Quiero entender cuál sería la mejor manera de analizar los resultados de una clasificación de imágenes en escala Likert en línea en 3 dimensiones. Tengo 3 grupos de participantes de diferentes países. No son iguales. Ya ingresé los datos en SPSS, pero ahora me pregunto cuál sería la forma adecuada de manejar los datos.
Sin saber más, me imagino que podrías hacer un ANOVA mixto de 3 x 3 con tres niveles para el factor "dimensión" dentro de los sujetos, tres niveles para el "grupo" del factor entre sujetos. Todo esto se basa en la idea de que cada dimensión se clasifica en la misma escala.
Los tamaños de grupo desiguales normalmente no serán un problema importante. La consideración importante es que tenga suficiente tamaño de muestra en cada grupo para darle una precisión razonable. Dicho esto, podría ser más algo en lo que pensar si tiene variaciones de grupo desiguales.
También hay mucha discusión sobre si puede analizar escalas de Likert o elementos de tipo Likert utilizando enfoques de modelos lineales como ANOVA mixto. Tal vez ver algunas de estas discusiones . En general, si cada variable es la media de varios elementos, entonces debería preocuparse menos por usar el modelo lineal. Si se trata de elementos únicos de tipo Likert, es posible que haya una pequeña cantidad de imprecisión en los valores de p. Esto puede ser un problema particular si tiene problemas de efecto de piso o techo.
Aquí hay un tutorial sobre ANOVA mixto en SPSS .
Una escala de calificación no es necesariamente una escala de Likert. Parece que tiene una calificación única para cada imagen en cada dimensión, pero podría estar equivocado. Se necesitarían más detalles para un mejor asesoramiento y el comentario de Ana debería ser respondido en su pregunta.
Lo mejor sería hacer un modelo de enlace acumulativo de varios niveles (regresión ordinal de varios niveles). Puede incluir el tema y la imagen como variables aleatorias. Vea el paquete ordinal en R. Las viñetas serán muy útiles.
Tenga en cuenta que con las imágenes también tiene problemas de variación y generalización a nivel de elemento con los que también luchan las personas que investigan sobre palabras. Incluso si puede obtener datos razonablemente atractivos para su análisis que satisfagan un ANOVA, tendrá que considerar problemas de efectos aleatorios y fijos tanto de las personas como de las imágenes. El modelado multinivel puede incluir ambos y evitar el tipo de aros de retazos que se requieren con ANOVA. Por lo tanto, independientemente de si tiene una verdadera escala de Likert y cumple con los requisitos para tratar las respuestas de forma continua o si debe tratarlas como datos ordinales, el modelado multinivel es su mejor opción.
Ana
Dana Sugu