måleniveauet refererer til forholdet mellem de værdier, der er tildelt attributterne for en variabel. Hvad betyder det? Begynd med ideen om variablen, i dette eksempel “party tilhørsforhold.”
denne variabel har et antal attributter. Lad os antage, at i denne særlige valgkontekst er de eneste relevante attributter “republikanske”, “demokrat” og “uafhængige”., Med henblik på at analysere resultaterne af denne variabel, som vi vilkårligt kan tildele værdier 1 2 og 3 at de tre attributter. Måleniveauet beskriver forholdet mellem disse tre værdier. I dette tilfælde bruger vi simpelthen tallene som kortere pladsholdere for de længere tekstbetingelser. Vi antager ikke, at højere værdier betyder “mere” af noget, og lavere tal betyder “mindre”. Vi antager ikke værdien af 2 betyder, at demokrater er to gange noget, som republikanerne er., Vi antager ikke, at republikanerne er i første omgang eller har den højeste prioritet, bare fordi de har værdien af 1. I dette tilfælde bruger vi kun værdierne som et kortere navn for attributten. Her vil vi beskrive måleniveauet som”nominelt”.
Hvorfor er Måleniveauet vigtigt?
først ved at kende målingsniveauet hjælper du dig med at beslutte, hvordan du fortolker dataene fra den variabel. Når du ved, at en foranstaltning er nominel (som den netop beskrevne), ved du, at de numeriske værdier kun er korte koder for de længere navne., For det andet, at kende niveauet for måling hjælper dig med at beslutte, hvad statistisk analyse er passende på de værdier, der blev tildelt. Hvis en foranstaltning er nominel, så ved du, at du aldrig ville gennemsnit dataværdierne eller gøre en t-test på dataene.
Der er typisk fire niveauer for måling, der er defineret som:
- Nominel
- Ordinal
- Interval
- Ratio
I nominelle måling af de numeriske værdier, der bare “navn” attributten unikt. Ingen bestilling af sagerne er underforstået. For eksempel er jersey-numre i basketball foranstaltninger på det nominelle niveau., En spiller med nummer 30 er ikke mere af noget, end en spiller med nummer 15, og det er helt sikkert ikke to gange, uanset antallet 15 er.
ved ordinær måling kan attributterne rangordnes. Her har afstande mellem attributter ingen betydning. For eksempel kan du i en undersøgelse kode uddannelsesniveauet som 0=mindre end gymnasiet; 1=nogle gymnasier.; 2=Gymnasium grad; 3=nogle college; 4=college grad; 5=post college. I denne foranstaltning betyder højere tal mere uddannelse., Men er afstanden fra 0 til 1 Samme som 3 til 4? Selvfølgelig ikke. Intervallet mellem værdier kan ikke fortolkes i en ordinær foranstaltning.
i intervalmåling har Afstanden mellem attributter betydning. For eksempel, når vi måler temperatur (i Fahrenheit), er afstanden fra 30-40 den samme som afstanden fra 70-80. Intervallet mellem værdier kan fortolkes. På grund af dette giver det mening at beregne et gennemsnit af en intervalvariabel, hvor det ikke giver mening at gøre det for ordinære skalaer., Men bemærk, at i intervalmålingsforhold ikke giver mening-80 grader er ikke dobbelt så varmt som 40 grader (selvom attributværdien er dobbelt så stor).
endelig er der i forholdsmåling altid et absolut nul, der er meningsfuldt. Dette betyder, at du kan konstruere en meningsfuld brøkdel (eller forhold) med en forholdsvariabel. Vægt er en forholdsvariabel. I anvendt social forskning er de fleste” tæller ” variabler forhold, for eksempel antallet af klienter i de sidste seks måneder. Hvorfor?, Fordi du kan have nul klienter, og fordi det er meningsfuldt at sige, at “…vi havde dobbelt så mange kunder i de sidste seks måneder, som vi gjorde i de foregående seks måneder.”
det er vigtigt at erkende, at der er et hierarki underforstået i niveauet af måleideen. Ved lavere måleniveauer har antagelserne en tendens til at være mindre restriktive, og dataanalyser har en tendens til at være mindre følsomme. På hvert niveau op hierarkiet, det nuværende niveau omfatter alle de kvaliteter af den ene under det og tilføjer noget nyt. Generelt er det ønskeligt at have et højere måleniveau (f. eks., forhold) snarere end en lavere (nominel eller ordinær).