مقیاس های نگرش – مقیاس های رتبه بندی برای اندازه گیری داده ها

تکنیک های مقیاس بندی برای اندازه گیری داده های جمع آوری شده از پاسخ دهندگان

اصطلاح مقیاس بندی به تلاش هایی برای سنجش عینی نگرش اطلاق می شود. نگرش حاصل تعدادی از عوامل بیرونی و درونی است. بسته به نگرش مورد اندازه گیری، مقیاس های مناسب طراحی می شود. مقیاس‌بندی تکنیکی است که برای سنجش پاسخ‌های کیفی پاسخ‌دهندگان مانند پاسخ‌های مربوط به احساسات، ادراک، دوست‌داشتن، دوست نداشتن، علایق و ترجیحات آنها استفاده می‌شود.

انواع ترازو

ترازوهای پرکاربرد

1. مقیاس اسمی
2. مقیاس ترتیبی
3. مقیاس فاصله
4. مقیاس نسبت

مقیاس های خود رتبه بندی

1. مقیاس رتبه بندی گرافیکی
2. مقیاس های رتبه بندی موردی
   1. مقیاس لیکرت
   2. مقیاس تفاضلی معنایی
   3. مقیاس استاپل
   4. مقیاس بندی چند بعدی
   5. ترازوی تورستون
   6. مقیاس گاتمن/تحلیل اسکالوگرام
   7. تکنیک Q Sort

برای تحقیقات بازاریابی معمولا از چهار نوع مقیاس استفاده می شود .

1. مقیاس اسمی

   این یک مقیاس بسیار ساده است. این شامل تخصیص حقایق/انتخابها به مقوله های مختلف جایگزین است که معمولاً جامع و متقابلاً منحصر به فرد هستند. این مقیاس ها فقط عددی هستند و کمترین محدودیت را در بین همه مقیاس ها دارند. مواردی از مقیاس اسمی عبارتند از – شماره کارت اعتباری، شماره حساب بانکی، شماره شناسه کارمند و غیره. هنگامی که قرار است رابطه بین دو متغیر مورد مطالعه قرار گیرد، ساده و به طور گسترده استفاده می شود. در مقیاس اسمی اعداد بیش از برچسب نیستند و به طور خاص برای شناسایی دسته های مختلف پاسخ ها استفاده می شوند. مثال زیر نشان می دهد –

   جنسیت شما چیست؟
   [ ] مرد
   [ ] مونث

   مثال دیگر – بررسی فروشگاه‌های خرده‌فروشی در دو بعد – نحوه نگهداری سهام و گردش روزانه.

   در حال حاضر چگونه اقلام را ذخیره می کنید؟
   [ ] بر اساس دسته محصول
   [ ] در یک فروشگاه متمرکز
   [ ] بخش خرد
   [ ] انبار واحد

   گردش مالی روزانه مصرف کننده است؟
   [ ] بین 100 تا 200
   [ ] بین 200 تا 300
   [ ] بالای 300

   یک طبقه بندی دو طرفه را می توان به صورت زیر انجام داد

   روش گردش روزانه / سهام	رده محصولات	بخش عاقلانه	فروشگاه متمرکز	انبار تک
   100 – 200
   200 – 300
   بالای 300

   حالت اغلب برای دسته پاسخ استفاده می شود.

2. مقیاس ترتیبی

   مقیاس های ترتیبی ساده ترین مقیاس سنجش نگرش مورد استفاده در تحقیقات بازاریابی هستند. از این جهت قدرتمندتر از مقیاس اسمی است که اعداد دارای خاصیت ترتیب رتبه هستند. رتبه‌بندی ویژگی‌ها/مزایای محصول خاص که توسط پاسخ‌دهندگان مهم تشخیص داده می‌شود، از طریق مقیاس به دست می‌آید.

   مثال 1: صفات زیر (1 – 5) را بر اساس اهمیت آنها در اجاق مایکروویو رتبه بندی کنید.

   1. نام شرکت
   2. کارکرد
   3. قیمت
   4. راحتی
   5. طرح

   مهم ترین ویژگی توسط پاسخ دهندگان رتبه 1 و کم اهمیت ترین آن رتبه 5 است. به جای اعداد، حروف یا نمادها نیز می توانند برای رتبه بندی در مقیاس ترتیبی استفاده شوند. چنین مقیاسی هیچ تلاشی برای سنجش میزان مطلوبیت رتبه‌بندی‌های مختلف نمی‌کند.

   مثال 2 – اگر 4 نوع کود مختلف وجود داشته باشد و اگر بر اساس کیفیت به عنوان درجه A، درجه B، درجه C سفارش داده شود، درجه D مجدداً یک مقیاس ترتیبی است.

   مثال 3 – اگر 5 مارک مختلف پودر Talcom وجود داشته باشد و اگر پاسخ دهنده آنها را بر اساس “تازه بودن” به رتبه 1 با حداکثر تازگی رتبه 2 رتبه دوم حداکثر تازه بودن و غیره رتبه بندی کند، یک مقیاس ترتیبی به دست می آید.

   میانه و حالت برای مقیاس ترتیبی معنادار هستند.

3. مقیاس فاصله

   در اینجا فاصله بین دسته های مختلف بر خلاف اسمی، یا اعداد بر خلاف ترتیبی، در مورد مقیاس های فاصله ای برابر است. مقیاس های فاصله ای نیز به عنوان مقیاس های رتبه بندی نامیده می شوند. یک مقیاس فاصله ای دارای یک نقطه صفر دلخواه است که اعداد بیشتری در فواصل مساوی قرار می گیرند. یک مثال بسیار خوب از مقیاس فاصله، دماسنج است.

   تصویر 1 – یخچال فعلی خود را برای کیفیت های زیر چگونه ارزیابی می کنید.

   نام شرکت	کمتر شناخته شده است	1	2	3	4	5	مشهور – معروف
   کارکرد	تعداد کمی	1	2	3	4	5	زیاد
   قیمت	کم	1	2	3	4	5	بالا
   طرح	فقیر	1	2	3	4	5	خوب
   رضایت کلی	بسیار ناراضی	1	2	3	4	5	بسیار راضی

   چنین مقیاسی به محقق این امکان را می دهد که بگوید موقعیت 5 روی ترازو بالاتر از موقعیت 4 است و همچنین فاصله 5 تا 4 با فاصله 4 تا 3 برابر است. اما چنین مقیاسی نمی تواند نتیجه گیری کند که موقعیت 4 دو برابر قوی تر است. به عنوان موقعیت 2 زیرا هیچ موقعیت صفر ایجاد نشده است. داده‌های به‌دست‌آمده از مقیاس فاصله‌ای را می‌توان برای محاسبه میانگین امتیازات هر یک از ویژگی‌ها بر روی همه پاسخ‌دهندگان استفاده کرد. انحراف استاندارد (معیار پراکندگی) نیز قابل محاسبه است.

4. مقیاس نسبت

   مقیاس های نسبت به طور گسترده در تحقیقات بازاریابی مورد استفاده قرار نمی گیرند، مگر اینکه یک آیتم پایه برای مقایسه در دسترس باشد. در مثال فوق از مقیاس فاصله، نمره 4 در یک کیفیت لزوماً به این معنی نیست که پاسخ دهنده دو برابر بیشتر از پاسخ دهنده ای که نمره 2 را در مقیاس می گیرد، رضایت دارد. یک مقیاس نسبت دارای یک نقطه صفر طبیعی است و اعداد بیشتر در فواصل ظاهری یکسان قرار می گیرند. به عنوان مثال ترازو برای اندازه گیری مقادیر فیزیکی مانند – طول، وزن و غیره.

   مقیاس های نسبت در سناریوهای فیزیکی بسیار رایج هستند. پاسخ های کمی که به صورت تحلیلی مقیاس نسبت را تشکیل می دهند، همه کاره ترین هستند. مقیاس راتی دارای تمام ویژگی‌های یک مقیاس درونی است و نسبت‌های اعداد در این مقیاس‌ها تفسیرهای معناداری دارند. داده‌های مربوط به ویژگی‌های جمعیتی یا توصیفی خاص، اگر از طریق سؤالات باز به‌دست آیند، دارای ویژگی‌های مقیاس نسبت خواهند بود. به سوالات زیر توجه کنید:

   س 1) درآمد سالانه شما قبل از مالیات چقدر است؟ ______ $
   س 2) تئاتر تا خانه شما چقدر فاصله دارد؟ ______ مایل

   پاسخ به این سوالات یک نقطه شروع طبیعی و بدون ابهام دارد، یعنی صفر. از آنجایی که نقطه شروع به طور دلخواه انتخاب نشده است، محاسبه و تفسیر نسبت منطقی است. به عنوان مثال می توان گفت که پاسخ دهنده ای با درآمد سالانه 40000 دلار دو برابر فردی با درآمد سالانه 20000 دلار درآمد دارد.

مقیاس های خود رتبه بندی

1. مقیاس رتبه بندی گرافیکی

   پاسخ دهندگان با قرار دادن یک علامت در موقعیت مناسب روی خطی که از یک انتهای متغیر معیار به دیگری امتداد دارد، اشیا را رتبه بندی می کنند. مثال

   0 (کیفیت پایین)	1 (کیفیت بد)	5 (نه خوب و نه بد)	7 (کیفیت خوب)

   برند 1

   این همچنین به عنوان مقیاس رتبه بندی پیوسته شناخته می شود. مشتری می تواند هر موقعیتی را اشغال کند. در اینجا یک ویژگی، کیفیت قبلی هر برند بستنی است.

   فقیر	خوب

   برند 2

   این خط می تواند عمودی یا افقی باشد و ممکن است نقاط مقیاس ارائه شود. هیچ نشانه دیگری در مقیاس پیوسته وجود ندارد. محدوده ارائه شده است. برای تعیین کمیت پاسخ‌ها به سؤالی که «با گذاشتن علامت تیک در موقعیت مناسب روی خط، نظر کلی شما را در مورد برند یخ 2 نشان می‌دهد»، فاصله فیزیکی بین موقعیت انتهایی سمت چپ و موقعیت پاسخ روی خط را اندازه‌گیری می‌کنیم. هر چه فاصله بیشتر باشد، پاسخ یا نگرش نسبت به برند مطلوب تر است.

   محدودیت آن این است که کدگذاری و تجزیه و تحلیل به زمان قابل توجهی نیاز دارد، زیرا ابتدا باید فواصل فیزیکی را در مقیاس برای هر پاسخ دهنده اندازه گیری کنیم.

2. مقیاس های رتبه بندی موردی

   این مقیاس ها با مقیاس های درجه بندی پیوسته متفاوت هستند. آنها تعدادی توضیحات مختصر مرتبط با هر دسته دارند. آنها به طور گسترده در تحقیقات بازاریابی استفاده می شوند. آنها اساساً به شکل سؤالات دسته بندی چندگانه هستند. رایج ترین آنها عبارتند از – Likert، Sementic، Staple و Multiple Dimension. دیگران عبارتند از – تورستون و گاتمن.

   1. مقیاس لیکرت

      Rensis Likert توسعه داده شد. در اینجا از پاسخ دهندگان خواسته می شود تا درجه ای از موافقت و مخالفت را با هر یک از یک سری اظهارات نشان دهند. هر آیتم مقیاس دارای 5 دسته پاسخ است که از کاملاً موافقم و کاملاً مخالفم است.

      5 کاملا موافقم

      4 موافقم

      3 بی تفاوت

      2 مخالف

      1 به شدت مخالفم

      به هر عبارت یک امتیاز عددی از 1 تا 5 اختصاص داده می شود. همچنین می توان آن را از 2- تا 2 + مقیاس کرد.

      -2

      -1

      0

      1

      2

      به عنوان مثال کیفیت بستنی Mother Diary ضعیف است، سپس Not Good یک جمله منفی است و کاملاً موافقم با این معنی است که کیفیت آن خوب نیست.

      به هر درجه موافقت یک نمره عددی داده می شود و نمره کل پاسخ دهندگان با جمع این نمرات محاسبه می شود. این نمره کل پاسخ دهندگان نظر خاص یک فرد را نشان می دهد.

      مقیاس لیکرت از نوع ترتیبی است، آنها می توانند نگرش ها را رتبه بندی کنند، اما تفاوت بین نگرش ها را اندازه گیری نمی کنند. آنها تقریباً به اندازه مقیاس تورستون برای ایجاد تلاش می کنند و به دلیل طیف وسیع تری از پاسخ ها که معمولاً در مقیاس لیکرت ارائه می شود، متمایزتر و قابل اعتمادتر در نظر گرفته می شوند.

      یک مقیاس لیکرت معمولی دارای 20 تا 30 عبارت است. هنگام طراحی یک مقیاس لیکرت خوب، ابتدا باید مجموعه بزرگی از گزاره‌های مرتبط با اندازه‌گیری نگرش تولید شود و سپس از گزاره‌های ترکیبی، گزاره‌هایی که مبهم و بدون تبعیض هستند حذف شوند.

      بنابراین، مقیاس لیکرت یک مقیاس پنج درجه ای است که از «کاملاً موافق» تا «کاملاً مخالف» است. هیچ شکاف قضاوتی در این روش دخیل نیست.

   2. مقیاس تفاضلی معنایی

      این یک مقیاس هفت نقطه ای است و نقاط انتهایی مقیاس با برچسب های دوقطبی مرتبط است.

      1 ناخوشایند مطیع

      2

      3

      4

      5

      6

      7 خوشایند غالب

      فرض کنید می خواهیم شخصیت یک فرد خاص را بشناسیم. ما گزینه هایی داریم –

      1. ناخوشایند/تسلیم کننده
      2. خوشایند / غالب

      دو قطبی به معنای دو جریان مخالف است. هر فرد می تواند بین 1 تا 7 یا -3 تا 3 امتیاز بگیرد. بر اساس این پاسخ ها پروفایل ها ساخته می شوند. می توانیم برای دو یا سه محصول آنالیز کنیم و با عضویت در این پروفایل ها آنالیز پروفایل بدست می آوریم. بسته به تعداد متغیرها می تواند هر شکلی به خود بگیرد.

      تجزیه و تحلیل مشخصات

      —————/
      ————————-/—— ———————
      /———————-

      برای مقایسه از میانگین و میانه استفاده می شود. این مقیاس به تعیین شباهت ها و تفاوت های کلی بین اشیا کمک می کند.

      هنگامی که از مقیاس تفاضلی معنایی برای توسعه یک نمایه تصویر استفاده می شود، مبنای خوبی برای مقایسه تصاویر دو یا چند آیتم فراهم می کند. مزیت بزرگ این مقیاس سادگی آن است، در حالی که نتایج را در مقایسه با روش های مقیاس بندی پیچیده تر ایجاد می کند. این روش آسان و سریع است، اما به تفاوت های کوچک در نگرش نیز حساس است، بسیار همه کاره، قابل اعتماد و به طور کلی معتبر است.

   3. مقیاس استاپل

      توسط Jan Stapel توسعه داده شد. این مقیاس دارای چند ویژگی متمایز است:

      1. هر مورد فقط یک کلمه/عبارت دارد که ابعادی را که نشان می دهد نشان می دهد.
      2. هر مورد دارای ده دسته پاسخ است.
      3. هر مورد دارای تعداد زوج دسته بندی است.
      4. دسته‌های پاسخ دارای برچسب‌های عددی هستند اما برچسب‌های کلامی ندارند.

       

      به عنوان مثال، در موارد زیر، فرض کنید برای کیفیت بستنی، از پاسخ دهندگان می خواهیم که از 5+ تا 5- رتبه بندی کنند. برای کلماتی که بستنی را به بهترین شکل توصیف می کند، یک عدد مثبت انتخاب کنید. برای کلماتی که فکر می کنید کیفیت بستنی را به درستی توصیف نمی کنند، یک عدد منهای انتخاب کنید. بنابراین، می‌توانیم هر عددی را از 5+، برای کلماتی که فکر می‌کنیم بسیار دقیق هستند، تا -5، برای کلماتی که فکر می‌کنیم بسیار نادرست هستند، انتخاب کنیم. این مقیاس معمولا به صورت عمودی ارائه می شود.

      +5
      +4
      +3
      +2
      +1
      کیفیت بالا
      -1
      -2
      -3
      -4
      -5

      این یک مقیاس رتبه بندی تک قطبی است.

   4. مقیاس بندی چند بعدی

      این شامل گروهی از تکنیک های تحلیلی است که برای مطالعه نگرش های مصرف کننده مرتبط با ادراکات و ترجیحات استفاده می شود. برای مطالعه استفاده می شود –

      1. ویژگی های اصلی یک دسته معین از محصولات که توسط مصرف کنندگان در بررسی محصول درک می شود و رتبه های مختلف را با آن مقایسه می کنند.
      2. برای مطالعه اینکه کدام برند مستقیماً با یکدیگر رقابت می کند.
      3. برای اینکه بفهمیم آیا مصرف کنندگان یک برند جدید با ترکیبی از ویژگی هایی که در بازار یافت نمی شود می خواهند.
      4. ترکیب ایده آل مصرف کنندگان از ویژگی های محصول چه خواهد بود.
      5. چه پیام های فروش و تبلیغاتی با تصورات برند مصرف کنندگان سازگار است.

       

      این یک تکنیک مبتنی بر کامپیوتر است. از پاسخ دهندگان خواسته می شود که مارک های مختلف را در گروه های مختلف مانند مشابه، بسیار مشابه، غیر مشابه و غیره قرار دهند. خوبی تناسب با تعداد زیادی از ویژگی ها مبادله می شود. سپس شاخص عدم تناسب توسط برنامه کامپیوتری محاسبه می شود. هدف یافتن تعداد معقول کمی از ابعاد است که بیشتر تنش را از بین ببرد. پس از ایجاد پیکربندی برای ترجیح مصرف کننده، مرحله بعدی تعیین اولویت با توجه به محصول مورد مطالعه است. این تکنیک‌ها تلاش می‌کنند ویژگی‌های محصول را که برای مصرف‌کنندگان مهم هستند شناسایی کرده و اهمیت نسبی آنها را اندازه‌گیری کنند.

      این مقیاس بندی شامل یک فرض غیر واقعی است که مصرف کننده ای که مارک های مختلف را مقایسه می کند، تفاوت ها را تنها بر اساس یک ویژگی درک می کند. به عنوان مثال، ویژگی های عضویت در دوره M.Com چیست. پاسخ ها ممکن است – انجام PG، رفتن به خط تدریس، کسب دانش، ظاهر شدن در NET باشد. تعدادی ویژگی وجود دارد، شما نمی توانید تصمیم را تنها بر اساس یک ویژگی قرار دهید. بنابراین، هنگامی که مصرف کنندگان بین برندها انتخاب می کنند، تصمیم خود را بر اساس ویژگی های مختلف قرار می دهند. در عمل، ادراکات مصرف‌کنندگان شامل ویژگی‌های متفاوتی است و هر مصرف‌کننده‌ای هر برند را به‌عنوان ترکیبی از تعدادی ویژگی مختلف درک می‌کند. این نقص این مقیاس است.

      هر زمان که از بین تعدادی گزینه انتخاب می کنیم، به سراغ مقیاس بندی چند بعدی برویم. استفاده‌های احتمالی زیادی از چنین مقیاس‌بندی مانند تقسیم‌بندی بازار، چرخه عمر محصول، ارزیابی فروشنده و انتخاب رسانه تبلیغاتی وجود دارد.

      محدودیت این مقیاس این است که تعریف واضح مفهوم شباهت ها و ترجیحات دشوار است. در ادامه فاصله بین آیتم ها متفاوت دیده می شود

   5. ترازوی تورستون

      اینها همچنین به عنوان مقیاسهای فاصله ظاهری برابر شناخته می شوند. آنها برای اندازه گیری نگرش نسبت به یک مفهوم یا سازه استفاده می شوند. برای این منظور تعداد زیادی گزاره جمع آوری شده است که به مفهوم یا سازه مورد اندازه گیری مربوط می شود. داوران این اظهارات را در یک مقیاس 11 دسته ای ارزیابی می کنند که در آن هر دسته درجه متفاوتی از مطلوبیت را نسبت به مفهوم بیان می کند. سپس آیتم ها بر اساس میانگین یا میانه رتبه های تعیین شده توسط داوران رتبه بندی می شوند و برای ساختن پرسشنامه بیست تا سی گویه ای استفاده می شوند که کم و بیش به طور مساوی در طیف رتبه بندی ها انتخاب شده اند.

      گزاره ها به گونه ای بیان می شوند که فرد بتواند با آنها موافق یا مخالف باشد. سپس این مقیاس برای جمع آوری پاسخ دهندگانی که نمرات آنها با محاسبه میانگین یا مقدار متوسط ​​اقلام مورد توافق تعیین می شود، اجرا می شود. فردی که با همه موارد موافق نیست نمره صفر دارد. پس مزیت این مقیاس این است که مقیاس اندازه گیری فاصله ای است. اما این روش زمان بر و کار فشرده است. آنها معمولاً در تحقیقات روانشناسی و آموزشی استفاده می شوند.

   6. مقیاس گاتمن/تحلیل اسکالوگرام

      بر اساس این ایده است که آیتم‌ها را می‌توان در امتداد یک امتداد به‌گونه‌ای مرتب کرد که فردی که با یک مورد موافق است یا موردی را قابل قبول می‌بیند، با همه موارد دیگر که موضع کمتر افراطی را بیان می‌کنند نیز موافق است یا قابل قبول می‌بیند. به عنوان مثال – کودکان نباید اجازه تماشای برنامه های زننده را داشته باشند یا دولت باید این برنامه ها را ممنوع کند و یا اجازه پخش از تلویزیون را ندارد. همه آنها به یک جنبه مرتبط هستند.

      در این مقیاس هر نمره نشان دهنده مجموعه ای منحصر به فرد از پاسخ ها است و بنابراین نمره کل هر فرد به دست می آید. این مقیاس برای توسعه زمان و تلاش زیادی را می طلبد.

      آنها در علوم سیاسی، مردم شناسی، افکار عمومی، تحقیقات و روانشناسی بسیار رایج هستند.

   7. تکنیک Q Sort

      برای تشخیص سریع بین تعداد زیادی از اشیاء استفاده می شود. از یک رویه ترتیب رتبه استفاده می کند و اشیاء بر اساس شباهت با توجه به برخی معیارها به انبوه دسته بندی می شوند. تعداد اشیایی که باید مرتب شوند باید بین 60-140 تقریباً باشد. به عنوان مثال، در اینجا ما نه مارک را انتخاب می کنیم. برندها را بر اساس ذائقه به خوش طعم، متوسط ​​و غیر خوش طعم تقسیم بندی می کنیم.

      ما می توانیم بر اساس قیمت نیز طبقه بندی کنیم – کم، متوسط، زیاد. سپس می‌توانیم به این درک مردم دست یابیم که خواه برند ارزان قیمت را ترجیح می‌دهند، خواه با قیمت بالا یا متوسط. می‌توانیم شصت برند را طبقه‌بندی کنیم یا آن را به سه شمع انباشته کنیم. بنابراین تعداد اجسام باید در سه شمع کم، متوسط ​​یا زیاد قرار گیرند.

      بنابراین، تکنیک Q-sort تلاشی برای طبقه‌بندی موضوعات از نظر شباهت آنها به صفت مورد مطالعه است.