ZMIENNA NOMINALNA: KONCEPCJA I PRZYKŁADY - DUDAS - 2026

Zmienna nominalna to taki, który przyjmuje wartości, które identyfikują klasę lub kategorię, w której przedmiotem badań są grupowane. Na przykład zmienna „kolor włosów” dzieli ludzi na brązowe, czarne, blond itp.

Skala nominalna identyfikuje, grupuje i różnicuje jednostki badawcze, według określonej jakości, w jasno określone i wyłączne klasy, w taki sposób, aby wszystkie należące do klasy były równe lub równoważne w odniesieniu do badanego atrybutu lub majątku.

Ikony mężczyzna i kobieta. Źródło: pixabay.com

Klasy są rozróżniane według nazw lub numerów identyfikacyjnych, więc nie mają wartości liczbowej ani ustalonej kolejności. Na przykład: zmienna płeć ma dwie klasy, męską i żeńską; Można również użyć cyfr 1 i 2, reprezentujących odpowiednio kategorię mężczyzn i kobiet. Te liczby to po prostu arbitralne identyfikatory.

W tego typu miarach do obiektów przypisywane są nazwy lub etykiety. Nazwą większości nominowanych okazów lub definicji jest „wartość” przypisana nominalnej miary przedmiotu badań.

Jeśli dwa obiekty mają skojarzoną z nimi tę samą nazwę, to należą do tej samej kategorii i tylko takie znaczenie mają miary nominalne.

Koncepcja i charakterystyka

Skala nominalna jest najbardziej elementarna, a zmienne mierzone w tej skali klasyfikują jednostki badawcze (obiekty, osoby itp.) Na klasy w oparciu o jedną lub więcej unikalnych i zaobserwowanych cech, atrybutów lub właściwości.

Klasy lub kategorie mają nazwę lub numer, ale służą one jedynie jako etykiety lub identyfikatory, służą raczej do rozróżnień jakościowych niż ilościowych, pełnią funkcję czysto klasyfikacyjną.

Nie można nimi manipulować arytmetycznie, nie odzwierciedlają kolejności (rosnąco lub malejąco) ani hierarchii (większej lub mniejszej), obserwacji nie można uporządkować od najmniejszej do największej ani od małej do dużej, czyli żadna z kategorii nie ma wyższej hierarchii niż po drugie, odzwierciedlają tylko różnice w zmiennej.

Zmienne nominalne z dwiema klasami nazywane są dychotomicznymi, takimi jak zmienna płeć (mężczyzna lub kobieta). Zmienne z co najmniej trzema kategoriami nazywane są multichotomicznymi lub polihotomicznymi. Na przykład: zmienna dotycząca zawodu (pracownik, stolarz, lekarz itp.).

Zmienne nominalne ustanawiają jedynie relacje równoważności; to znaczy, konkretny przedmiot badań ma cechę definiującą klasę lub jej nie posiada.

Za pomocą zmiennych nominalnych można obliczyć proporcje, procenty i stosunki, a przy ich pomocy przeprowadzić zliczenia częstości lub tabelaryczne zestawienia liczby zdarzeń w poszczególnych klasach badanej zmiennej. Miarą tendencji centralnej, którą można obsłużyć za pomocą tego typu zmiennych, jest mod.

Przykłady zmiennych nominalnych

Przykłady zmiennych mierzonych w skali nominalnej:

- Obywatelstwo (argentyńskie, chilijskie, kolumbijskie, ekwadorskie, peruwiańskie itp.).

- Kolory (biały, żółty, niebieski, czarny, pomarańczowy itp.).

- Kolor oczu (czarny, brązowy, niebieski, zielony itp.).

- Klasyfikacja studentów według zawodów (Administracja - 1; Systemy - 2; Elektronika - 3; Prawo - 4 itd.). (liczba to kod bez wartości lub zamówienia)

- Stan cywilny (kawaler, żonaty, owdowiały, rozwiedziony, związek cywilny).

- Zawód (inżynier, prawnik, lekarz, nauczyciel itp.).

- Płeć (mężczyzna, kobieta).

- przynależność religijna (chrześcijańska, muzułmańska, katolicka itp.).

- Przynależność polityczna (liberalna, konserwatywna, niezależna itp.).

- Rodzaj szkoły (publiczna lub prywatna).

- Rasa (biała, czarna, żółta, metysowa itp.).

- Grupy krwi (O, A, B, AB).

- Przykłady wyjaśnione

Uczestnicy meczu piłki nożnej

Jeśli policzy się uczestników biorących udział w meczu piłki nożnej, można zdefiniować nominalną zmienną „frekwencja według płci”. Licznik informuje, ilu mężczyzn i ile kobiet uczestniczyło w meczu, ale zmienną klasyfikacyjną jest płeć.

Podziel publiczność w meczu piłki nożnej na dwie kategorie i żadna z grup nie ma pierwszeństwa przed drugą. Wreszcie kategorie są ekskluzywne, ponieważ nie ma wątpliwości, do której grupy należy każdy z uczestników.

Korzyści z polityki pracy

Chcesz poznać opinię ludzi przed zastosowaniem reform w polityce pracy kraju. Zmienną „zainteresowanie” są korzyści wynikające z polityki pracy, a badanie daje pięć możliwych pozytywnych wyników: Więcej pieniędzy, Lepsza opieka medyczna, Lepsza emerytura, Równowaga między pracą a rodziną i inne.

Wszystkie odpowiedzi są mierzone w skali nominalnej z wartościami Tak lub Nie. Wynik Inne obejmuje wszystkie korzyści, które respondenci uważają, że uzyskają, ale które nie są częścią wartości badania.

Liczba odpowiedzi twierdzących lub negatywnych jest konieczna, aby obliczyć odsetek respondentów ogółem, którzy uważają, że poprawią się lub nie w którymkolwiek z aspektów, ale te wartości procentowe nie mają znaczenia z punktu widzenia, że ​​jedna korzyść jest większa niż inna .

Wreszcie, nie ma naturalnego porządku w wynikach, możesz na przykład postawić na pierwszym miejscu Lepsza opieka zdrowotna zamiast na przykład Więcej pieniędzy i wcale nie zmienia to wyniku.

Kraj urodzenia osoby

Kraj urodzenia jest zmienną nominalną, której wartościami są nazwy krajów. Na potrzeby pracy z tą zmienną wygodnie jest dokonać numerycznej kodyfikacji tych informacji, przypisujemy kod 1 osobom urodzonym w Argentynie, kod Boliwii 2, kod Kanady 3 i tak dalej.

Kodowanie to ułatwia zliczanie komputerowe i zarządzanie instrumentami do zbierania informacji. Jednak ponieważ przypisaliśmy liczby do różnych kategorii, nie możemy nimi manipulować. Na przykład 1 + 2 nie jest równe 3; to znaczy Argentyna + Boliwia nie prowadzi do Kanady.

Bibliografia

1. Coronado, J. (2007). Wagi pomiarowe. Magazyn Paradigmas. Odzyskany z unitec.edu.co.
2. Freund, R .; Wilson, W.; Mohr, D. (2010). Metody statystyczne. Wydanie trzecie. Academic Press-Elsevier Inc.
3. Glass, G.; Stanley, J. (1996). Metody statystyczne niestosowane w naukach społecznych. Prentice Hall Hispanoamericana SA
4. Uroczy.; Marchal, W.; Wathen, S. (2012). Statystyki stosowane w biznesie i gospodarce. Wydanie piętnaste. McGraw-Hill / Interamericana Editores SA
5. Orlandoni, G. (2010). Statystyczne skale pomiarowe. Magazyn Telos. Odzyskany z ojs.urbe.edu.
6. Siegel, S.; Castellan, N. (1998). Statystyki nieparametryczne stosowane w naukach behawioralnych. Czwarte wyd. Od redakcji Trillas SA
7. (2019). Poziom pomiaru. Odzyskany z en.wikipedia.org.