úroveň měření se týká vztahu mezi hodnotami, které jsou přiřazeny atributům proměnné. Co to znamená? Začněte s myšlenkou proměnné ,v tomto příkladu “ stranická příslušnost.“
tato proměnná má řadu atributů. Předpokládejme, že v tomto konkrétním volebním kontextu jsou jedinými relevantními atributy „republikán“, „demokrat“ a „nezávislý“., Pro účely analýzy výsledků této proměnné, můžeme libovolně přiřadit hodnoty 1 2 3 tři atributy. Úroveň měření popisuje vztah mezi těmito třemi hodnotami. V tomto případě jednoduše používáme čísla jako kratší zástupné symboly pro delší textové termíny. Nepředpokládáme, že vyšší hodnoty znamenají „více“něčeho a nižší čísla znamenají „méně“. Nepředpokládáme, že hodnota 2 znamená, že demokraté jsou dvakrát něčím, čím jsou republikáni., Nepředpokládáme, že republikáni jsou na prvním místě, nebo mají nejvyšší prioritu jen proto, že mají hodnotu 1. V tomto případě používáme hodnoty pouze jako kratší název atributu. Zde bychom úroveň měření popsali jako „nominální“.
proč je úroveň měření důležitá?
nejprve vám znalost úrovně měření pomůže rozhodnout, jak interpretovat data z této proměnné. Když víte, že opatření je nominální (jako právě popsané), pak víte, že číselné hodnoty jsou jen krátké kódy pro delší názvy., Za druhé, znalost úrovně měření vám pomůže rozhodnout, jaká statistická analýza je vhodná pro přiřazené hodnoty. Pokud je opatření nominální, pak víte, že byste nikdy průměrné hodnoty dat nebo provést t-test na datech.
Tam jsou obvykle čtyři úrovně měření, které jsou definovány:
- Nominální
- Ordinální
- Interval
- Poměr stran
V nominální měření číselné hodnoty jen „jméno“ atribut jednoznačně. Žádné objednávání případů není implikováno. Například čísla dresů v basketbalu jsou opatření na nominální úrovni., Hráč s číslem 30 není víc než hráč s číslem 15, a rozhodně není dvakrát jakékoliv číslo 15.
v pořadovém měření lze atributy řadit. Zde vzdálenosti mezi atributy nemají žádný význam. Například v průzkumu můžete kódovat dosaženého vzdělání jako 0=méně než střední škola; 1=nějaká Střední škola.; 2=stupeň střední školy; 3=nějaká vysoká škola; 4=vysokoškolský titul; 5=post college. V tomto opatření vyšší čísla znamenají více vzdělání., Ale je vzdálenost od 0 do 1 stejná jako 3 až 4? Samozřejmě, že ne. Interval mezi hodnotami není v pořadové míře interpretovatelný.
v intervalovém měření má vzdálenost mezi atributy význam. Například, když měříme teplotu (ve Fahrenheitu), vzdálenost od 30-40 je stejná jako vzdálenost od 70-80. Interval mezi hodnotami je interpretovatelný. Z tohoto důvodu má smysl vypočítat průměr intervalové proměnné, kde nemá smysl tak činit pro pořadové stupnice., Všimněte si však, že v poměrech měření intervalu nemají smysl – 80 stupňů není dvakrát tak horké jako 40 stupňů (i když hodnota atributu je dvakrát větší).
konečně v měření poměru je vždy absolutní nula, která má smysl. To znamená, že můžete vytvořit smysluplný zlomek (nebo poměr) s proměnnou poměru. Hmotnost je proměnná poměru. V aplikovaném sociálním výzkumu je nejvíce“ počítaných “ proměnných, například počet klientů za posledních šest měsíců. Proč?, Protože můžete mít nulové klienty a protože je smysluplné říci, že “ … v posledních šesti měsících jsme měli dvakrát tolik klientů než v předchozích šesti měsících.“
je důležité si uvědomit, že v úrovni myšlenky měření existuje hierarchie. Při nižších úrovních měření bývají předpoklady méně omezující a analýzy dat bývají méně citlivé. Na každé úrovni hierarchie, současná úroveň zahrnuje všechny vlastnosti toho pod ním a přidává něco nového. Obecně je žádoucí mít vyšší úroveň měření (např.,, interval nebo poměr) spíše než nižší (Jmenovitý nebo pořadový).