- Koncept og egenskaber
- Eksempler på nominelle variabler
- - Eksempler forklaret
- Deltagere i en fodboldkamp
- Fordel ved arbejdspolitikker
- Fødselsland for en person
- Referencer
En nominel variabel er en, der tager værdier, der identificerer en klasse eller kategori, hvor undersøgelsesobjekterne er grupperet. For eksempel grupperer den variable 'hårfarve' mennesker i brunt, sort, blondt hår osv.
Den nominelle skala identificerer, grupperer og differentierer studieenhederne i henhold til en bestemt kvalitet i klart definerede og eksklusive klasser på en sådan måde, at alle dem, der hører til en klasse, er ens eller ækvivalente med hensyn til attributten eller ejendommen, der undersøges.
Mand og kvinde ikoner. Kilde: pixabay.com
Klasser er differentieret med navne eller ved at identificere numre, så de har ingen numerisk værdi eller etableret rækkefølge. For eksempel: det variable køn har to klasser, mand og kvinde; Talene 1 og 2 kan også bruges, som repræsenterer henholdsvis mænd og kvinder. Disse numre er bare vilkårlige identifikatorer.
I disse måttyper er navne eller etiketter tildelt objekter. Navnet på de fleste af de nominerede prøver eller definitioner er den "værdi", der er tildelt det nominelle mål for studiens genstand.
Hvis to objekter har det samme navn, der er knyttet til dem, hører de til den samme kategori, og det er den eneste betydning, som nominelle mål har.
Koncept og egenskaber
Den nominelle skala er den mest elementære, og variablerne målt på denne skala klassificerer undersøgelsesenhederne (objekter, personer osv.) I klasser, baseret på en eller flere unikke og observerede egenskaber, egenskaber eller egenskaber.
Klasser eller kategorier har et navn eller nummer, men disse tjener kun som etiketter eller identifikatorer, de foretager kategoriske snarere end kvantitative sondringer, de tjener en ren klassificeringsfunktion.
De kan ikke manipuleres aritmetisk, de afspejler ikke rækkefølge (stigende eller faldende) eller hierarki (større eller mindre), observationerne kan ikke ordnes fra mindst til størst eller fra lille til stor, det vil sige ingen af kategorierne har et højere hierarki end en anden, de afspejler kun forskelle i variablen.
Nominelle variabler med to klasser kaldes dikotom, såsom variablen køn (mand eller kvinde). Variabler med tre eller flere kategorier kaldes multikotomisk eller polyhotomisk. F.eks.: erhvervsvariablen (arbejder, tømrer, læge osv.).
Nominelle variabler etablerer kun ækvivalensrelationer; det vil sige, et bestemt objekt med studiet har enten det kendetegn, der definerer klassen, eller det gør det ikke.
Med de nominelle variabler kan der foretages beregninger af proportioner, procenter og forhold, og med dem udføres frekvensoptællinger eller tabeller for antallet af begivenheder i hver klasse af den studerede variabel. Målet for den centrale tendens, der kan håndteres med disse typer variabler, er tilstanden.
Eksempler på nominelle variabler
Eksempler på variabler målt i nominel skala:
- Nationalitet (argentinsk, chilensk, colombiansk, ecuadoriansk, peruansk osv.).
- Farver (hvid, gul, blå, sort, orange osv.).
- Farve på øjnene (sort, brun, blå, grøn osv.).
- Klassificering af studerende efter karriere (Administration - 1; Systemer - 2; Elektronik - 3; Jura - 4; osv.). (nummeret er en kode uden værdi eller rækkefølge)
- Ægteskabelig status (enlig, gift, enke, skilt, almindelig advokatforening).
- Profession (ingeniør, advokat, læge, lærer osv.).
- Sex (mand, kvinde).
- Religiøs tilknytning (kristen, muslim, katolsk osv.).
- Politisk tilknytning (liberal, konservativ, uafhængig osv.).
- Type skole (offentlig eller privat).
- Race (hvid, sort, gul, mestizo osv.).
- Blodgrupper (O, A, B, AB).
- Eksempler forklaret
Deltagere i en fodboldkamp
Hvis der tælles for de deltagere, der deltager i en fodboldkamp, kan den nominelle variabel 'deltagelse efter køn' defineres. Tællingen rapporterer, hvor mange mænd og hvor mange kvinder der deltog i kampen, men klassificeringsvariablen er køn.
Opdel offentligheden i fodboldkampen i to kategorier, og ingen af grupperne har en præference frem for den anden. Endelig er kategorierne eksklusive, da der ikke er nogen tvivl om, hvilken gruppe hver af de deltagende hører til.
Fordel ved arbejdspolitikker
Du vil vide, hvad folks mening er inden anvendelsen af reformer i et lands arbejdspolitik. Variablen 'interesse' er fordelene ved arbejdspolitikker, og i undersøgelsen er der fem mulige positive resultater: Flere penge, bedre lægehjælp, bedre pension, arbejde / familiebalance og andre.
Alle svar måles på en nominel skala med Ja- eller Nej-værdier.De øvrige resultat omfatter alle de fordele, som respondenterne mener, at de vil opnå, men som ikke er en del af undersøgelsesværdierne.
Antallet af bekræftende eller negative svar er nødvendigt for at beregne procentdelen af respondenterne af det samlede antal, der mener, at de vil forbedre eller ikke i nogen af aspekterne, men disse procenter har ikke mening fra synspunktet om, at en fordel er større end en anden.
Endelig er der ingen naturlig orden på resultaterne. Du kan sætte bedre sundhedsvæsen først i stedet for for eksempel flere penge, og det ændrer ikke overhovedet resultatet.
Fødselsland for en person
Fødselslandet er en nominel variabel, hvis værdier er landenes navn. Med henblik på at arbejde med denne variabel er det praktisk at foretage en numerisk kodifikation af disse oplysninger, vi tildeler kode 1 til dem, der er født i Argentina, Bolivia-kode 2, Canada-kode 3, og så videre.
Denne kodning letter computertælling og styring af informationsindsamlingsinstrumenter. Men da vi har tildelt numre til de forskellige kategorier, kan vi ikke manipulere disse numre. For eksempel er 1 + 2 ikke lig med 3; det vil sige, at Argentina + Bolivia ikke resulterer i Canada.
Referencer
- Coronado, J. (2007). Måleskala. Paradigmas Magazine. Gendannes fra unitec.edu.co.
- Freund, R.; Wilson, W.; Mohr, D. (2010). Statistiske metoder. Tredje udgave Academic Press-Elsevier Inc.
- Glas, G.; Stanley, J. (1996). Statistiske metoder, der ikke anvendes til samfundsvidenskab. Prentice Hall Hispanoamericana SA
- Cute.; Marchal, W.; Wathen, S. (2012). Statistikker anvendt for erhvervslivet og økonomien. Femtende udgave McGraw-Hill / Interamericana Editores SA
- Orlandoni, G. (2010). Statistiske måleskalaer. Telos Magazine. Gendannes fra ojs.urbe.edu.
- Siegel, S.; Castellan, N. (1998). Ikke-parametriske statistikker anvendt på adfærdsvidenskab. Fjerde udgave Redaktionel Trillaer SA
- (2019). Målingsniveau. Gendannet fra en.wikipedia.org.