Descripción general
En esta página, aprenderá sobre los cuatro niveles de datos de medición (nominal, ordinal, intervalo y relación) y por qué son importantes. Vamos a ocuparnos de la parte importante primero.
Conocer el nivel de medición de sus variables es importante por dos razones. Cada uno de los niveles de medición proporciona un nivel de detalle diferente. Nominal proporciona la menor cantidad de detalle, ordinal proporciona la siguiente mayor cantidad de detalle, e intervalo y relación proporcionan la mayor cantidad de detalle.
En una variable de nivel nominal, los valores se agrupan en categorías que no tienen un orden significativo. Por ejemplo, el género y la afiliación política son variables de nivel nominal. A los miembros del grupo se les asigna una etiqueta en ese grupo y no hay jerarquía. Las estadísticas descriptivas típicas asociadas a los datos nominales son frecuencias y porcentajes.
Descubra Cómo ayudamos a Editar sus Capítulos de Tesis
Alinear el marco teórico, recopilar artículos, sintetizar vacíos, articular una metodología y un plan de datos claros y escribir sobre las implicaciones teóricas y prácticas de su investigación son parte de nuestros servicios integrales de edición de tesis.
- Traiga su experiencia en edición de disertación a los capítulos 1-5 de manera oportuna.
- Haga un seguimiento de todos los cambios, luego trabaje con usted para lograr la escritura académica.
- Soporte continuo para abordar los comentarios de los comités, reduciendo las revisiones.
Las variables de nivel ordinal son variables de nivel nominal con un orden significativo. Por ejemplo, a los ganadores de carreras de caballos se les pueden asignar etiquetas de primera, segunda, tercera, cuarta, etc. y estas etiquetas tienen una relación ordenada entre ellas (es decir, la primera es más alta que la segunda, la segunda es más alta que la tercera, y así sucesivamente). Al igual que con las variables de nivel nominal, las variables de nivel ordinal se describen típicamente con frecuencias y porcentajes.
Las variables de nivel de intervalo y relación (también llamadas variables de nivel continuo) tienen más detalles asociados a ellas. Operaciones matemáticas como suma, resta, multiplicación y división se pueden aplicar con precisión a los valores de estas variables. Una variable de ejemplo sería la cantidad de leche utilizada en la receta de galletas (medida en tazas). Esta variable tiene propiedades aritméticas tales que 2 tazas de leche es exactamente el doble de 1 taza de leche. Además, la diferencia entre 1 y 2 tazas de leche es exactamente la misma que la diferencia entre 2 y 3 tazas de leche. Las variables de nivel de intervalo y cociente se describen típicamente utilizando medias y desviaciones estándar.
La segunda razón por la que es importante conocer los niveles de medición es porque las diferentes pruebas estadísticas son apropiadas para variables con diferentes niveles de medición. Por ejemplo, las pruebas de independencia chi-cuadrado son las más apropiadas para los datos de nivel nominal. La prueba U de Mann-Whitney es la más apropiada para una variable dependiente de nivel ordinal y una variable independiente de nivel nominal. Un ANOVA es más apropiado para una variable dependiente de nivel continuo y una variable independiente de nivel nominal. Para saber qué pruebas utilizan qué tipos de variables, descargue el documento técnico gratuito.
Niveles de medición de datos nominales
Una variable nominal es aquella en la que los valores sirven solo como etiquetas, incluso si esos valores son números. Por ejemplo, si queremos categorizar a los encuestados masculinos y femeninos, podríamos usar un número de 1 para hombres y 2 para mujeres. Sin embargo, los valores de 1 y 2 en este caso no representan ningún orden significativo ni tienen ningún significado matemático. Simplemente se usan como etiquetas. Los datos nominales no se pueden usar para realizar muchos cálculos estadísticos, como la media y la desviación estándar, porque tales estadísticas no tienen ningún significado cuando se usan con variables nominales.
Sin embargo, se pueden usar variables nominales para hacer tabulaciones cruzadas. La prueba chi-cuadrado se puede realizar en una tabulación cruzada de datos nominales.
Niveles de medición de datos ordinales
Los valores de las variables ordinales tienen un orden significativo para ellos. Por ejemplo, el nivel de educación (con posibles valores de escuela secundaria, licenciatura y posgrado) sería una variable ordinal. Hay un orden definitivo para las categorías (es decir, graduarse es más alto que pregrado, y pregrado es más alto que la escuela secundaria), pero no podemos hacer ninguna otra suposición aritmética más allá de eso. Por ejemplo, no podemos suponer que la diferencia en el nivel de educación entre pregrado y bachillerato sea la misma que la diferencia entre graduado y pregrado.
Podemos utilizar frecuencias, porcentajes y ciertas estadísticas no paramétricas con datos ordinales. Sin embargo, las medias, las desviaciones estándar y las pruebas estadísticas paramétricas generalmente no son apropiadas para usar con datos ordinales.
Niveles de medición de los datos de la Escala de intervalos
Para las variables de intervalo, podemos hacer suposiciones aritméticas sobre el grado de diferencia entre los valores. Un ejemplo de una variable de intervalo sería la temperatura. Podemos suponer correctamente que la diferencia entre 70 y 80 grados es la misma que la diferencia entre 80 y 90 grados. Sin embargo, las operaciones matemáticas de multiplicación y división no se aplican a las variables de intervalo. Por ejemplo, no podemos decir con precisión que 100 grados es el doble de caliente que 50 grados. Además, las variables de intervalo a menudo no tienen un punto cero significativo. Por ejemplo, una temperatura de cero grados (en escalas Celsius y Fahrenheit) no significa una ausencia completa de calor.
Algunos investigadores tratan las variables medidas con escalas Likert (por ejemplo, con etiquetas como 1 = totalmente en desacuerdo, 2 = en desacuerdo, 3 = neutral, 4 = de acuerdo y 5 = totalmente de acuerdo) como variables de intervalo. Sin embargo, el tratamiento de las respuestas de la escala Likert como datos de intervalo supone que las diferencias entre los puntos de la escala son todas iguales. Es decir, el uso de la escala Likert de 5 puntos como escala de intervalos asume que la diferencia entre estar de acuerdo fuerte y estar de acuerdo es la misma diferencia relativa que entre neutral y estar de acuerdo. Esto a menudo no es una suposición segura, por lo que las respuestas a escala Likert generalmente se tratan mejor como ordinales.
Se puede utilizar una variable de intervalo para calcular medidas estadísticas de uso común, como la media, la desviación estándar y el coeficiente de correlación de Pearson. Muchas otras pruebas y técnicas estadísticas avanzadas también requieren datos de intervalos o proporciones.
Escala de relación Niveles de medición
Todas las operaciones aritméticas son posibles en una variable de relación. Un ejemplo de una variable de relación sería el peso (por ejemplo, en libras). Podemos decir con precisión que 20 libras es el doble de pesado que 10 libras. Además, las variables de relación tienen un punto cero significativo (por ejemplo, exactamente 0 libras significa que el objeto no tiene peso). Otros ejemplos de variables de ratio son las ventas brutas de una empresa,los gastos de una empresa, los ingresos de una empresa, etc.
Una variable de relación se puede utilizar como variable dependiente para la mayoría de las pruebas estadísticas paramétricas, como las pruebas t, las pruebas F, la correlación y la regresión.