mätnivån avser förhållandet mellan de värden som tilldelas attributen för en variabel. Vad betyder det? Börja med tanken på variabeln, i det här exemplet ”partytillhörighet.”
variabeln har ett antal attribut. Låt oss anta att i detta speciella valsammanhang är de enda relevanta egenskaperna ”republikanska”, ”demokrat” och ”oberoende”., För att analysera resultaten av denna variabel tilldelar vi godtyckligt värdena 1, 2 och 3 till de tre attributen. Mätnivån beskriver förhållandet mellan dessa tre värden. I det här fallet använder vi helt enkelt siffrorna som kortare platshållare för de längre textvillkoren. Vi antar inte att högre värden betyder ” mer ”av något och lägre tal betyder”mindre”. Vi antar inte värdet av2 innebär att Demokrater är dubbelt så stora som republikaner., Vi antar inte att Republikaner är i första hand eller har högsta prioritet bara för att de har värdet 1. I det här fallet använder vi bara värdena som ett kortare namn för attributet. Här skulle vi beskriva mätnivån som”nominell”.
Varför är mätnivån viktig?
först, att veta mätnivån hjälper dig att bestämma hur du ska tolka data från den variabeln. När du vet att ett mått är nominellt (som det som just beskrivits), vet du att de numeriska värdena bara är kortkoder för de längre namnen., För det andra, att veta mätnivån hjälper dig att bestämma vilken statistisk analys som är lämplig på de värden som tilldelades. Om ett mått är nominellt vet du att du aldrig skulle genomsnittliga datavärdena eller göra ett T-test på data.
det finns vanligtvis fyra mätnivåer som definieras:
- nominell
- Ordinal
- intervall
- förhållande
i nominell mätning numeriska värden bara ”namn” attributet unikt. Ingen beställning av fallen är underförstådd. Till exempel är jerseynummer i basket åtgärder på nominell nivå., En spelare med nummer 30 är inte mer av något än en spelare med nummer 15, och är verkligen inte dubbelt så många som 15 är.
vid ordinär mätning kan attributen rangordnas. Här har avstånd mellan attribut ingen mening. Till exempel, på en undersökning kan du koda Utbildningsnivå som 0=mindre än gymnasiet; 1=vissa gymnasiet.; 2 = gymnasieexamen; 3 = vissa college; 4 = högskoleexamen; 5 = post college. I denna åtgärd innebär högre antal mer utbildning., Men är avståndet från 0 till 1 samma som 3 till 4? Självklart inte. Intervallet mellan värden är inte tolkbart i en ordinär åtgärd.
i intervallmätning har avståndet mellan attributen betydelse. Till exempel, när vi mäter temperaturen (i Fahrenheit) är avståndet från 30-40 detsamma som avståndet från 70-80. Intervallet mellan värden är tolkbart. På grund av detta är det vettigt att beräkna ett genomsnitt av en intervallvariabel, där det inte är meningsfullt att göra det för ordningsskalor., Men observera att i intervallmätningsförhållanden inte ger någon mening-80 grader är inte dubbelt så varmt som 40 grader (även om attributvärdet är dubbelt så stort).
slutligen, i förhållande mätning finns det alltid en absolut noll som är meningsfull. Detta innebär att du kan konstruera en meningsfull fraktion (eller Förhållande) med ett förhållande variabel. Vikt är ett förhållande variabel. I tillämpad social forskning är de flesta” räkna ” variabler förhållande, till exempel antalet kunder under de senaste sex månaderna. Varför?, Eftersom du kan ha noll klienter och eftersom det är meningsfullt att säga att ” … vi hade dubbelt så många kunder under de senaste sex månaderna som vi gjorde under de senaste sex månaderna.”
det är viktigt att inse att det finns en hierarki underförstådd i mätnivån. Vid lägre mätnivåer tenderar antaganden att vara mindre restriktiva och dataanalyser tenderar att vara mindre känsliga. På varje nivå upp hierarkin innehåller den nuvarande nivån alla kvaliteter av den under den och lägger till något nytt. I allmänhet är det önskvärt att ha en högre mätnivå (t. ex.,, intervall eller Förhållande) snarare än en lägre (nominell eller ordinal).