问卷测量中视觉模拟量表的应用

学术   2024-09-11 16:00   北京  



滑块选项

在问卷调查中,选项的设定通常非常重要。常见的选择包括李克特量表和视觉模拟量表(Visual Analogue Scale,又称Slider Scale)。李克特量表为每个选择提供相关的语义解释,方便读者进行简单的选择,应用非常广泛,在公众号过往的推送中也介绍了诸多适用于这类量表数据的建模方法。


李克特量表选项 (图源自必威)


滑块选项通常只在首位两端提供了参照点(如下图中的Not at all和Extremely),被试在两端之间选择一点,量表反应通常用百分比来表示(0% - 100%)。参照点的设定可以选择文字表述,也可以选择图像或录音,例如,表情参照物对于测量儿童或不能清楚理解文字表述的人群非常有用。此外,滑块线条可以设置为水平的或纵向的。


图源Haslbeck et al. (2021)

优势

视觉模拟量表的一大优势在于它可以提供更为精细的测量,并且问卷反应为连续的,也方便后续建模。近年来应用这类选项的研究也越来越多,尤其是在密集追踪研究中对情绪等状态进行测量时,这种方式能够相对更精细地捕捉到被试的动态变化。在医学研究中,对于疼痛的精细测量也常常会选择视觉模拟量表。


在应用这种量表时,研究者也无需面对李克特量表应用中的点数选择(如,3点、5点、7点),以及需要为每个选项提供语义解释的问题。此外,通过这种量表所采集的数据是连续的,方便进行后续分析。相比之下,传统的李克特量表产生的数据是有序的,且不同选项之间的距离常常会被默认为一致的进行分析(如计分为1,2,3),但是该假设在实际分析中可能会被违背(比如非常不喜欢和不喜欢之间的差异和不喜欢与中立之间的差异可能是不同的),这些问题为统计分析带来了一定的挑战。

数据分布与模型
滑块数据虽然是连续的,但同时也是有界的(数据位于0和1之间),这样特殊的数据形式使得传统的基于正态分布假设的模型不能很好地反映这类数据 (Noel & Dauvier, 2007)。

为了解决这一问题,Noel和Dauvier (2007)提出可以使用Beta分布来模拟滑块数据的分布形态。Beta分布是一组定义在0和1区间内的连续概率分布,其分布形态如下图所示。如果大家感兴趣的话也可以在这个网站中进一步直观感受Beta分布的形态及其参数的影响:https://homepage.divms.uiowa.edu/~mbognar/applets/beta.html

图源维基百科


Beta分布的形态由两个参数alpha和beta决定,针对这两个参数,研究者构建了基于条目特征参数(δ条目难度参数和τ反应变异性参数)和个人特质水平参数(θ)的函数进行解释:



其中alpha和beta分别反映了对其中一侧选项的倾向,反映数据的期望值可以表示为E() = / ( + )。针对该模型,sirt(Supplementary Item Response Theory Models)软件包中的brm. irf ()函数可以构建项目反应函数,研究者也可以自己撰写stan代码构建该模型。


参考文献


Noel, Y., & Dauvier, B. (2007). A beta item response model for continuous bounded responses. Applied Psychological Measurement, 31 (1), 47–73.



作者:小张

排版:代新宇





(视频课为各期课程直播全程录屏,报名前可联系邮箱hpa201904@163.com核对确认!)


重磅 | 20万字英文学术写作文库笔记正式发布
(赞赏90元,公众号后台发送支付截图+接收邮箱即可)



荷兰心理统计联盟
心理学与管理学研究者的共享学习平台:分享统计方法、软件操作、研究经验、写作发表,及就业求职资料!
 最新文章