przegląd
na tej stronie dowiesz się o czterech poziomach danych pomiaru (nominalnym, porządkowym, interwale i współczynniku) oraz o tym, dlaczego są one ważne. Najpierw zajmijmy się ważną częścią.
znajomość poziomu pomiaru zmiennych jest ważna z dwóch powodów. Każdy z poziomów pomiaru zapewnia inny poziom szczegółowości. Nominalny zapewnia najmniejszą ilość szczegółów, porządkowy zapewnia następną najwyższą ilość szczegółów, a interwał i współczynnik zapewniają największą ilość szczegółów.
w zmiennej nominalnej wartości są pogrupowane w Kategorie, które nie mają znaczącego porządku. Na przykład płeć i Przynależność polityczna są nominalnymi zmiennymi poziomu. Członkowie grupy otrzymują etykietę w tej grupie i nie ma hierarchii. Typowymi statystykami opisowymi związanymi z danymi nominalnymi są częstotliwości i wartości procentowe.
dowiedz się, jak pomagamy edytować rozdziały dysertacji
wyrównywanie ram teoretycznych, zbieranie artykułów, syntetyzowanie luk, formułowanie jasnej metodologii i planu danych oraz pisanie o teoretycznych i praktycznych implikacjach badań są częścią naszych kompleksowych usług edycji dysertacji.
- doprowadzić rozprawa editing expertise do rozdziałów 1-5 w odpowiednim czasie.
- Śledź wszystkie zmiany, a następnie współpracuj z Tobą, aby doprowadzić do naukowego pisania.
- bieżące wsparcie w odniesieniu do opinii Komitetu, zmniejszanie zmian.
zmienne poziomu porządkowego są nominalnymi zmiennymi poziomu o znaczącym porządku. Na przykład zwycięzcom wyścigów konnych można przypisać etykiety pierwszego, drugiego, trzeciego, czwartego itd. i te etykiety mają uporządkowany związek między nimi (tj. pierwszy jest wyższy niż drugi, drugi jest wyższy niż trzeci i tak dalej). Podobnie jak w przypadku zmiennych poziomu nominalnego, zmienne poziomu porządkowego są zwykle opisywane z częstotliwościami i procentami.
zmienne poziomu interwału i proporcji (zwane również zmiennymi poziomu ciągłego) mają najwięcej szczegółów związanych z nimi. Operacje matematyczne, takie jak dodawanie, odejmowanie, mnożenie i dzielenie mogą być dokładnie stosowane do wartości tych zmiennych. Przykładową zmienną będzie ilość mleka użytego w przepisie na ciastka (mierzona w filiżankach). Zmienna ta ma właściwości arytmetyczne takie, że 2 szklanki mleka to dokładnie dwa razy więcej niż 1 szklanka mleka. Dodatkowo różnica między 1 A 2 szklankami mleka jest dokładnie taka sama jak różnica między 2 a 3 szklankami mleka. Zmienne poziomu interwału i współczynnika są zwykle opisywane za pomocą średnich i odchyleń standardowych.
drugim powodem, dla którego poziomy pomiaru są ważne, jest to, że różne testy statystyczne są odpowiednie dla zmiennych o różnych poziomach pomiaru. Na przykład, chi-kwadrat testy niezależności są najbardziej odpowiednie dla danych na poziomie nominalnym. Test U Manna-Whitneya jest najbardziej odpowiedni dla zmiennej zależnej od poziomu porządkowego i zmiennej niezależnej od poziomu nominalnego. ANOVA jest najbardziej odpowiednia dla zmiennej zależnej od poziomu ciągłego i zmiennej niezależnej od poziomu nominalnego. Aby dowiedzieć się, które testy używają jakich typów zmiennych, Pobierz bezpłatny dokument.
dane nominalne poziomy pomiaru
zmienna nominalna to taka, w której wartości służą tylko jako etykiety, nawet jeśli wartości te są liczbami. Na przykład, jeśli chcemy skategoryzować mężczyzn i kobiety respondentów, możemy użyć liczby 1 dla mężczyzn i 2 dla kobiet. Jednak wartości 1 i 2 w tym przypadku nie reprezentują żadnego znaczącego porządku ani nie mają żadnego znaczenia matematycznego. Są one po prostu używane jako etykiety. Dane nominalne nie mogą być wykorzystywane do wykonywania wielu obliczeń statystycznych, takich jak średnia i odchylenie standardowe, ponieważ takie statystyki nie mają żadnego znaczenia, gdy są używane ze zmiennymi nominalnymi.
jednak zmienne nominalne mogą być używane do tworzenia tabel krzyżowych. Chi-kwadrat test może być wykonywany na krzyż tabulacji danych nominalnych.
dane porządkowe poziomy pomiaru
wartości zmiennych porządkowych mają dla nich znaczący porządek. Na przykład poziom wykształcenia (z możliwymi wartościami szkoły średniej, studiów licencjackich i studiów magisterskich) byłby zmienną porządkową. Istnieje ostateczna kolejność kategorii (tj. absolwent jest wyższy niż licencjat, a licencjat jest wyższy niż szkoła średnia), ale nie możemy wprowadzać żadnych innych założeń arytmetycznych poza tym. Na przykład nie możemy zakładać, że różnica w poziomie edukacji między licencjatem a szkołą średnią jest taka sama jak różnica między absolwentem a licencjatem.
możemy użyć częstotliwości, procentów i pewnych nieparametrycznych statystyk z danymi porządkowymi. Jednak średnie, odchylenia standardowe i parametryczne testy statystyczne nie są na ogół odpowiednie do stosowania z danymi porządkowymi.
Skala interwałowa dane poziomy pomiaru
w przypadku zmiennych interwałowych możemy przyjąć założenia arytmetyczne dotyczące stopnia różnicy między wartościami. Przykładem zmiennej interwałowej będzie temperatura. Możemy poprawnie założyć, że różnica między 70 a 80 stopni jest taka sama jak różnica między 80 A 90 stopni. Jednak operacje matematyczne mnożenia i dzielenia nie mają zastosowania do zmiennych interwałowych. Na przykład, nie możemy dokładnie powiedzieć, że 100 stopni jest dwa razy gorący niż 50 stopni. Ponadto zmienne interwałowe często nie mają znaczącego punktu zerowego. Na przykład temperatura zera stopni (w skali Celsjusza i Fahrenheita) nie oznacza całkowitego braku ciepła.
niektórzy badacze traktują zmienne mierzone skalami Likerta (np. z etykietami takimi jak 1 = zdecydowanie nie zgadzam się, 2 = nie zgadzam się, 3 = neutralnie, 4 = zgadzam się i 5 = zdecydowanie zgadzam się) jako zmienne interwałowe. Jednak traktowanie odpowiedzi skali Likerta jako danych interwałowych niesie za sobą założenie, że różnice między punktami na skali są równe. Oznacza to, że użycie 5-punktowej skali Likerta jako skali interwałowej zakłada, że różnica między silnie zgadzam się i zgadzam się jest tą samą względną różnicą, co między neutralnym i zgadzam się. Często nie jest to bezpieczne założenie, więc odpowiedzi skali Likerta są zwykle lepiej traktowane jako porządkowe.
zmienna interwałowa może być używana do obliczania powszechnie stosowanych miar statystycznych, takich jak średnia (średnia), odchylenie standardowe i współczynnik korelacji Pearsona. Wiele innych zaawansowanych testów statystycznych i technik wymaga również danych interwałowych lub proporcyjnych.
Skala proporcji dane poziomy pomiaru
wszystkie operacje arytmetyczne są możliwe na zmiennej proporcji. Przykładem zmiennej proporcji będzie Waga (np. w funtach). Możemy dokładnie powiedzieć, że 20 funtów jest dwa razy cięższe niż 10 funtów. Dodatkowo zmienne proporcji mają sensowny punkt zerowy (np. dokładnie 0 Funtów oznacza, że obiekt nie ma wagi). Inne przykłady zmiennych wskaźnikowych obejmują sprzedaż brutto firmy, wydatki firmy, dochody firmy itp.
zmienna proporcji może być używana jako zmienna zależna dla większości parametrycznych testów statystycznych, takich jak testy t, testy F, korelacja i regresja.