数週間前、Research Accessに、パネルからのデータのクリーニングについての記事が掲載されました。 その方法のひとつが、評価尺度で発生する「極端な」回答をすべて取り除くことだった。 もしあなたが、マトリックス評価の質問が多すぎるアンケートを受け取り、最低評価、中間評価、高評価のすべてに無意識にチェックしたことがあるなら、あなたは自分が誰なのか、私が何を言っているのか分かっているはずです。
このことは、決して高い評価をしない人たち、あるいは常に高い評価をする人たちについて、私の心の中にバグをもたらした。彼らは、アンケートに無心で答えていたパネリストと、いろいろな意味で変わらないのです。つまり、彼らの回答は、私たちの判断に役立つ有効な回答であるかどうか疑わしいのです。
そんな時、Jeff Henningのこの記事に出会い、このことを考えているのは自分だけではないのだと気づかされました。 実は、私よりもずっと頭のいい人たちが、このテーマについてたくさん研究し、いくつかの解決策を考え出しましたので、ここでご紹介します。
ヘニングの記事では、実際に文化的反応の偏りについての議論に触れています。 以下は、ヘニングが挙げた、一般的な回答スタイルの偏りを克服するための質問タイプです。
- 二項尺度– 1946年の時点で、リー・ジョセフ・クロンバッハ(クロンバックのアルファで有名)は、回答スタイルのバイアスを最小限に抑えるために、2項目の尺度を使用することを提唱しました:はい/いいえ、同意/反対、不満/満足、記述/記述しない。 これは、基本的に全員がExtreme Response Styleのレスポンダーとして扱われます。
- 選択式質問– 選択肢のリストを提示し、回答者に「該当するものをすべて選択してください」と指示することで、回答者に同意、重要、または不満のある項目を選択するよう促す、バイナリスケールの経済的な形式です。
- ランク付け質問– 従来の回答バイアスを回避するもう一つの方法は、ランク付けスケールを使用することです。スケール上の各選択肢は、最も重要から最も重要でない、最も満足から最も満足でない、最も可能性が高いから最も可能性が低いというように、一度のみ使用できます。
- MaxDiffスケーリング— 最大差分離散選択モデルは、より洗練されたタイプのランキング質問で、通常、一度に4つの属性を表示し、回答者に各セットから最高と最悪の属性(最大差分を持つ属性)を選択するように求めます。 MaxDiffスケーリングは、異文化分析において評価尺度よりも優れていることが研究により証明されています。 (Steve Cohen & Leopoldo Neira, 2003, “Measuring Preference for Product Benefits Across Countries:最大差尺によるスケール利用バイアスの克服“)
教訓アンケートは意思決定のための追加データを提供するものであり、意思決定をするためのものではありません。
つまり、回答者の本音を誤魔化すためにデータを「汚す」ことができるのは、パネルだけではないのです。 回答バイアスは、人間の意見の数だけ形がある。 ここで重要なのは、意思決定は最終的に人間が行うということです。 経営者や事業主は、調査データを判断材料として追加的に利用することができます。「Who Wants to be a Millionaire」の「Ask the audience」オプションのようなものですが、だからといって自分の判断で行わないということではありません。