Hola,
Estoy diseñando un experimento de elección y antes de recopilar respuestas quiero comprobar si sería útil preguntar a los encuestados cuánto prefieren una opción sobre otra, como porcentaje.
Por ejemplo, si un encuestado elige la opción 1 sobre la opción 2, podría preguntarle: "como porcentaje, ¿cuánto más prefiere la opción 1 sobre la opción 2?" ¿Sería útil recopilar esta ponderación asociada con la elección? De ser así, ¿hay alguna manera de incluirla en la plataforma del modelo Choice? He visto que hay una opción de columna "Peso" en la sección Datos de respuesta de la plataforma Choice Model.
Muchas gracias,
alicia
Supongamos que en una respuesta se elige la opción 1. Si el porcentaje, digamos 200 % (2,0), en la respuesta se ingresa en "Peso", no significa que la Opción 1 sea 100 % más preferida que la Opción 2. Significa que hay 2 respuestas, elija la Opción 1. Al igual que la persona que envió esa respuesta votó por la Opción 1 dos veces. No hay información de comparación sobre la opción 2 que se ingresa.
Con base en esa comprensión de lo que hace "Peso", la información porcentual podría ingresar al análisis construyendo los datos de esta manera:
1) Duplique la respuesta, pero cambie la opción de copia a la opción opuesta, la opción 2 en este caso.
2) Establezca un peso para la respuesta original. Para este ejemplo, debería ser proporcional al 200%.
3) Establezca un peso para la respuesta copiada. Para este ejemplo, debería ser proporcional al 100%.
De esta manera, estamos creando una situación en la que las respuestas que eligen la Opción 1 son el doble que las respuestas que eligen la Opción 2.
Aviso, dije "proporcional". Porque debemos asegurarnos de que la suma de dos pesos sea una constante para cada par de respuestas que se crean de esta manera. Por ejemplo, si la suma es 300%, debe ser el mismo 300% para todos los pares restantes.
Pero, aquí, para el modelo Choice, ¿qué significa 200% preferido por una sola persona? Uno debe elegir o no elegir. Si los datos no representan firmemente elegir o no elegir, ¿cómo interpretar entonces el modelo resultante?
Estoy de acuerdo con Mark. Ya existen errores de medición debido a la selección subjetiva de una opción sobre otra. Añadir una escala, especialmente una escala de porcentajes donde hay demasiadas opciones, probablemente aumentaría el error de medición.
Es posible que tenga opciones para otras variables de respuesta. Por ejemplo, podría crear una escala ordinal (por ejemplo, Likert) que proporcione una respuesta similar más continua . Aumente la cantidad de opciones a más de 2. ¿Quizás pueda considerar experimentos MaxDiff? Mucho depende del diseño del estudio (por ejemplo, cuáles son las opciones, se pueden organizar los conjuntos de opciones en algún orden racional, qué está tratando de lograr (explicación o predicción), etc.).
