home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1992 #20 / NN_1992_20.iso / spool / bit / listserv / statl / 1519 < prev    next >
Encoding:
Text File  |  1992-09-09  |  1.9 KB  |  40 lines
  1. Newsgroups: bit.listserv.stat-l
  2. Path: sparky!uunet!utcsri!torn!cunews!sjones
  3. From: sjones@alfred.carleton.ca (Stan Jones)
  4. Subject: Re: likert scales
  5. Message-ID: <sjones.716044733@cunews>
  6. Sender: news@cunews.carleton.ca (News Administrator)
  7. Organization: Carleton University
  8. References: <STAT-L%92090907195568@VM1.MCGILL.CA>
  9. Date: Wed, 9 Sep 1992 13:18:53 GMT
  10. Lines: 28
  11.  
  12. In <STAT-L%92090907195568@VM1.MCGILL.CA> A716HOX@HASARA11.BITNET (Joop Hox) writes:
  13.  
  14. >uses the simple summated score. Still, there is a psychometric theory behind
  15. >all this which resembles the Thurstone scale. One obvious assumption is that
  16. >all items measure one single underlying factor. Since the reliability
  17. >coefficient alpha measures the common factor saturation some reliability
  18. >analysis is often used in connection with Likert scales. If you do not scale
  19. >the item scores, you cannot assume they are interval scores, and the sum score
  20. >can be considered an interval score only by virtue of its close approximation
  21. >of the more complex original Likert score.
  22.  
  23. From a data theory perspective (Coombs, Young) there is little
  24. difference between the Likert scales and equal-appearing-interval
  25. (Thurstone) scales except the former focuses on subjects and the
  26. latter on items (but both necesarily scale both items and subjects).
  27.  
  28.  
  29. >BTW, as summated score is a sufficient statistic for all the information in
  30. >the item scores only if the Rasch model holds. Since I have never seen real
  31. >data that totally support the Rasch model, I mention this only as a curious
  32. >fact.
  33.  
  34. Likert scales are 'good' for getting a score for each subject - they
  35. are terrible for determining whether they are a good fit to the data.
  36. hence something (such as Rasch, though there are other ways as well)
  37. are necessary.  It is also important, of course, to justify that the
  38. interpretation of the scale (its latent equivalent) is interval,
  39. ordibal, or what.
  40.