visão geral
nesta página, você aprenderá sobre os quatro níveis de medição de dados (nominal, ordinal, intervalo e proporção) e por que eles são importantes. Vamos lidar com a parte importante primeiro.
conhecer o nível de medição de suas variáveis é importante por dois motivos. Cada um dos níveis de medição fornece um nível diferente de detalhe. Nominal fornece a menor quantidade de detalhes, ordinal fornece a próxima maior quantidade de detalhes, e intervalo e proporção fornecem a maior quantidade de detalhes.
em uma variável de nível nominal, os valores são agrupados em categorias que não têm ordem significativa. Por exemplo, gênero e afiliação política são variáveis de nível nominal. Os membros do grupo recebem um rótulo nesse grupo e não há hierarquia. As estatísticas descritivas típicas associadas aos dados nominais são frequências e porcentagens.
Descubra Como Podemos Ajudar a Editar a Sua Dissertação Capítulos
Alinhamento de quadro teórico, coleta de artigos, sintetizando as lacunas, articulando uma metodologia clara e plano de dados, e escrever sobre os conhecimentos teóricos e implicações práticas de sua pesquisa são parte do nosso abrangente dissertação de serviços de edição.
- traga a experiência de edição de dissertação para os capítulos 1-5 em tempo hábil.
- Acompanhe todas as mudanças e, em seguida, trabalhe com você para criar uma escrita acadêmica.
- suporte contínuo para abordar o feedback do Comitê, reduzindo as revisões.
variáveis de Nível Ordinal são variáveis de nível nominal com uma ordem significativa. Por exemplo, os vencedores de corridas de cavalos podem receber rótulos de primeiro, segundo, terceiro, quarto, etc. e esses rótulos têm uma relação ordenada entre eles (ou seja, o primeiro é maior que o segundo, o segundo é maior que o terceiro e assim por diante). Tal como acontece com as variáveis de nível nominal, as variáveis de nível ordinal são normalmente descritas com frequências e porcentagens.
variáveis de intervalo e nível de razão (também chamadas variáveis de nível contínuo) têm o maior detalhe associado a elas. Operações matemáticas como adição, subtração, multiplicação e divisão podem ser aplicadas com precisão aos valores dessas variáveis. Uma variável de exemplo seria a quantidade de leite usada na receita de biscoitos (medida em xícaras). Esta variável tem propriedades aritméticas tais que 2 xícaras de leite é exatamente o dobro de 1 xícara de leite. Além disso, a diferença entre 1 e 2 xícaras de leite é exatamente a mesma que a diferença entre 2 e 3 xícaras de leite. As variáveis de nível de intervalo e razão são normalmente descritas usando médias e desvios padrão.
a segunda razão pela qual os níveis de medição são importantes é porque diferentes testes estatísticos são apropriados para variáveis com diferentes níveis de medição. Por exemplo, os testes qui-quadrado de independência são mais apropriados para dados de nível nominal. O teste U de Mann-Whitney é mais apropriado para uma variável dependente do nível ordinal e uma variável independente do nível nominal. Uma ANOVA é mais apropriada para uma variável dependente de nível contínuo e uma variável independente de nível nominal. Para saber quais testes usam quais tipos de variáveis, faça o download do whitepaper gratuito.
dados nominais níveis de medição
uma variável nominal é aquela em que os valores servem apenas como rótulos, mesmo que esses valores sejam números. Por exemplo, se quisermos categorizar entrevistados do sexo masculino e feminino, poderíamos usar um número de 1 Para masculino e 2 para feminino. No entanto, os valores de 1 e 2, Neste caso, não representam qualquer ordem significativa ou carregam qualquer significado matemático. Eles são simplesmente usados como rótulos. Os dados nominais não podem ser usados para realizar muitos cálculos estatísticos, como média e desvio padrão, porque essas estatísticas não têm nenhum significado quando usadas com variáveis nominais.
no entanto, variáveis nominais podem ser usadas para fazer tabulações cruzadas. O teste Qui-quadrado pode ser realizado em uma tabulação cruzada de dados nominais.
os níveis de medição dos dados ordinais
os valores das variáveis ordinais têm uma ordem significativa para elas. Por exemplo, o nível de educação (com possíveis valores de ensino médio, graduação e pós-graduação) seria uma variável ordinal. Existe uma ordem definitiva para as categorias (ou seja, a pós-graduação é maior que a graduação e a graduação é maior que o ensino médio), mas não podemos fazer outras suposições aritméticas além disso. Por exemplo, não podemos supor que a diferença no nível de educação entre graduação e ensino médio seja a mesma que a diferença entre pós-graduação e graduação.
podemos usar frequências, porcentagens e certas estatísticas não paramétricas com dados ordinais. No entanto, médias, desvios-padrão e testes estatísticos paramétricos geralmente não são apropriados para uso com dados ordinais.
escala de intervalo níveis de dados de medição
para variáveis de intervalo, podemos fazer suposições aritméticas sobre o grau de diferença entre os valores. Um exemplo de uma variável de intervalo seria a temperatura. Podemos supor corretamente que a diferença entre 70 e 80 graus é a mesma que a diferença entre 80 e 90 graus. No entanto, as operações matemáticas de multiplicação e divisão não se aplicam a variáveis de intervalo. Por exemplo, não podemos dizer com precisão que 100 graus é duas vezes mais quente que 50 graus. Além disso, as variáveis de intervalo geralmente não têm um ponto zero significativo. Por exemplo, uma temperatura de zero graus (em escalas Celsius e Fahrenheit) não significa uma completa ausência de calor.
alguns pesquisadores tratam variáveis medidas com escalas Likert (por exemplo, com rótulos como 1 = discordo fortemente, 2 = discordo, 3 = neutro, 4 = concordo e 5 = concordo fortemente) como variáveis de intervalo. No entanto, tratar as respostas da escala Likert como dados de intervalo carrega a suposição de que as diferenças entre os pontos na escala são todas iguais. Ou seja, usar a escala Likert de 5 pontos como uma escala de intervalo assume que a diferença entre concordar e concordar fortemente é a mesma diferença relativa que entre neutro e concordar. Isso geralmente não é uma suposição segura, então as respostas da escala Likert geralmente são melhor tratadas como ordinais.
uma variável de intervalo pode ser usada para calcular medidas estatísticas comumente usadas, como a média (média), desvio padrão e o coeficiente de correlação de Pearson. Muitos outros testes e técnicas estatísticas avançadas também exigem dados de intervalo ou proporção.
escala de Razão níveis de dados de medição
todas as operações aritméticas são possíveis em uma variável de razão. Um exemplo de uma variável de proporção seria o peso (por exemplo, em libras). Podemos dizer com precisão que 20 libras é duas vezes mais pesado que 10 libras. Além disso, as variáveis de razão têm um ponto zero significativo (por exemplo, exatamente 0 libras significa que o objeto não tem peso). Outros exemplos de variáveis de proporção incluem vendas brutas de uma empresa, despesas de uma empresa, receita de uma empresa, etc.
uma variável de razão pode ser usada como uma variável dependente para a maioria dos testes estatísticos paramétricos, como testes t, testes F, correlação e regressão.