Zum Beispiel könnte ich die Teilnehmer bitten, eine visuelle Analogskala für Schmerzen auszufüllen. Sie würden eine 100 mm lange Linie erhalten, an deren einem Ende 0 (kein Schmerz) und am anderen Ende 100 (stärkster Schmerz) steht. Der Teilnehmer wird gebeten, mit einem Bleistift oder Kugelschreiber eine Markierung auf der Linie zu machen, um sein Schmerzniveau einzuschätzen. Ich würde dann ein Lineal verwenden, um die Entfernung vom Ursprung zu messen. ZB wie viele Millimeter es vom Anfang der Linie entfernt ist (dh Null).
Das Problem ist, dass die Leute oft keine Markierung wie ein x auf der Linie platzieren, sondern einen Teil der Linie umkreisen oder stattdessen ein Häkchen (Häkchen) setzen. Ich hänge ein Bild der Standardantwort (Teilnehmer 1) an, gefolgt von 5 möglichen Szenarien, in denen die Antwort mehrdeutig ist (Teilnehmer 2 bis 7), daher habe ich es als fehlende Daten/leer gelassen. Sollten diese aus dem Datensatz ausgeschlossen werden (als fehlende Daten kodiert) oder können einige von ihnen gerettet werden?
Zur Erklärung: In Nummer 2) ist die Linie sehr groß, also gibt es keine Stelle, an der sie die horizontale Linie schneidet (normalerweise muss sie auf den nächsten mm genau sein).
Teilnehmer 3) hat einen Kreis auf der Linie platziert, daher ist es schwierig zu sagen, wo auf der Linie er gemeint ist. Teilnehmer Nummer 4) hat eine der Zahlen am Ende eingekreist. Kann ich sicher sein, dass sie 0 meinten? Teilnehmer 7 ist eine Variation davon.
Teilnehmer 5) hat ein Häkchen (Häkchen) unter die Linie gesetzt (oder manchmal setzt er ein Häkchen auf die Linie selbst). An welchem Teil der Zecke messe ich?
Teilnehmer 6) hat bei einer der Zahlen am Ende der Skala ein Häkchen gesetzt. Kann ich sicher sein, dass sie 100 meinten?
Was ist der beste Weg, um Verzerrungen zu minimieren und gleichzeitig die Nutzung der verfügbaren Daten zu maximieren? Alle mögliche Gedanken würden geschätzt.
Ich stimme AliceDs Gedanken voll und ganz zu. Wenn Sie eine große Stichprobe haben, können diese Probleme ein wenig Rauschen hinzufügen, machen aber keinen großen Unterschied (sicherlich nicht die Fälle 2, 3 und 5, da die psychologische Auflösung der Skala wahrscheinlich nicht so genau ist wie das Millimetermaß suggeriert sowieso).
Außerdem: Wenn Sie sichergehen wollen, dass Sie selbst keine systematische Verzerrung einführen, wäre es am klügsten, dies blind gegenüber Bedingungen (falls vorhanden) oder anderen Messgrößen der Studie zu codieren. Auf diese Weise können Sie vermeiden, dass Sie unwissentlich Ihren eigenen Hypothesen helfen.
Ich bin kein Experte für diese Skalen, aber meine 2 Cent wären die folgenden, die einfache Problemumgehungen sind, um alle Daten einzubeziehen:
Die Punkte Nr. 4 und Nr. 6 sind offensichtlich am riskantesten, insbesondere in einer kleinen Population. In einer großen Population (z. B. N = 100) spielen ein paar Ausreißer keine große Rolle. Falls die Studienstichprobe also klein ist, sollten Sie erwägen, unsichere Fälle auszuschließen (Beispiele Nr. 4 und Nr. 6), oder versuchen, die Probanden zu kontaktieren und eine erneute Bewertung vorzunehmen.
m_motte