Jeśli każdy pojedynczy element w kwestionariuszu jest porządkowy, i nie sądzę, aby można było zakwestionować ten punkt, biorąc pod uwagę, że nie ma możliwości dowiedzenia się, czy różnica ilościowa między „zdecydowanie się zgadzam” a „zgadzam się” jest taka sama, jak między „ zdecydowanie się nie zgadzam ”i„ nie zgadzam się ”, to dlaczego sumowanie wszystkich tych skal poziomu porządkowego dawałoby wartość, która dzieli właściwości prawdziwych danych na poziomie przedziału?
Na przykład, jeśli interpretujemy wyniki z wykazu depresji, nie ma sensu (przynajmniej dla mnie) stwierdzenie, że osoba z wynikiem „20” jest dwa razy bardziej przygnębiona niż osoba z wynikiem „ 10 ”. Wynika to z faktu, że każdy element kwestionariusza nie mierzy rzeczywistych różnic w poziomie depresji (zakładając, że depresja jest stabilnym, wewnętrznym, organicznym zaburzeniem), ale raczej subiektywną ocenę zgodności danej osoby z konkretnym stwierdzeniem. Na pytanie „jak przygnębiony powiedziałbyś, że twój nastrój jest w skali od 1 do 4, przy czym 1 jest bardzo przygnębiony, a 4 wcale nie jest osłabiony”, skąd mam wiedzieć, że subiektywna ocena jednego respondenta równa 1 jest taka sama jak ocena innego respondenta ? Albo skąd mam wiedzieć, czy różnica między 4 a 3 jest taka sama jak różnica między 3 a 4 w odniesieniu do osoby „ Obecny poziom depresji. Jeśli nie znamy tego, to nie ma sensu traktować sumowania wszystkich tych porządkowych pozycji jako danych na poziomie przedziału. Nawet jeśli dane tworzą rozkład normalny, nie uważam za właściwe traktowanie różnic między wynikami jako danych na poziomie przedziału, jeśli zostały one obliczone poprzez zsumowanie wszystkich odpowiedzi na elementy lajtowe. Normalny rozkład danych oznacza po prostu, że odpowiedzi są prawdopodobnie reprezentatywne dla większej populacji; nie oznacza to, że wartości uzyskane z zapasów mają ważne właściwości danych na poziomie przedziałów. Uważam, że właściwe jest potraktowanie różnic między wynikami jako danymi na poziomie przedziału, jeśli zostały one obliczone poprzez zsumowanie wszystkich odpowiedzi na elementy lajtowe. Normalny rozkład danych oznacza po prostu, że odpowiedzi są prawdopodobnie reprezentatywne dla większej populacji; nie oznacza to, że wartości uzyskane z zapasów mają ważne właściwości danych na poziomie przedziałów. Uważam, że właściwe jest potraktowanie różnic między wynikami jako danymi na poziomie przedziału, jeśli zostały one obliczone poprzez zsumowanie wszystkich odpowiedzi na elementy lajtowe. Normalny rozkład danych oznacza po prostu, że odpowiedzi są prawdopodobnie reprezentatywne dla większej populacji; nie oznacza to, że wartości uzyskane z zapasów mają ważne właściwości danych na poziomie przedziałów.
Musimy być ostrożni w naukach behawioralnych o tym, w jaki sposób wykorzystujemy statystyki do przemawiania do badanych zmiennych utajonych, ponieważ ponieważ nie ma bezpośredniego sposobu pomiaru tych hipotetycznych konstrukcji, pojawią się znaczące problemy, gdy spróbujemy skwantyfikować je do testów parametrycznych. Ponownie, po prostu dlatego, że przypisaliśmy wartości do zestawu odpowiedzi, nie oznacza, że różnice między tymi wartościami są znaczące.