Panoramica
In questa pagina potrete conoscere i quattro livelli di dati di misura (nominale, ordinale, intervallo e rapporto) e perché sono importanti. Affrontiamo prima la parte dell’importanza.
Conoscere il livello di misurazione delle variabili è importante per due motivi. Ciascuno dei livelli di misurazione fornisce un diverso livello di dettaglio. Nominale fornisce la minor quantità di dettaglio, ordinale fornisce la prossima più alta quantità di dettaglio, e intervallo e rapporto forniscono la maggior quantità di dettaglio.
In una variabile di livello nominale, i valori sono raggruppati in categorie che non hanno un ordine significativo. Ad esempio, il genere e l’affiliazione politica sono variabili di livello nominale. Ai membri del gruppo viene assegnata un’etichetta in quel gruppo e non esiste una gerarchia. Le statistiche descrittive tipiche associate ai dati nominali sono frequenze e percentuali.
Scopri come aiutiamo a modificare i capitoli della tua tesi
Allineare il quadro teorico, raccogliere articoli, sintetizzare lacune, articolare una metodologia chiara e un piano dati e scrivere sulle implicazioni teoriche e pratiche della tua ricerca fanno parte dei nostri servizi completi di editing della tesi.
- Portare tesi di editing competenze ai capitoli 1-5 in modo tempestivo.
- Tieni traccia di tutte le modifiche, quindi lavora con te per realizzare la scrittura accademica.
- Supporto continuo per affrontare il feedback del comitato, riducendo le revisioni.
Le variabili di livello ordinale sono variabili di livello nominali con un ordine significativo. Ad esempio, ai vincitori delle corse di cavalli possono essere assegnate etichette di primo, secondo, terzo, quarto, ecc. e queste etichette hanno una relazione ordinata tra di loro (cioè, il primo è superiore al secondo, il secondo è superiore al terzo e così via). Come per le variabili di livello nominale, le variabili di livello ordinale sono tipicamente descritte con frequenze e percentuali.
Le variabili di livello dell’intervallo e del rapporto (chiamate anche variabili di livello continuo) hanno il maggior dettaglio associato ad esse. Operazioni matematiche come addizione, sottrazione, moltiplicazione e divisione possono essere applicate con precisione ai valori di queste variabili. Una variabile di esempio potrebbe essere la quantità di latte utilizzata nella ricetta del biscotto (misurata in tazze). Questa variabile ha proprietà aritmetiche tali che 2 tazze di latte sono esattamente il doppio di 1 tazza di latte. Inoltre, la differenza tra 1 e 2 tazze di latte è esattamente la stessa della differenza tra 2 e 3 tazze di latte. Le variabili di livello dell’intervallo e del rapporto sono tipicamente descritte utilizzando le medie e le deviazioni standard.
La seconda ragione per cui i livelli di misurazione sono importanti è perché diversi test statistici sono appropriati per variabili con diversi livelli di misurazione. Ad esempio, i test di indipendenza del chi-quadrato sono più appropriati per i dati di livello nominale. Il test Mann-Whitney U è più appropriato per una variabile dipendente dal livello ordinale e una variabile indipendente dal livello nominale. Un ANOVA è più appropriato per una variabile dipendente dal livello continuo e una variabile indipendente dal livello nominale. Per sapere quali test utilizzano quali tipi di variabili, scarica il whitepaper gratuito.
Dati nominali Livelli di misurazione
Una variabile nominale è quella in cui i valori servono solo come etichette, anche se tali valori sono numeri. Ad esempio, se vogliamo classificare gli intervistati di sesso maschile e femminile, potremmo usare un numero di 1 per il maschio e 2 per la femmina. Tuttavia, i valori di 1 e 2 in questo caso non rappresentano alcun ordine significativo o portano alcun significato matematico. Sono semplicemente usati come etichette. I dati nominali non possono essere utilizzati per eseguire molti calcoli statistici, come la media e la deviazione standard, perché tali statistiche non hanno alcun significato quando vengono utilizzate con variabili nominali.
Tuttavia, le variabili nominali possono essere utilizzate per eseguire tabulazioni incrociate. Il test chi-quadrato può essere eseguito su una tabulazione incrociata di dati nominali.
Dati ordinali Livelli di misurazione
I valori delle variabili ordinali hanno un ordine significativo per loro. Ad esempio, il livello di istruzione (con possibili valori di scuola superiore, laurea e laurea) sarebbe una variabile ordinale. C’è un ordine definitivo per le categorie (cioè, il laureato è più alto di quello universitario e lo studente è più alto della scuola superiore), ma non possiamo fare altre ipotesi aritmetiche oltre a questo. Ad esempio, non possiamo supporre che la differenza nel livello di istruzione tra laurea e scuola superiore sia la stessa della differenza tra laurea e laurea.
Possiamo usare frequenze, percentuali e alcune statistiche non parametriche con dati ordinali. Tuttavia, i mezzi, le deviazioni standard e i test statistici parametrici non sono generalmente appropriati da utilizzare con i dati ordinali.
Intervallo Scala Livelli di dati di misura
Per le variabili di intervallo, possiamo fare ipotesi aritmetiche circa il grado di differenza tra i valori. Un esempio di una variabile di intervallo sarebbe la temperatura. Possiamo correttamente supporre che la differenza tra 70 e 80 gradi sia la stessa della differenza tra 80 e 90 gradi. Tuttavia, le operazioni matematiche di moltiplicazione e divisione non si applicano alle variabili di intervallo. Per esempio, non possiamo dire con precisione che 100 gradi è due volte più caldo di 50 gradi. Inoltre, le variabili di intervallo spesso non hanno un punto zero significativo. Ad esempio, una temperatura di zero gradi (su scale Celsius e Fahrenheit) non significa una completa assenza di calore.
Alcuni ricercatori trattano variabili misurate con scale Likert (ad esempio, con etichette come 1 = fortemente in disaccordo, 2 = in disaccordo, 3 = neutro, 4 = d’accordo e 5 = fortemente d’accordo) come variabili di intervallo. Tuttavia, il trattamento delle risposte di scala Likert come dati di intervallo presuppone che le differenze tra i punti della scala siano tutte uguali. Vale a dire, l’uso della scala Likert a 5 punti come scala a intervalli presuppone che la differenza tra fortemente d’accordo e d’accordo sia la stessa differenza relativa tra neutro e d’accordo. Questo spesso non è un presupposto sicuro da fare, quindi le risposte di scala Likert sono di solito meglio trattate come ordinali.
Una variabile di intervallo può essere utilizzata per calcolare misure statistiche comunemente utilizzate come la media (media), la deviazione standard e il coefficiente di correlazione di Pearson. Molti altri test e tecniche statistiche avanzate richiedono anche dati di intervallo o rapporto.
Scala del rapporto Livelli di misurazione dei dati
Tutte le operazioni aritmetiche sono possibili su una variabile del rapporto. Un esempio di una variabile di rapporto sarebbe il peso (ad esempio, in sterline). Possiamo dire con precisione che 20 sterline è due volte più pesante di 10 sterline. Inoltre, le variabili di rapporto hanno un punto zero significativo (ad esempio, esattamente 0 libbre significa che l’oggetto non ha peso). Altri esempi di variabili di rapporto includono le vendite lorde di un’azienda, la spesa di un’azienda, il reddito di un’azienda, ecc.
Una variabile di rapporto può essere utilizzata come variabile dipendente per la maggior parte dei test statistici parametrici come t-test, F-test, correlazione e regressione.