On using the t-test for assessing association between Likert-scale variables

• Authors: Gamrot Wojciech

Title variants

PL

O wykorzystaniu testu t do badania wspólzależności zmiennych mierzonych na skali Likerta

• Languages of publication: EN

Abstracts

EN

Survey objectives often include assessment of associations among study variables. These variables are sometimes discrete. In particular they may be expressed using the well known Likert scale, where the respondents choose one of several mutually exclusive, predefined responses. In such a case some authors advocate the use of correlation tests dedicated to testing hypotheses about correlation between continuous variables for discrete ones. In this paper, statistical consequences of such an approach are investigated, and resulting problems are illustrated for the well-known t-test based on assumption of bivariate normality.

PL

W badaniach statystycznych często wykorzystywane są pytania zamknięte, na które respondent odpowiada, wybierając jedną z kilku wzajemnie wykluczających się opcji odpowiedzi. Typowym przypadkiem jest wykorzystanie do wyrażenia wartości zmiennych skali Likerta. Równocześnie dość często cel badania stanowi wykrycie współzależności pomiędzy zmiennymi. W niniejszej pracy rozważono konsekwencje kontrowersyjnej praktyki rozpatrywanej w literaturze, polegającej na stosowaniu testu t-Studenta przeznaczonego dla rozkładów ciągłych do badania współzależności pomiędzy zmiennymi dyskretnymi.

Keywords

EN

Correlation; Hypothesis testing; Likert scale; Normality

PL

Korelacja; Normalność; Skala Likerta; Weryfikacja hipotez

• Publisher: Uniwersytet Ekonomiczny w Katowicach
• Journal: Studia Ekonomiczne
• Year: 2019
• Volume: 390
• Pages: 7-17

Contributors

author

Gamrot Wojciech

• University of Economics in Katowice. College of Management. Department of Statistics, Econometrics and Mathematics

References

• Agresti A. (2019), An Introduction to Categorical Data Analysis, Wiley, New York.
• Bartoszyński R., Niewiadomska-Bugaj M. (2008), Probability and Statistical Inference, Wiley, Hoboken.
• Drasgow N. (1986), Polychoric and Polyserial Correlations [in:] S. Kotz, N.L. Johnson (eds.), Encyclopedia of Statistical Sciences, Vol. 7, Wiley, New York, p. 68-74.
• Galton F. (1886), Regression Towards Mediocricity in Hereditary Stature, “Journal of the Anthropological Institute of Great Britain and Ireland”, Vol. 15, p. 246-263.
• Goodman L.A., Kruskal W.H. (1979), Measures of Association for Cross Classifications, Springer, New York.
• Jóźwiak J., Podgórski J. (1995), Statystyka od podstaw, PWE, Warszawa.
• Likert R. (1932), A Technique for Measurement of Attitudes, “Archives of Psychology”, Vol. 22, No. 140, p. 5-55.
• Murray J. (2013), Likert Data: What to Use, Parametric or Non-Parametric?, “International Journal of Business and Social Science”, Vol. 4, No. 11, p. 258-264.
• Norman G. (2010), Likert Scales, Levels of Measurement and the “Laws” of Statistics, “Advances in Health Sciences Education”, Vol. 15, No. 5, p. 625-632.
• Pearson K. (1895), Notes on Regression and Inheritance in the Case of Two Parents, “Proceedings of the Royal Society of London”, Vol. 58, p. 240-242.
• Stigler S.M. (1989), Francis Galton’s Account of the Invention of Correlation, “Statistical Science”, Vol. 4(2), p. 73-79.
• Sullivan G.M., Artino A.R. (2013), Analysing and Interpreting Data From Likert-Type Scales, “Journal of Graduate Medical Education”, Vol. 5, No. 4, p. 541-542.
• Willits F.K., Theodori G.L., Luloff A.E. (2016), Another Look at Likert Scales, “Journal of Rural Social Sciences”, Vol. 31, No. 3, p. 126-139.
• Zeliaś A. (2000), Metody statystyczne, PWE, Warszawa.

Identifiers

ISSN

2083-8611