Salut,
Je conçois une expérience de choix et avant de recueillir des réponses, je souhaite vérifier s'il serait utile de demander aux répondants dans quelle mesure ils préfèrent un choix plutôt qu'un autre, en pourcentage.
Par exemple, si un répondant choisit le choix 1 plutôt que le choix 2, je pourrais alors lui demander : "en pourcentage, de combien préférez-vous le choix 1 au choix 2 ?" La collecte de cette pondération associée au choix serait-elle utile, et si oui, existe-t-il un moyen de l'inclure dans la plateforme du modèle Choice ? J'ai vu qu'il y avait une option de colonne « Poids » dans la section Données de réponse de la plateforme Choice Model.
Merci beaucoup,
Alicia
Supposons que dans une réponse, le choix 1 soit choisi. Si le pourcentage, disons 200 % (2,0), dans la réponse est saisi dans « Poids », cela ne signifie pas que le choix 1 est 100 % plus préféré au choix 2. Cela signifie qu'il y a 2 réponses choisies pour le choix 1. Tout comme la personne qui a soumis cette réponse a voté deux fois pour le choix 1. Il n’y a aucune information de comparaison sur le choix 2 saisi.
Sur la base de cette compréhension de ce que fait le « Poids », les informations en pourcentage pourraient entrer dans l'analyse en construisant les données comme ceci :
1) Dupliquez la réponse, mais changez le choix de la copie par le choix opposé, Choix 2 dans ce cas.
2) Attribuez un poids à la réponse originale. Pour cet exemple, il doit être proportionnel à 200 %.
3) Définissez un poids pour la réponse copiée. Pour cet exemple, il doit être proportionnel à 100 %.
Nous créons ainsi une situation dans laquelle les réponses qui choisissent le choix 1 sont deux fois plus nombreuses que les réponses qui choisissent le choix 2.
Remarquez, j'ai dit « proportionnel ». Parce que nous devons nous assurer que la somme de deux poids est une constante pour chaque paire de réponses créées de cette manière. Par exemple, si la somme est de 300 %, elle doit être la même pour toutes les paires restantes.
Mais, ici, pour le modèle Choice, que signifie 200 % préféré par une seule personne ? Il faut choisir ou ne pas choisir. Si les données ne représentent pas fermement choisir ou ne pas choisir, comment interpréter alors le modèle résultant ?
Je suis d'accord avec Mark. Il existe déjà des erreurs de mesure dues à la sélection subjective d'un choix par rapport à un autre. L'ajout d'une échelle, en particulier une échelle de pourcentage où il y a trop d'options, augmenterait probablement l'erreur de mesure.
Vous pouvez avoir d'autres options pour d'autres variables de réponse. Par exemple, vous pourriez être en mesure de créer une échelle ordinale (par exemple, Likert) qui donne une réponse similaire plus continue . Augmentez le nombre de choix à plus de 2. Vous pouvez peut-être envisager des expériences MaxDiff ? Beaucoup dépend de la conception de l'étude (par exemple, quels sont les choix, les ensembles de choix peuvent-ils être organisés dans un ordre rationnel, que cherchez-vous à accomplir (explication ou prédiction), etc.).
