le niveau de mesure fait référence à la relation entre les valeurs attribuées aux attributs d’une variable. Qu’est-ce que ça veut dire? Commencez par l’idée de la variable, dans cet exemple » affiliation à un parti.”
Cette variable a un certain nombre d’attributs. Supposons que dans ce contexte électoral particulier, les seuls attributs pertinents sont » républicain”, « démocrate”et « indépendant »., Pour les fins de l’analyse des résultats de cette variable, nous avons arbitrairement affecter les valeurs 1, 2 et 3 les trois attributs. Le niveau de mesure décrit la relation entre ces trois valeurs. Dans ce cas, nous utilisons simplement les nombres comme espaces réservés plus courts pour les termes de texte plus longs. Nous ne supposons pas que des valeurs plus élevées signifient « plus” de quelque chose et que des nombres plus bas signifient « moins”. Nous ne supposons pas que la valeur de 2 signifie que les démocrates sont deux fois quelque chose que les républicains sont., Nous ne supposons pas que les républicains sont en première place ou ont la priorité la plus élevée simplement parce qu’ils ont la valeur de 1. Dans ce cas, nous utilisons uniquement les valeurs comme nom plus court pour l’attribut. Ici, nous décririons le niveau de mesure comme « nominal ».
pourquoi le niveau de mesure est-il Important?
tout d’abord, connaître le niveau de mesure vous aide à décider comment interpréter les données de cette variable. Quand vous savez qu’une mesure est nominale (comme celle qui vient d’être décrite), alors vous savez que les valeurs numériques ne sont que des codes courts pour les noms plus longs., Deuxièmement, connaître le niveau de mesure vous aide à décider quelle analyse statistique est appropriée sur les valeurs qui ont été attribuées. Si une mesure est nominale, alors vous savez que vous ne feriez jamais la moyenne des valeurs de données ou ne feriez jamais un test t sur les données.
Il y a généralement quatre niveaux de mesure sont définis:
- Nominale
- Ordinal
- Intervalle
- Rapport
Dans la mesure nominale les valeurs numériques juste « nom”, l’attribut unique. Aucun ordre des cas n’est implicite. Par exemple, les numéros de maillot au basket-ball sont des mesures au niveau nominal., Un joueur avec un numéro 30 n’est rien de plus qu’un joueur avec un numéro 15, et n’est certainement pas deux fois le nombre 15.
dans la mesure ordinale, les attributs peuvent être classés par rang. Ici, les distances entre les attributs n’ont aucune signification. Par exemple, sur une enquête, vous pouvez coder le niveau D’études comme 0=moins que le lycée; 1=une école secondaire.; 2=diplôme d’études secondaires; 3=un peu de collège; 4=diplôme d’études collégiales; 5=post-collège. Dans cette mesure, un nombre plus élevé signifie plus d’éducation., Mais la distance de 0 à 1 est-elle identique à 3 à 4? Bien sûr que non. L’intervalle entre les valeurs n’est pas interprétable dans une mesure ordinale.
dans la mesure d’intervalle, la distance entre les attributs a une signification. Par exemple, lorsque nous mesurons la température (en Fahrenheit), la distance de 30-40 est la même que la distance de 70-80. L’intervalle entre les valeurs est interprétable. Pour cette raison, il est logique de calculer une moyenne d’une variable d’intervalle, là où cela n’a pas de sens de le faire pour les échelles ordinales., Mais notez que dans les rapports de mesure d’intervalle n’ont aucun sens – 80 degrés n’est pas deux fois plus chaud que 40 degrés (bien que la valeur de l’attribut soit deux fois plus grande).
Enfin, dans la mesure du rapport il y a toujours un zéro absolu, qui est significatif. Cela signifie que vous pouvez construire une fraction significative (ou un rapport) avec une variable de rapport. Le poids est une variable de rapport. Dans la recherche sociale appliquée, la plupart des variables de « comptage » sont le ratio, par exemple, le nombre de clients au cours des six derniers mois. Pourquoi?, Parce que vous pouvez avoir zéro client et parce qu’il est significatif de dire que « we nous avons eu deux fois plus de clients au cours des six derniers mois que lors des six mois précédents. »
Il est important de reconnaître qu’il existe une hiérarchie dans l’idée de niveau de mesure. À des niveaux de mesure inférieurs, les hypothèses ont tendance à être moins restrictives et les analyses de données ont tendance à être moins sensibles. À chaque niveau de la hiérarchie, le niveau actuel inclut toutes les qualités de celui en dessous et ajoute quelque chose de nouveau. En général, il est souhaitable d’avoir un niveau de mesure plus élevé (par exemple,, intervalle ou Rapport) plutôt qu’un inférieur (nominal ou ordinal).