overzicht
op deze pagina leert u meer over de vier data levels van meting (nominaal, ordinaal, interval en ratio) en waarom ze belangrijk zijn. Laten we eerst het belang behandelen.
het meten van uw variabelen is om twee redenen belangrijk. Elk van de meetniveaus biedt een ander detailniveau. Nominaal biedt de minste hoeveelheid detail, ordinaal biedt de volgende hoogste hoeveelheid detail, en interval en verhouding bieden de meeste hoeveelheid detail.
in een nominale variabele worden de waarden gegroepeerd in categorieën die geen zinvolle volgorde hebben. Geslacht en politieke gezindheid zijn bijvoorbeeld nominale niveauvariabelen. Leden in de groep krijgen een label toegewezen in die groep en er is geen hiërarchie. Typische beschrijvende statistieken met betrekking tot nominale gegevens zijn frequenties en percentages.
ontdek hoe we u helpen bij het bewerken van uw proefschrift Hoofdstukken
het uitlijnen van theoretisch kader, het verzamelen van artikelen, het synthetiseren van hiaten, het articuleren van een duidelijke methodologie en data plan, en het schrijven over de theoretische en praktische implicaties van uw onderzoek maken deel uit van onze uitgebreide proefschrift editing services.
- breng proefschrift editing expertise om hoofdstukken 1-5 in tijdige wijze.
- volg alle wijzigingen en werk dan samen met u om wetenschappelijk schrijven tot stand te brengen.
- voortdurende ondersteuning om feedback van het Comité te geven, waardoor herzieningen worden beperkt.
ordinale niveauvariabelen zijn nominale niveauvariabelen met een betekenisvolle orde. Bijvoorbeeld, paardenrace winnaars kunnen worden toegewezen labels van eerste, tweede, derde, vierde, enz. en deze labels hebben een geordende relatie tussen hen (dat wil zeggen, de eerste is hoger dan de tweede, de tweede is hoger dan de derde, enzovoort). Net als bij nominale niveauvariabelen worden ordinale niveauvariabelen meestal beschreven met frequenties en percentages.
Interval-en ratio-niveauvariabelen (ook wel Continue niveauvariabelen genoemd) hebben de meeste details die ermee samenhangen. Wiskundige bewerkingen zoals optellen, aftrekken, vermenigvuldigen en delen kunnen nauwkeurig worden toegepast op de waarden van deze variabelen. Een voorbeeld variabele zou de hoeveelheid melk gebruikt in cookie recept (gemeten in kopjes). Deze variabele heeft rekenkundige eigenschappen, zodat 2 kopjes melk precies twee keer zoveel is als 1 kop melk. Bovendien is het verschil tussen 1 en 2 kopjes melk precies hetzelfde als het verschil tussen 2 en 3 kopjes melk. Interval en ratio niveau variabelen worden meestal beschreven met behulp van middelen en standaardafwijkingen.
de tweede reden waarom meetniveaus belangrijk zijn, is omdat verschillende statistische tests geschikt zijn voor variabelen met verschillende meetniveaus. Bijvoorbeeld, chi-kwadraat tests van onafhankelijkheid zijn het meest geschikt voor nominale niveau gegevens. De Mann-Whitney U-test is het meest geschikt voor een ordinale niveauafhankelijke variabele en een nominale niveauonafhankelijke variabele. Een ANOVA is het meest geschikt voor een continue niveauafhankelijke variabele en een nominale niveauonafhankelijke variabele. Download de gratis whitepaper om te weten te komen welke tests welke variabele gebruiken.
Nominale meetgegevens
een nominale variabele is een variabele waarin waarden alleen als labels dienen, zelfs als deze waarden getallen zijn. Als we bijvoorbeeld mannelijke en vrouwelijke respondenten willen categoriseren, kunnen we een getal gebruiken van 1 voor mannen en 2 voor vrouwen. De waarden van 1 en 2 vertegenwoordigen in dit geval echter geen betekenisvolle orde of hebben geen wiskundige betekenis. Ze worden gewoon gebruikt als labels. Nominale gegevens kunnen niet worden gebruikt om veel statistische berekeningen uit te voeren, zoals gemiddelde en standaardafwijking, omdat dergelijke statistieken geen betekenis hebben wanneer ze met nominale variabelen worden gebruikt.
nominale variabelen kunnen echter worden gebruikt om kruistabellen uit te voeren. De chi-kwadraattest kan worden uitgevoerd op een kruistabel van nominale gegevens.
ordinale meetwaarden
waarden van ordinale variabelen hebben een betekenisvolle volgorde. Bijvoorbeeld, onderwijsniveau (met mogelijke waarden van de middelbare school, undergraduate degree, en graduate degree) zou een ordinale variabele. Er is een definitieve volgorde aan de categorieën (dat wil zeggen, graduate is hoger dan undergraduate, en undergraduate is hoger dan de middelbare school), maar we kunnen geen andere rekenkundige veronderstellingen maken dan dat. We kunnen bijvoorbeeld niet aannemen dat het verschil in onderwijsniveau tussen undergraduate en high school hetzelfde is als het verschil tussen graduate en undergraduate.
we kunnen frequenties, percentages en bepaalde niet-parametrische statistieken gebruiken met ordinale gegevens. Middelen, standaardafwijkingen en parametrische statistische tests zijn in het algemeen echter niet geschikt om met ordinale gegevens te gebruiken.
intervalschaal Data levels of Measurement
voor intervalvariabelen kunnen we rekenkundige veronderstellingen maken over de mate van verschil tussen waarden. Een voorbeeld van een interval variabele zou temperatuur. We kunnen juist aannemen dat het verschil tussen 70 en 80 graden hetzelfde is als het verschil tussen 80 en 90 graden. De wiskundige bewerkingen van vermenigvuldiging en deling zijn echter niet van toepassing op intervalvariabelen. We kunnen bijvoorbeeld niet precies zeggen dat 100 graden twee keer zo heet is als 50 graden. Bovendien hebben intervalvariabelen vaak geen betekenisvol nulpunt. Bijvoorbeeld, een temperatuur van nul graden (op Celsius en Fahrenheit schalen) betekent niet een volledige afwezigheid van warmte.
sommige onderzoekers behandelen variabelen gemeten met Likert-schalen (bijvoorbeeld met labels zoals 1 = strongly disagree, 2 = disagree, 3 = Neutraal, 4 = agree, en 5 = strongly agree) als intervalvariabelen. Bij het behandelen van Likert – schaalreacties als intervalgegevens wordt echter aangenomen dat de verschillen tussen punten op de schaal allemaal gelijk zijn. Dat wil zeggen, het gebruik van de 5-punts Likert-schaal als een intervalschaal veronderstelt dat het verschil tussen strongly agree en agree hetzelfde relatieve verschil is als tussen neutraal en agree. Dit is vaak geen veilige veronderstelling om te maken, dus Likert schaal reacties zijn meestal beter af behandeld als ordinaal.
een intervalvariabele kan worden gebruikt om veelgebruikte statistische metingen te berekenen, zoals het gemiddelde (gemiddelde), de standaardafwijking en de Pearson-correlatiecoëfficiënt. Veel andere geavanceerde statistische tests en technieken vereisen ook interval-of ratio-gegevens.
meetgegevens van De Ratio Schaal
alle rekenkundige bewerkingen zijn mogelijk op een verhoudingsvariabele. Een voorbeeld van een verhoudingsvariabele zou zijn gewicht (bijvoorbeeld in ponden). We kunnen accuraat zeggen dat 20 pond twee keer zo zwaar is als 10 pond. Bovendien hebben ratio-variabelen een betekenisvol nulpunt (bijvoorbeeld, precies 0 Pond betekent dat het object geen gewicht heeft). Andere voorbeelden van verhoudingsvariabelen zijn de brutoverkopen van een bedrijf, de uitgaven van een bedrijf, de inkomsten van een bedrijf, enz.
een verhoudingsvariabele kan worden gebruikt als een afhankelijke variabele voor de meeste parametrische statistische tests zoals t-tests, F-tests, correlatie en regressie.