taso mittaus viittaa suhde keskuudessa arvot, jotka on määritetty attribuutit muuttuja. Mitä se tarkoittaa? Aloita muuttujan ajatuksella, tässä esimerkissä ” puoluekannatus.”
Että muuttuja on useita ominaisuuksia. Oletetaan, että tässä vaalitilanteessa ainoat merkitykselliset ominaisuudet ovat ”republikaani”, ”demokraatti” ja ”itsenäinen”., Varten analysoidaan tulokset muuttuja, me mielivaltaisesti määrittää arvot 1, 2 ja 3 kolme määritteet. Mittaustaso kuvaa näiden kolmen arvon välistä suhdetta. Tässä tapauksessa käytämme yksinkertaisesti numeroita lyhyempinä paikkamerkintöinä pitemmille tekstitermeille. Emme oleta, että korkeammat arvot tarkoittavat ”enemmän” jotain ja pienemmät numerot merkitsevät ”vähemmän”. Emme oleta, että 2 arvo tarkoittaa, että demokraatit ovat kaksi kertaa enemmän kuin republikaanit., Emme voi olettaa, että republikaanit ovat ensimmäinen paikka, tai on korkein prioriteetti, koska ne on arvo 1. Tällöin käytämme arvoja vain attribuutin lyhyempänä nimenä. Tässä kuvaamme mittaustasoa ”nimelliseksi”.
miksi mittaustaso on tärkeä?
ensin mittaustason tunteminen auttaa päättämään, miten kyseisen muuttujan tietoja tulkitaan. Kun tiedät, että toimenpide on nimellinen (kuten edellä kuvattu), niin tiedät, että numeeriset arvot ovat vain lyhyen koodit enää nimiä., Toiseksi mittaustason tunteminen auttaa sinua päättämään, mikä tilastollinen analyysi on sopiva annetuista arvoista. Jos mitta on nimellinen, silloin tiedät, että et koskaan keskitä tietojen arvoja tai tee t-testiä tiedoille.
On olemassa tyypillisesti neljä tasoa mittaus, joka on määritelty:
- Nimellinen
- Järjestysluku
- Välein
- Suhde
nimellisen mittaus numeeriset arvot vain ”nimi” attribuutti yksilöllisesti. Tapausten määräämisestä ei ole vihjailtu. Esimerkiksi koripallon pelipaitojen numerot ovat nimellistason mittoja., Pelaaja numero 30 ei ole mitään muuta kuin pelaaja numero 15, ja ei todellakaan ole kaksi kertaa mitä numero 15 on.
ordinaalimittauksessa attribuutit voivat olla rank-tilattuja. Tässä attribuuttien välisillä etäisyyksillä ei ole mitään merkitystä. Esimerkiksi tutkimus, saatat koodi Koulutustaso 0=vähemmän kuin lukiossa; 1=jonkin verran lukiossa.; 2=high school degree; 3=some college; 4=college degree; 5 = post college. Tässä mittauksessa korkeampi määrä tarkoittaa koulutuksen lisäämistä., Mutta onko etäisyys 0-1 sama kuin 3-4? En tietenkään. Arvojen välistä intervallia ei voida tulkita ordinaalisessa mittauksessa.
välein mittaus etäisyys attribuutteja ei ole merkitystä. Esimerkiksi, kun mitataan lämpötila (Fahrenheit), etäisyys 30-40 on sama kuin etäisyys 70-80. Arvojen väli on tulkittavissa. Tämän vuoksi on järkevää laskea keskimääräinen intervallimuuttuja, jossa ei ole järkeä tehdä niin ordinaali asteikot., Mutta huomaa, että väli mittauksen tunnuslukuja ei ole mitään järkeä – 80 astetta ei ole kaksi kertaa niin kuuma kuin 40 astetta (vaikka attribuutin arvo on kaksi kertaa niin suuri).
lopulta suhdemittauksessa on aina absoluuttinen nolla, joka on mielekäs. Tämä tarkoittaa, että voit rakentaa mielekäs murto (tai suhde) suhde muuttuja. Paino on suhdemuuttuja. Soveltavassa yhteiskuntatutkimuksessa suurin osa ”laskentamuuttujista” on suhdelukuja, esimerkiksi asiakasmäärä viimeisen puolen vuoden aikana. Miksi?, Koska sinulla voi olla nolla asiakasta ja koska on mielekästä sanoa, että ” … meillä oli kaksi kertaa enemmän asiakkaita viimeisen puolen vuoden aikana kuin edellisellä puolella kuukaudella.”
on tärkeää tunnistaa, että mittausidean tasossa on hierarkia. Alhaisemmilla mittaustasoilla oletukset ovat yleensä vähemmän rajoittavia ja data-analyysit yleensä vähemmän herkkiä. Jokaisella tasolla ylöspäin hierarkia, nykyinen taso sisältää kaikki ominaisuudet yksi sen alapuolella ja lisää jotain uutta. Yleensä on toivottavaa, että mittaustaso on korkeampi (esim.,, intervalli tai suhde) eikä niinkään alempi (nimellinen tai ordinaalinen).