Theo Các SAGE Bách khoa toàn thư Khoa học Phương pháp nghiên cứu xã hội ...
[a] hiệu ứng trần xảy ra khi một biện pháp sở hữu giới hạn trên rõ rệt cho các phản ứng tiềm năng và sự tập trung lớn của người tham gia đạt điểm ở hoặc gần giới hạn này. Suy giảm tỷ lệ là một vấn đề phương pháp luận xảy ra bất cứ khi nào phương sai bị hạn chế theo cách này. Ví dụ, hiệu ứng trần có thể xảy ra với thước đo thái độ trong đó điểm cao cho thấy thái độ thuận lợi và phản ứng cao nhất không thể đánh giá tích cực nhất có thể. Giải pháp tốt nhất cho vấn đề hiệu ứng trần là thử nghiệm thí điểm, cho phép xác định sớm vấn đề . Nếu tìm thấy hiệu ứng trần , [và] thước đo kết quả là hiệu suất của nhiệm vụ, nhiệm vụ có thể trở nên khó khăn hơn để tăng phạm vi phản ứng tiềm năng. 1 [nhấn mạnh thêm]
Dường như có rất nhiều các lời khuyên và câu hỏi ( và ở đây ) đối phó với việc phân tích dữ liệu mà hiển thị các hiệu ứng trần tương tự như mô tả trong đoạn trích trên.
Câu hỏi của tôi có thể đơn giản hoặc ngây thơ, nhưng làm thế nào để người ta thực sự phát hiện ra rằng hiệu ứng trần có trong dữ liệu? Cụ thể hơn, giả sử một bài kiểm tra tâm lý được tạo ra và bị nghi ngờ dẫn đến hiệu ứng trần (chỉ kiểm tra trực quan) và sau đó bài kiểm tra được sửa đổi để tạo ra một phạm vi giá trị lớn hơn. Làm thế nào có thể chỉ ra rằng thử nghiệm sửa đổi đã loại bỏ hiệu ứng trần khỏi dữ liệu mà nó tạo ra? Có thử nghiệm nào cho thấy có hiệu ứng trần trong tập dữ liệu a nhưng không có hiệu ứng trần trong tập dữ liệu b ?
Cách tiếp cận ngây thơ của tôi sẽ chỉ là kiểm tra độ lệch phân phối và nếu nó không bị lệch, kết luận rằng không có hiệu ứng trần. Đó có phải là quá đơn giản?
Biên tập
Để thêm một ví dụ cụ thể hơn, giả sử tôi phát triển một công cụ đo lường một số đặc điểm tiềm ẩn x tăng theo tuổi tác nhưng cuối cùng giảm dần và bắt đầu suy giảm ở tuổi già. Tôi tạo phiên bản đầu tiên, có phạm vi 1 1, 14, thực hiện một số thử nghiệm và thấy rằng dường như có thể có hiệu ứng trần (rất nhiều phản hồi ở mức gần 14 nhìn vào dữ liệu. Nhưng tại sao? Có phương pháp nghiêm ngặt nào hỗ trợ cho yêu sách đó không?
Sau đó, tôi sửa lại số đo để có phạm vi 12020 và thu thập thêm dữ liệu. Tôi thấy rằng xu hướng phù hợp hơn với mong đợi của tôi, nhưng làm thế nào để tôi biết rằng phạm vi đo lường đủ lớn. Tôi có cần sửa lại lần nữa không? Trực quan, nó có vẻ ổn, nhưng có cách nào để kiểm tra nó để xác nhận sự nghi ngờ của tôi không?
Tôi muốn biết làm thế nào tôi có thể phát hiện hiệu ứng trần này trong dữ liệu thay vì chỉ nhìn vào nó. Các biểu đồ đại diện cho dữ liệu thực tế, không phải là lý thuyết. Mở rộng phạm vi của công cụ tạo ra sự lan truyền dữ liệu tốt hơn, nhưng liệu đã đủ? Làm thế nào tôi có thể kiểm tra điều đó?
1 Hessling, R., Traxel, N., & Schmidt, T. (2004). Hiệu ứng trần. Trong Michael S. Lewis-Beck, A. Bryman, & Tim Futing Liao (Eds.), Bách khoa toàn thư SAGE về phương pháp nghiên cứu khoa học xã hội . (trang 107). Ngàn Bàu, CA: Sage Publications, Inc. doi: 10,4135 / xà12950589.n102