áttekintés
ezen az oldalon megismerheti a mérés négy adatszintjét (névleges, sorszám, intervallum és Arány), és miért fontosak. Először foglalkozzunk a fontossággal.
a változók mérési szintjének ismerete két okból fontos. A mérési szintek mindegyike eltérő részletességgel rendelkezik. A névleges adja a legkevesebb részletet, az ordinális adja a következő legnagyobb részletességet, az intervallum és az arány pedig a legtöbb részletet.
egy névleges szintű változóban az értékek olyan kategóriákba vannak csoportosítva, amelyeknek nincs értelmes sorrendje. Például a nemek és a politikai hovatartozás nominális szintű változók. A csoport tagjai egy címkét kapnak a csoportban, és nincs hierarchia. A névleges adatokhoz kapcsolódó tipikus leíró statisztikák a gyakoriságok és a százalékok.
fedezze fel, hogyan segítünk szerkeszteni a dolgozat fejezeteit
az elméleti keret összehangolása, cikkek összegyűjtése, hiányosságok szintetizálása, világos módszertan és adatterv megfogalmazása, valamint a kutatás elméleti és gyakorlati következményeinek írása átfogó disszertációszerkesztő szolgáltatásaink részét képezik.
- hozd értekezés szerkesztési szakértelem fejezetek 1-5 időben.
- Kövesse nyomon az összes változást, majd dolgozzon veled, hogy tudományos írást hozzon létre.
- folyamatos támogatás a Bizottság visszajelzéseinek kezelésére, a revíziók csökkentésére.
a rendes szintű változók névleges szintű változók, értelmes sorrenddel. Például a lóverseny nyertesei az első, a második, a harmadik, a negyedik stb. és ezeknek a címkéknek rendezett kapcsolatuk van közöttük (azaz az első magasabb, mint a második, a második magasabb, mint a harmadik stb.). A nominális szintváltozókhoz hasonlóan az ordinális szintváltozókat is jellemzően frekvenciákkal és százalékokkal írják le.
intervallum és Arány szintű változók (más néven folytonos szintváltozók) a legrészletesebbek. Az olyan matematikai műveletek, mint az összeadás, kivonás, szorzás és osztás pontosan alkalmazhatók ezeknek a változóknak az értékeire. Példa változó lehet A süti receptben felhasznált tej mennyisége (csészékben mérve). Ennek a változónak olyan aritmetikai tulajdonságai vannak, hogy 2 csésze tej pontosan kétszer annyi, mint 1 csésze tej. Ezenkívül az 1 és 2 csésze tej közötti különbség pontosan megegyezik a 2 és 3 csésze tej közötti különbséggel. Az intervallum-és arányszint-változókat általában átlagok és szórások segítségével írják le.
a második ok, amiért fontos tudni a mérési szinteket, az az, hogy különböző statisztikai tesztek megfelelőek a különböző mérési szintű változókhoz. Például a chi-négyzet függetlenségi tesztek a legmegfelelőbbek a névleges szintű adatokhoz. A Mann-Whitney U teszt a legmegfelelőbb egy sorszámos szintfüggő változóhoz és egy névleges szintfüggetlen változóhoz. Az ANOVA a legmegfelelőbb egy folytonos szintfüggő változó és egy névleges szintfüggetlen változó esetében. Hogy megtudja, mely tesztek milyen típusú változókat használnak, kérjük, töltse le az ingyenes fehér könyvet.
névleges mérési Adatszintek
a névleges változó az, amelyben az értékek csak címkeként szolgálnak, még akkor is, ha ezek az értékek számok. Például, ha férfi és női válaszadókat szeretnénk kategorizálni, használhatunk 1-es számot a férfi, és 2-et a nők számára. Az 1-es és 2-es értékek azonban ebben az esetben nem jelentenek értelmes sorrendet, és nem hordoznak matematikai jelentést. Ezeket egyszerűen címkékként használják. A nominális adatok nem használhatók számos statisztikai számítás elvégzésére, mint például az átlag és a szórás, mert ezeknek a statisztikáknak nincs értelme, ha nominális változókkal használják őket.
a névleges változók azonban felhasználhatók kereszttáblázatok elvégzésére. A khi-négyzet teszt elvégezhető a névleges adatok kereszttáblázatán.
ordinális adatok mérési szintek
a ordinális változók értékei értelmes sorrendben vannak. Például az iskolai végzettség (a Középiskola, Az egyetemi diploma és a posztgraduális diploma lehetséges értékeivel) sorszámos változó lenne. A kategóriáknak van egy végleges sorrendje (azaz a diplomás magasabb, mint az egyetemi, és az egyetemi magasabb, mint a középiskola), de ezen túl nem tehetünk más számtani feltételezéseket. Például nem feltételezhetjük, hogy az egyetemi és a középiskolai oktatás közötti különbség megegyezik a diplomás és az egyetemi hallgatók közötti különbséggel.
használhatunk frekvenciákat, százalékokat és bizonyos nem paraméteres statisztikákat sorszámokkal. Az átlagok, a szórások és a paraméteres statisztikai vizsgálatok azonban általában nem megfelelőek a sorszámos adatokkal.
intervallum skála adatok mérési szintek
intervallum változók esetében aritmetikai feltételezéseket tehetünk az értékek közötti különbség mértékéről. Az intervallumváltozóra példa lehet a hőmérséklet. Helyesen feltételezhetjük, hogy a 70 és 80 fok közötti különbség megegyezik a 80 és 90 fok közötti különbséggel. A szorzás és osztás matematikai műveletei azonban nem vonatkoznak az intervallumváltozókra. Például nem mondhatjuk pontosan, hogy 100 fok kétszer olyan meleg, mint 50 fok. Ezenkívül az intervallumváltozóknak gyakran nincs értelmes nulla pontjuk. Például a nulla fokos hőmérséklet (Celsius és Fahrenheit skálán) nem jelenti a hő teljes hiányát.
egyes kutatók a Likert-skálával mért változókat (például olyan címkékkel, mint 1 = határozottan nem ért egyet, 2 = nem ért egyet, 3 = semleges, 4 = egyetért és 5 = határozottan egyetért) intervallumváltozóként kezelik. A Likert-skála válaszainak intervallumadatokként történő kezelése azonban azt a feltételezést hordozza, hogy a skála pontjai közötti különbségek mind egyenlőek. Ez azt jelenti, hogy az 5 pontos Likert-skála intervallumskálaként való használata feltételezi, hogy az erősen egyetértés és az egyetértés közötti különbség ugyanaz a relatív különbség, mint a semleges és az egyetértés között. Ez gyakran nem biztonságos feltételezés, ezért a Likert-skála válaszait általában jobban kezelik sorszámként.
egy intervallumváltozó használható az általánosan használt statisztikai mérések, például az átlag (átlag), a szórás és a Pearson-korrelációs együttható kiszámításához. Sok más fejlett statisztikai teszt és technika szintén intervallum-vagy arányadatokat igényel.
Arány skála adatok mérési szintek
minden aritmetikai művelet lehetséges egy arányváltozón. Az arányváltozóra példa lehet a súly (például fontban). Pontosan elmondhatjuk, hogy 20 font kétszer olyan nehéz, mint 10 font. Ezenkívül az arányváltozók értelmes nulla ponttal rendelkeznek (például pontosan 0 Font azt jelenti, hogy az objektumnak nincs súlya). Az arányváltozók további példái közé tartozik a vállalat bruttó értékesítése, a vállalat kiadásai, a vállalat jövedelme stb.
egy arányváltozó használható függő változóként a legtöbb paraméteres statisztikai teszthez, például a t-tesztekhez, az F-tesztekhez, a korrelációhoz és a regresszióhoz.