교되는 교사의 수는 변경되지 않습니다. 일정 수준을 넘어서면 이런 식으로 학생 수를 늘리는 것만으로는 전혀 개선되지 않습니다. 반면, 교사 1인당 학생 수는 같거나 다소 적으면서 비교할 교사의 수를 늘리면 비교의 정확도가 상당히 향상됩니다.

                      연구자들은 오랫동안 이 문제를 인식했습니다. 예를 들어 교육 분야에서는 소위 '분석 단위' 문제에 대해 많은 논쟁이 있어왔습니다. 다단계 모델링이 연구 도구로 잘 발달되기 전에는 계층 구조를 무시하는 문제는 충분히 이해되었지만 강력한 범용 도구를 사용할 수 없었기 때문에 해결하기 어려웠습니다. 예를 들어 유전 데이터 분석을 위한 특수 목적 소프트웨어는 더 오래 사용할 수 있었지만 이것은 '분산 성분' 모델로 제한되었고 일반 선형 모델을 처리하는 데 적합하지 않았습니다. 표본 조사원들은 이 문제를 다른 형태로 인식했습니다. 인구 조사를 수행할 때 표본 디자인은 일반적으로 지리 및 가구 구성원의 관점에서 계층적 인구 구조를 반영합니다. 통계 분석을 수행할 때 이러한 구조를 고려하기 위해 정교한 절차가 개발되었습니다.

                      추가 읽을거리:
                      골드스타인 H., 다단계 통계 모델, Halstead Press, 뉴욕, 1995.
                      롱포드 N., 랜덤 계수 모델, Clarendon Press, 옥스포드, 1993.
                      이 책들은 매우 광범위한 응용과 이론을 다룹니다.

                      설문조사 샘플링 루틴

                      참고: 다음 프로그램은 복잡한 조사의 설계 및 분석을 위한 실용적인 방법, R. Lehtonen 및 E. Pahkinen, Wiley, Chichester, 1995. L.Lyberg et al., (Editors), Survey Measurement and Process Quality, New York, Wiley, 1997 참조.

                      Le Sphinx, CENVAR, CLUSTERS, Epi Info, Generalized Estimation System, Super CARP, Stata, SUDAAN, VPLX, WesVarPC 및 ORIRIS IV와 같은 기타 소프트웨어 패키지.

                      추가 읽을거리:
                      Bethel J., 다변량 조사의 표본 할당, 설문조사 방법론, 15, 1989, 47-57.
                      Valliant R., J. Gentle, 샘플 할당 문제에 수학 프로그래밍 적용, 전산통계 및 데이터 분석, 25, 1997, 337-360.

                      Cronbach의 알파(계수 a)

                      아마도 Cronbach의 알파를 개념화하는 가장 좋은 방법은 항목 집합에 대해 가능한 모든 분할 절반 신뢰도의 평균으로 생각하는 것입니다. 분할 신뢰도는 단순히 테스트 또는 기기의 두 부분이 전체 기기의 절반인 두 부분 간의 신뢰도입니다. 일반적으로, 이 두 반쪽의 신뢰도는 반장 테스트 사이의 신뢰도보다 전체 길이 테스트의 신뢰도를 추정하기 위해 강화되어야 합니다(Spearman Brown Prophesy Formula). 해석의 편의를 위해 테스트에 짝수개의 항목(예: 10)이 있다고 가정하면 항목 1-5 대 6-10은 하나의 분할이 되고 짝수 대 승산은 또 다른 분할이 되며 실제로 10개 항목으로 한 번에 5개를 선택하면 이 테스트에 대해 5개 또는 252개의 가능한 분할 절반이 10개 선택됩니다. 이러한 강화된 분할 절반 신뢰도를 각각 계산하고 모두 평균을 낸다면 이 평균은 Cronbach's Alpha가 됩니다. 일부 분할은 두 개의 더 밀접하게 평행한 반쪽을 생성한다는 점에서 다른 분할보다 더 나을 것이고 평행한 반쪽 간의 신뢰도가 아마도 기기의 신뢰도에 대한 가장 적절한 추정치일 것이므로 Cronbach의 알파는 종종 내부 일관성에 대한 비교적 보수적인 추정치로 간주됩니다. 시험.

                      다음은 계수 알파 또는 Cronbach's Alpha를 계산하기 위한 SAS 프로그램입니다. PROC CORR 프로시저의 옵션입니다. SAS에서 ONE이라는 WORK 데이터 세트에 대해 x1-x10에 대한 내부 일관성 또는 계수 알파 또는 Cronbach의 알파를 원한다고 가정하면 구문은 다음과 같습니다.

                      계수 알파를 계산할 때 고려해야 할 최소한 세 가지 중요한 주의 사항이 있습니다.

                      참고 1: "누락된" 값을 처리하는 방법. 성취 테스트에서 누락된 값 또는 도달하지 못한 값은 전통적으로 0 또는 잘못된 것으로 코딩됩니다. CORR 절차는 SAS가 누락을 잘못된 것으로 처리하지 않습니다. 이러한 일이 발생하도록 코드를 작성하는 것은 어렵지 않지만 코드를 작성해야 합니다. 위의 예에서 우리는 다음과 같이 할 수 있습니다:

                      참고 2: CORR 절차에서 NOMISS 옵션 사용. 이것은 위의 Note 1과 관련이 있습니다. 누락된 관찰을 처리하는 또 다른 방법은 CORR 프로시저에서 NOMISS 옵션을 사용하는 것입니다. 구문은 다음과 같습니다.

                      이것의 효과는 이러한 항목 X1-X10 중 하나 이상이 누락된 모든 레코드에 대한 분석에서 모든 항목 X1-X10을 제거하는 것입니다. 분명히 대부분의 검사가 모든 항목을 완료하지 못할 것으로 예상되는 속도 테스트의 경우 성취도 테스트의 경우 이것이 문제가 될 수 있습니다.NOMISS 옵션을 사용하면 모든 항목을 완료한 검사의 하위 집합으로 분석을 제한할 수 있으며 내부 일관성 신뢰성 추정치를 설정하려는 경우 관심 모집단이 아닌 경우가 많습니다.

                      이 문제를 해결하기 위한 한 가지 일반적인 접근 방식은 레코드를 포함하기 위해 시도해야 하는 여러 항목을 정의하는 것입니다. SF-36과 같은 일부 건강 상태 측정에는 척도를 정의하기 위해 항목의 최소 50%가 응답되어야 한다는 채점 규칙이 있습니다. 항목의 절반 미만을 시도하면 척도가 해석되지 않습니다. 척도가 유효한 것으로 간주되면 해당 척도의 모든 결측값은 해당 척도의 결측되지 않은 항목의 평균으로 대체됩니다. 이 채점 알고리즘을 구현하기 위한 SAS 코드는 척도가 10개 항목이 있다는 가정 하에 아래에 요약되어 있습니다.

                      결측값 수가 전체 항목 수의 절반보다 크지 않은 경우 모든 결측값을 결측값이 아닌 값의 평균으로 바꾸면 Cronbach의 알파가 부풀려집니다. 더 나은 접근 방식은 레코드의 50% 미만이 완료된 고려 레코드에서 제거하고 나머지 레코드는 그대로 두고 누락된 값은 그대로 두는 것입니다. 즉, 위의 첫 번째 IF 문을 구현하지만 제거하려면 ELSE IF 절을 선택한 다음 NOMISS 옵션 없이 PROC CORR을 실행합니다. 결론: 일반적으로 PROC CORR의 NOMISS 옵션, 특히 ALPHA 옵션은 신중하게 고려해야 합니다.

                      참고 3: 세트의 모든 항목이 같은 방향으로 코딩되었는지 확인하십시오. 0/1(잘못된/올바른) 코딩이 이에 대한 문제는 거의 없지만, Likert 또는 척도에서 2점 이상인 다른 척도의 경우 척도가 일정하게 유지되는 것은 드문 일이 아닙니다(예: 매우 동의함, 동의함, 동의하지 않음 , 매우 동의하지 않음), 그러나 척도의 적절한 해석을 뒤집는 질문의 표현. 예를 들어,

                      분명히 두 질문은 같은 척도에 있지만 끝점의 의미는 반대입니다.

                      SAS에서 이 문제를 조정하는 방법은 척도를 코딩할 방향을 선택하는 것입니다. 해당 항목은 SA가 사회 보장 시스템에 대해 부정적(또는 긍정적)으로 반영했습니다. 위의 예에서 Q1에 대한 SA는 사회 보장 시스템과 관련하여 부정적인 위치이므로 결정이 확장될 경우 역 스케일되어야 SA가 긍정적인 태도를 의미합니다.

                      4점 리커트 척도의 코딩이 SA-0, A-1, D-2, SD-3인 경우 항목은 다음과 같이 역 척도화됩니다.
                      Q1 = 3-Q1, 이런 식으로 0은 3-0 = 1이 됩니다. 1은 3-1 = 2가 되고 2는 3-2 = 1이 되고 3은 3-3 = 0이 됩니다.

                      4점 리커트 척도의 코딩이 SA-1, A-2, D-3, SD-4인 경우 항목은 다음과 같이 역 척도화됩니다.
                      Q1 = 5-Q1, 이런 식으로 1은 5-1 = 4가 됩니다. 2는 5-2 = 3이 됩니다. 3은 5-3 = 2가 되고 4는 5-4 = 1이 됩니다.

                      이전 예에서 항목 X1, X3, X5, X7 및 X9가 내부 일관성 추정치를 계산하기 전에 역 스케일링되어야 하는 경우 다음 SAS 코드가 작업을 수행합니다. 1-4득점으로 위.

                      ALPHA 옵션이 있는 PROC CORR의 일부 출력(예: 항목과 총계의 상관 관계 및 척도의 일부가 아닌 각 개별 항목이 있는 척도에 대한 내부 일관성 추정값)은 다음을 수행해야 하는 매우 유용한 진단을 제공한다는 점에 유의해야 합니다. 역 스케일링을 고려할 때 제대로 작동하지 않는 항목이나 놓친 항목에 대해 연구원에게 경고합니다. 총계와 음의 상관관계가 있는 항목은 일반적으로 역 배율을 조정해야 하거나 제대로 구성되지 않습니다.

                      추가 읽을거리:
                      Feldt L. 및 R. Brennan, 신뢰성, in 교육 측정, Linn R. (Ed.), 105-146, 1989, Macmillian Publishing Company.

                      평가자 간 신뢰성

                      설문 조사 면접관 간의 평가자 간 신뢰도는 거의 계산되지 않습니다. 다른 면접관이 일반적으로 응답자에게 동일한 질문을 하지 않고 다른 면접관이 인터뷰한 응답자 그룹을 항상 비교할 수 있는 것은 아니기 때문입니다. 특히 개인 면접 설문조사에서 면접관은 구성적으로 크게 다른 도시나 지역의 다른 지역에 배정될 수 있습니다. 그러나 설문 조사 설계자는 연구를 시작하기 전에 면접관의 성과에 무작위 변동을 일으킬 수 있는 요인을 고려하고 이러한 변동 원인을 최대한 줄이기 위해 교육 및 현장 절차를 표준화해야 합니다.

                      참고 자료 및 추가 참고 자료:
                      Aday L., 건강 설문 조사 설계 및 수행: 종합 안내서, Jossey-Bass Publishers, CA, 1996.

                      도구성 이론

                      두 개의 해당 항목이 평가되는 차원과 해당 항목의 짝인 "원가"라고 하는 해당 주제의 상대적 중요도에 교차 곱한 다음 이러한 모든 쌍에 걸쳐 합산된 다음 해당 쌍의 수로 나뉩니다. 이 절차는 상대적 중요도에 따라 가중치를 부여한 각 항목의 합계인 가중치 점수를 제공합니다. 평균 가중치 점수가 높을수록 주제의 전반적인 중요도와 등급이 높아집니다. 이 기술은 여기에서 두 가지 문제, 즉 만족 또는 준비가 고려되고 있기 때문에 호평을 받았습니다. . . 누군가가 있고 그 주제가 그들에게 얼마나 중요한지. 이 접근법은 퇴사에 영향을 미치는 요인, 직무 만족도, 관리 행동 등과 같은 다변수 문제에 적용되었습니다.

                      참고 자료 및 추가 참고 자료:
                      Korn, Graubard, 건강 설문 조사 분석, Wiley, 1999.

                      가치 측정 측량 도구: Rokeach의 가치 조사

                      인류학자들은 전통적으로 특정 사회 구성원의 행동을 관찰하고 그러한 행동에서 사회의 지배적이거나 근본적인 가치를 추론해 왔습니다. 그러나 최근에는 설문조사를 통해 직접 값을 측정하는 방식으로 점차 변화하고 있다. 연구자들은 가치 도구라고 하는 데이터 수집 도구를 사용하여 사람들에게 자유, 안락함, 국가 안보 및 평화와 같은 기본적인 개인 및 사회적 개념에 대해 어떻게 느끼는지 묻습니다.

                      사람들의 가치와 소비자로서의 행동 사이의 관계에 대한 연구는 아직 초기 단계입니다. 그러나 표준화된 가치 도구가 제공되기 전에는 효과적으로 탐색할 수 없었던 광범위한 인간 행동을 활용하기 때문에 더 많은 관심을 받게 될 영역입니다.

                      소비자 행동 연구에 사용된 인기 있는 가치 도구 로키치 가치 조사(RVS) . 이 자체 관리 가치 목록은 두 부분으로 나뉘며 각 부분은 서로 다르지만 보완적인 개인 가치 유형을 측정합니다. 첫 번째 부분은 존재의 최종 상태(즉, 개인 목표)의 상대적 중요성을 측정하도록 설계된 18개의 최종 가치 항목으로 구성됩니다. 두 번째 부분은 기본 접근 방식과 개인이 최종 상태 값에 도달하기 위해 취할 수 있는 18개의 도구적 가치 항목으로 구성됩니다. 따라서, 측정 도구의 전반부는 목적을 다루고 후반부는 수단을 고려합니다. .

                      항목이 Likert 형식을 수용하도록 수정되지 않은 경우 응답자는 각 RVS 값이 보유하는 개인적 중요성의 정도를 "매우 중요하지 않음"에서 "매우 중요함"으로 표시하도록 요청받은 후 표준 Likert 척도가 다음으로 주어집니다. 각 RVS 값에. 일부 응용 프로그램은 예를 들어 5점 척도를 사용한 다음 각 목록이 이미 평가된 후 상위 3개 RVS 값의 순위를 지정하여 말뚝을 수정하는 데 사용합니다. 많은 경우에 순위가 매겨진 절차에 비해 Likert의 검사-재검사 신뢰도가 약간 낮지만 유의미하지는 않습니다.

                      리커트 형식으로 RVS를 사용하는 것을 선호하는 일반적인 이유는 데이터에 대한 규범적 통계 테스트를 수행할 수 있기 때문입니다. 일부 조건에서 원래의 순위가 지정된 형식으로 크기를 조정합니다.

                      추가 읽을거리:
                      Arsham H., 설문지 디자인 및 설문조사 샘플링, SySurvey: 온라인 설문조사 도구, 2002.
                      Braithwaite V., Beyond Rokeach의 평등 자유 모델: 1차원 세계의 2차원 값, 사회 문제 저널 , 50, 67-94, 1994.
                      Boomsma A., M. Van Duijn 및 T. Snijders, (eds.), 항목 응답 이론에 대한 에세이, Springer Verlag, 2000.
                      Gibbins K., I. Walker, Rokeach 가치 조사에 대한 다중 해석, 사회심리학 저널, 133, 797-805, 1993.
                      Sijtsma K., I. W. Molenaar, Introduction to Nonparametric Item Response Theory, Sage 2002. 매개변수 항목 응답 이론에 대한 대안을 제공합니다. 모켄 척도법과 같은 비모수(서수) 항목 응답 이론입니다.

                      잘못된 조사 설계의 위험과 결과 해석

                      • 계산의 기반이 되는 정보를 선택할 때 매우 주의해야 합니다.
                      • 엄격하게 논리적인 추론만 하는 것.
                      • 누가 이런 말을 합니까?
                      • 그는 왜 그것을 말하는가?
                      • 그가 그것을 말함으로써 무엇을 얻을 수 있습니까?
                      • 그는 어떻게 압니까?
                      • 그가 거짓말을 할 수 있을까?
                      • 질문은 단순해야 합니다
                      • 질문은 명확해야 합니다
                      • 가장 좋은 종류의 질문은 미리 인쇄된 답변에 체크할 수 있는 질문입니다.
                      • 질문은 가능한 한 짧아야 한다
                      • 질문은 관련이 없거나 너무 개인적이어서는 안 됩니다.
                      • 선행 질문을 해서는 안 됩니다. "주도하는 질문"은 답을 제시하는 질문입니다. '현명한 모든 사람들이 XYZ 비누를 사용한다는 데 동의하지 않습니까?'라는 질문은 "예"라는 대답을 제시합니다.
                      • 질문은 논리적인 순서로 들어가도록 설계되어야 합니다. 이렇게 하면 응답자가 그 목적을 이해할 수 있고 결과적으로 답변의 품질이 향상될 수 있습니다.

                      이 사이트는 1994년 2월 18일에 개설되었으며 그 지적 자료는 매년 철저하게 개정되었습니다. 현재 버전은 9판입니다. 모든 외부 링크는 한 달에 한 번 확인됩니다.

                      Arsham 박사의 홈페이지로 돌아가기

                      EOF: Ó 1994-2015.



코멘트:

  1. Normando

    네 진짜로 요. 그것은 나와 함께였습니다. 우리는 이 주제에 대해 소통할 수 있습니다.

  2. List

    What a lovely question

  3. Capek

    당신은 추측 ...

  4. Faber

    당신이 옳지 않습니다. 확실해. 상의하자. PM에 이메일을 보내 주시면 이야기하겠습니다.



메시지 쓰기