Oversikt
På denne siden lærer du om de fire datanivåene for måling (nominell, ordinal, intervall og forhold) og hvorfor de er viktige. La oss håndtere betydningen først.
Å Vite målingsnivået for variablene dine er viktig av to grunner. Hvert av målenivåene gir et annet detaljnivå. Nominell gir minst mulig detalj, ordinal gir den nest høyeste detaljmengden, og intervall og forhold gir mest mulig detalj.
i en nominell nivåvariabel grupperes verdier i kategorier som ikke har noen meningsfull rekkefølge. For eksempel er kjønn og politisk tilhørighet nominelle nivåvariabler. Medlemmer i gruppen er tildelt en etikett i denne gruppen, og det er ingen hierarki. Typisk beskrivende statistikk knyttet til nominelle data er frekvenser og prosenter.
Oppdag Hvordan Vi Hjelper Til Med Å Redigere Avhandlingskapitlene Dine
Justere teoretisk rammeverk, samle artikler, syntetisere hull, formulere en klar metodikk og dataplan, og skrive om de teoretiske Og praktiske implikasjonene av forskningen din er en del av våre omfattende avhandlingsredigeringstjenester.
- Ta med avhandlingsredigeringskompetanse til kapittel 1-5 i tide.
- Spor alle endringer, og arbeid med deg for å få vitenskapelig skriving.
- Løpende støtte for å adressere komiteens tilbakemelding, redusere revisjoner.
Ordinære nivåvariabler er nominelle nivåvariabler med en meningsfylt rekkefølge. For eksempel kan hesteveddeløpsvinnere tildeles etiketter av første, andre,tredje, fjerde, etc. og disse etikettene har et ordnet forhold mellom dem (dvs. først er høyere enn andre, andre er høyere enn tredje, og så videre). Som med nominelle nivåvariabler, beskrives ordinære nivåvariabler vanligvis med frekvenser og prosenter.
Intervall-og forholdsnivåvariabler (også kalt kontinuerlige nivåvariabler) har de fleste detaljer knyttet til dem. Matematiske operasjoner som addisjon, subtraksjon, multiplikasjon og divisjon kan brukes nøyaktig til verdiene av disse variablene. Et eksempel variabel ville være mengden melk som brukes i cookie oppskrift (målt i kopper). Denne variabelen har aritmetiske egenskaper slik at 2 kopper melk er nøyaktig dobbelt så mye som 1 kopp melk. I tillegg er forskjellen mellom 1 og 2 kopper melk nøyaktig den samme som forskjellen mellom 2 og 3 kopper melk. Intervall-og forholdsnivåvariabler beskrives vanligvis ved hjelp av midler og standardavvik.
den andre grunnen målenivåer er viktig å vite er fordi ulike statistiske tester er passende for variabler med ulike nivåer av måling. For eksempel er chi-kvadratiske tester av uavhengighet mest hensiktsmessige for nominelle nivådata. Mann-Whitney u-testen er mest hensiktsmessig for en ordinær nivåavhengig variabel og en nominell nivå uavhengig variabel. EN ANOVA er mest hensiktsmessig for en kontinuerlig nivåavhengig variabel og en nominell nivå uavhengig variabel. For å lære hvilke tester som bruker hvilke typer variabler, kan du laste ned gratis whitepaper.
Nominelle Datanivåer
en nominell variabel er en der verdier bare tjener som etiketter, selv om disse verdiene er tall. For eksempel, hvis vi ønsker å kategorisere mannlige og kvinnelige respondenter, kan vi bruke et antall 1 for mannlige og 2 for kvinnelige. Verdiene 1 og 2 i dette tilfellet representerer imidlertid ikke noen meningsfylt rekkefølge eller har noen matematisk betydning. De brukes bare som etiketter. Nominelle data kan ikke brukes til å utføre mange statistiske beregninger, for eksempel gjennomsnitt og standardavvik, fordi slik statistikk ikke har noen betydning når den brukes med nominelle variabler.
nominelle variabler kan imidlertid brukes til å gjøre krysstabuleringer. Chi-kvadrat-testen kan utføres på en krysstabulering av nominelle data.
Ordinære Datanivåer For Måling
verdier av ordinære variabler har en meningsfylt rekkefølge til dem. For eksempel vil utdanningsnivå (med mulige verdier av videregående skole, lavere grad og høyere grad) være en ordinær variabel. Det er en endelig ordre til kategoriene (dvs.utdannet er høyere enn bachelor, og bachelor er høyere enn videregående skole), men vi kan ikke gjøre noen andre aritmetiske forutsetninger utover det. For eksempel kan vi ikke anta at forskjellen i utdanningsnivå mellom grunnskole og videregående skole er den samme som forskjellen mellom utdannet og lavere.
vi kan bruke frekvenser, prosenter og visse ikke-parametriske statistikker med ordinære data. Imidlertid er midler, standardavvik og parametriske statistiske tester generelt ikke hensiktsmessige å bruke med ordinære data.
Intervallskala Data Målenivåer
for intervallvariabler kan vi gjøre aritmetiske antagelser om graden av forskjell mellom verdier. Et eksempel på en intervallvariabel ville være temperatur. Vi kan riktig anta at forskjellen mellom 70 og 80 grader er den samme som forskjellen mellom 80 og 90 grader. De matematiske operasjonene til multiplikasjon og divisjon gjelder imidlertid ikke for intervallvariabler. For eksempel kan vi ikke nøyaktig si at 100 grader er dobbelt så varmt som 50 grader. I tillegg har intervallvariabler ofte ikke et meningsfylt nullpunkt. For eksempel betyr en temperatur på null grader (På Celsius og Fahrenheit skalaer) ikke et komplett fravær av varme.
Noen forskere behandler variabler målt Med Likert-skalaer (for eksempel med etiketter som 1 = sterkt uenig, 2 = uenig, 3 = nøytral, 4 = enig og 5 = sterkt enig) som intervallvariabler. Behandling Av Likert-skala-responser som intervalldata gir imidlertid antagelsen om at forskjellene mellom punkter på skalaen er alle like. Det vil si at bruk av 5-punkts Likert-skalaen som en intervallskala antar at forskjellen mellom sterkt enig og enig er den samme relative forskjellen som mellom nøytral og enig. Dette er ofte ikke en sikker antagelse å gjøre, Så Likert skala svar er vanligvis bedre behandlet som ordinær.
en intervallvariabel kan brukes til å beregne vanlige statistiske mål som gjennomsnitt (gjennomsnitt), standardavvik og Pearson korrelasjonskoeffisienten. Mange andre avanserte statistiske tester og teknikker krever også intervall-eller ratio data.
Datanivåer For Forholdsskala
alle aritmetiske operasjoner er mulige på en forholdsvariabel. Et eksempel på en forholdsvariabel vil være vekt (f.eks. i pund). Vi kan nøyaktig si at 20 pounds er dobbelt så tung som 10 pounds. I tillegg har forholdsvariabler et meningsfylt nullpunkt (f.eks. betyr nøyaktig 0 pounds at objektet ikke har vekt). Andre eksempler på forholdsvariabler inkluderer brutto salg av et selskap, utgifter til et selskap, inntektene til et selskap, etc.
en forholdsvariabel kan brukes som en avhengig variabel for de fleste parametriske statistiske tester som t-tester, f-tester, korrelasjon og regresjon.