- Konsept og egenskaper
- Eksempler på nominelle variabler
- - Eksempler forklart
- Deltakere på en fotballkamp
- Fordel med arbeidspolitikk
- Fødselsland for en person
- referanser
En nominell variabel er en som tar verdier som identifiserer en klasse eller kategori der gjenstandene for studien er gruppert. For eksempel grupperer variabelen 'hårfarge' folk til brunt, svart, blondt hår, etc.
Den nominelle skalaen identifiserer, grupperer og differensierer studieenhetene, i henhold til en viss kvalitet, i klart definerte og eksklusive klasser, på en slik måte at alle de som tilhører en klasse er like eller likeverdige med hensyn til attributtet eller egenskapen som studeres.

Mann og kvinne ikoner. Kilde: pixabay.com
Klassene er differensiert med navn eller ved å identifisere tall, så de har ingen numerisk verdi eller etablert rekkefølge. For eksempel: det variable kjønn har to klasser, mannlige og kvinnelige; Tallene 1 og 2 kan også brukes, som representerer henholdsvis mannlige og kvinnelige kategorier. Disse tallene er bare vilkårlige identifikatorer.
I denne typen tiltak blir navn eller etiketter tildelt objekter. Navnet på de fleste av de nominerte eksemplene eller definisjonene er "verdien" som er tilordnet det nominelle målet for gjenstanden for studien.
Hvis to objekter har samme navn tilknyttet seg, tilhører de samme kategori, og det er den eneste betydningen nominelle tiltak har.
Konsept og egenskaper
Den nominelle skalaen er den mest elementære, og variablene målt på denne skalaen klassifiserer studieenhetene (objekter, personer osv.) I klasser, basert på en eller flere unike og observerte egenskaper, attributter eller egenskaper.
Klasser eller kategorier har navn eller nummer, men disse fungerer bare som etiketter eller identifikatorer, de gjør kategoriske snarere enn kvantitative distinksjoner, de tjener en rent klassifiseringsfunksjon.
De kan ikke manipuleres aritmetisk, de reflekterer ikke rekkefølge (stigende eller synkende) eller hierarki (større eller mindre), observasjonene kan ikke bestilles fra minst til størst eller fra liten til stor, det vil si at ingen av kategoriene har et høyere hierarki enn en annen, de gjenspeiler bare forskjeller i variabelen.
Nominelle variabler med to klasser kalles dikotom, for eksempel variabelen kjønn (mann eller kvinne). Variabler med tre eller flere kategorier kalles multikotomisk eller polyhotomisk. For eksempel: yrkesvariabelen (arbeider, tømrer, lege osv.).
Nominelle variabler etablerer bare ekvivalensrelasjoner; det vil si at et bestemt studieobjekt har enten det kjennetegn som definerer klassen, eller så gjør det ikke.
Med de nominelle variablene kan det gjøres beregninger av proporsjoner, prosenter og forholdstall, og med dem utføres frekvensanteller eller tabeller over antall hendelser i hver klasse av den studerte variabelen. Målet for sentral tendens som kan håndteres med denne typen variabler er modusen.
Eksempler på nominelle variabler
Eksempler på variabler målt i nominell skala:
- Nasjonalitet (argentinsk, chilensk, colombiansk, ecuadoriansk, peruansk, etc.).
- Farger (hvit, gul, blå, svart, oransje, etc.).
- Farge på øynene (svart, brun, blå, grønn, etc.).
- Klassifisering av studenter etter karrierer (Administrasjon - 1; Systemer - 2; Elektronikk - 3; Jus - 4; etc.). (tallet er en kode uten verdi eller rekkefølge)
- Sivilstatus (enslig, gift, enke, fraskilt, fellesforbund).
- Yrke (ingeniør, advokat, lege, lærer, etc.).
- Sex (mann, kvinne).
- Religiøs tilknytning (kristen, muslim, katolikk osv.).
- Politisk tilknytning (liberal, konservativ, uavhengig osv.).
- Type skole (offentlig eller privat).
- Rase (hvit, svart, gul, mestizo, etc.).
- Blodgrupper (O, A, B, AB).
- Eksempler forklart
Deltakere på en fotballkamp
Hvis det blir foretatt en telling av de fremmøtte som deltar i en fotballkamp, kan den nominelle variabelen 'oppmøte etter kjønn' defineres. Tellingen rapporterer hvor mange menn og hvor mange kvinner som deltok i kampen, men klassifiseringsvariabelen er kjønn.
Del publikum i fotballkampen i to kategorier, og ingen av gruppene har preferanser fremfor den andre. Endelig er kategoriene eksklusive, siden det ikke er tvil om hvilken gruppe hver av de fremmøtte tilhører.
Fordel med arbeidspolitikk
Du vil vite folks mening før reformer i arbeidspolitikken i et land. Variabelen "interesse" er fordelene ved arbeidspolitikk, og i undersøkelsen er det fem mulige positive resultater: Mer penger, Bedre legehjelp, Bedre pensjonisttilværelse, Arbeid / familiebalanse og andre.
Alle svar måles på en nominell skala med Ja- eller Nei-verdier. De andre resultatene omfatter alle fordelene som respondentene tror de vil oppnå, men som ikke er en del av undersøkelsesverdiene.
Antallet bekreftende eller negative svar er nødvendig for å beregne prosentandelen av respondentene av totalen som anser at de vil forbedre seg eller ikke i noen av aspektene, men disse prosentene har ikke mening fra synspunktet om at en fordel er større enn en annen .
Endelig er det ingen naturlig rekkefølge på resultatene. Du kan sette Bedre helsevesen først i stedet for Mer penger, for eksempel, og det endrer ikke resultatet i det hele tatt.
Fødselsland for en person
Fødselslandet er en nominell variabel hvis verdier er navnene på landene. For å jobbe med denne variabelen er det praktisk å foreta en numerisk kodifisering av denne informasjonen, vi tildeler kode 1 til de som er født i Argentina, Bolivia-kode 2, Canada-kode 3, og så videre.
Denne kodingen letter datamaskintelling og styring av informasjonsinnsamlingsinstrumenter. Men siden vi har tildelt tall til de forskjellige kategoriene, kan vi ikke manipulere disse tallene. For eksempel er 1 + 2 ikke lik 3; det vil si at Argentina + Bolivia ikke resulterer i Canada.
referanser
- Coronado, J. (2007). Måleskala. Paradigmas Magazine. Gjenopprettet fra unitec.edu.co.
- Freund, R .; Wilson, W .; Mohr, D. (2010). Statistiske metoder. Tredje utg. Academic Press-Elsevier Inc.
- Glass, G .; Stanley, J. (1996). Statistiske metoder som ikke er brukt i samfunnsvitenskapene. Prentice Hall Hispanoamericana SA
- Cute .; Marchal, W .; Wathen, S. (2012). Statistikk anvendt for næringsliv og økonomi. Femtende utg. McGraw-Hill / Interamericana Editores SA
- Orlandoni, G. (2010). Statistiske måleskalaer. Telos Magazine. Gjenopprettet fra ojs.urbe.edu.
- Siegel, S .; Castellan, N. (1998). Ikke-parametrisk statistikk anvendt på atferdsvitenskapene. Fjerde utgave Redaksjonell Trillas SA
- (2019). Målingsnivå. Gjenopprettet fra en.wikipedia.org.
