a mérési szint a változó attribútumaihoz rendelt értékek közötti kapcsolatra utal. Mit jelent ez? Kezdje a változó ötletével ,ebben a példában ” párthoz tartozás.”
Ez a változó számos attribútummal rendelkezik. Tegyük fel, hogy ebben a választási kontextusban az egyetlen releváns tulajdonság a “republikánus”, “demokrata” és “független”., A változó eredményeinek elemzése céljából önkényesen hozzárendeljük a 1, 2 és 3 értékeket a három attribútumhoz. A mérési szint leírja a három érték közötti kapcsolatot. Ebben az esetben egyszerűen a számokat rövidebb helyőrzőként használjuk a hosszabb szöveges kifejezésekhez. Nem feltételezzük, hogy a magasabb értékek valami “többet” jelentenek, az alacsonyabb számok pedig “kevesebbet”jelentenek. Nem feltételezzük, hogy a 2 értéke azt jelenti, hogy a demokraták kétszer olyanok, mint a republikánusok., Nem feltételezzük, hogy a republikánusok az első helyen állnak, vagy a legmagasabb prioritással rendelkeznek, csak azért, mert 1értékük van. Ebben az esetben az értékeket csak rövidebb névként használjuk az attribútumhoz. Itt a mérési szintet “névleges” – ként írnánk le.
miért fontos a mérési szint?
először is, a mérési szint ismerete segít eldönteni, hogyan kell értelmezni az adatokat a változóból. Ha tudod, hogy egy intézkedés névleges (mint az éppen leírt), akkor tudod, hogy a numerikus értékek csak rövid kódok a hosszabb nevekhez., Másodszor, a mérési szint ismerete segít eldönteni, hogy milyen statisztikai elemzés megfelelő a hozzárendelt értékekre. Ha egy intézkedés névleges, akkor tudja, hogy soha nem fogja átlagolni az adatértékeket, vagy nem végez t-tesztet az adatokon.
jellemzően négy szint mérés meghatározott:
- Névleges
- Sorszám
- Intervallum
- Arány
A névleges mérési a numerikus értékek csak a “név” a attribútum egyedi. Az esetek megrendelése nem szerepel. Például a kosárlabda mezszáma névleges szintű intézkedés., A 30 számmal rendelkező játékos nem több semminél, mint egy 15 számmal rendelkező játékos, és minden bizonnyal nem kétszer olyan szám, mint a 15 is.
az ordinális mérésben az attribútumok rangsorolhatók. Itt az attribútumok közötti távolságoknak nincs értelme. Például egy felmérés lehet kódolni az iskolai végzettség 0 = kevesebb, mint a középiskolában; 1 = néhány középiskolában.; 2=középiskolai diploma; 3 = néhány Főiskola; 4 = főiskolai diploma; 5 = poszt Főiskola. Ebben az intézkedésben a magasabb számok több oktatást jelentenek., De a távolság 0-1 ugyanaz, mint 3-4? Persze, hogy nem. Az értékek közötti intervallum nem értelmezhető egy sorméretben.
intervallummérésben az attribútumok közötti távolságnak van jelentése. Például, amikor mérjük a hőmérsékletet (Fahrenheitben), a 30-40-es távolság megegyezik a 70-80-as távolsággal. Az értékek közötti intervallum értelmezhető. Emiatt érdemes kiszámolni egy intervallumváltozó átlagát, ahol nincs értelme ezt megtenni az ordinális skálák esetében., De vegye figyelembe, hogy az intervallummérési arányoknak nincs értelme – a 80 fok nem kétszer olyan forró, mint 40 fok (bár az attribútum értéke kétszer akkora).
végül az aránymérésben mindig van egy abszolút nulla, amely értelmes. Ez azt jelenti, hogy lehet építeni egy értelmes frakció (vagy Arány) egy Arány változó. A súly egy Arány változó. Az alkalmazott társadalomkutatásban a legtöbb” gróf ” változó az arány, például az ügyfelek száma az elmúlt hat hónapban. Miért?, Mert lehet nulla ügyfele, és mert értelmes azt mondani, hogy ” … kétszer annyi ügyfelünk volt az elmúlt hat hónapban, mint az előző hat hónapban.”
fontos felismerni,hogy van egy hierarchia a mérési ötlet szintjén. Alacsonyabb mérési szinteken a feltételezések általában kevésbé korlátozóak, és az adatelemzések általában kevésbé érzékenyek. A hierarchia minden szintjén a jelenlegi szint tartalmazza az alatta lévő összes tulajdonságot, és valami újat ad hozzá. Általában kívánatos, hogy magasabb szintű mérés (pl.,, intervallum vagy Arány), nem pedig alacsonyabb (névleges vagy ordinális).