Vilken nivå och skala av mätning bör du använda i forskning?

Mätnivå hänvisar till det speciella sätt som en variabel mäts inom vetenskaplig forskning, och mätskala hänvisar till det särskilda verktyg som en forskare använder för att sortera data på ett organiserat sätt, beroende på vilken mätnivå de har valt

Att välja nivå och skala för mätning är viktiga delar av forskningsdesignprocessen eftersom de är nödvändiga för att systematiseras mätning och kategorisering av data, och därmed för att analysera och dra slutsatser från dem som anses giltiga.

Inom vetenskapen finns det fyra vanligt förekommande nivåer och mätskalor. : nominell, ordinal, intervall och ratio. Dessa utvecklades av psykologen Stanley Smith Stevens, som skrev om dem i en artikel från 1946 i Vetenskap , med titeln ”On the Theory of Scales of Measurement.” Varje nivå av mätning och dess motsvarande skala kan mäta en eller flera av de fyra mätegenskaperna, som inkluderar identitet, magnitud, lika intervaller och ett minimivärde på noll.

Det finns en hierarki av dessa olika nivåer av mätning. Med de lägre mätnivåerna (nominella, ordinala) är antaganden vanligtvis mindre restriktiva och dataanalyser mindre känsliga. På varje nivå i hierarkin inkluderar den aktuella nivån alla egenskaperna hos den under den förutom något nytt. I allmänhet är det önskvärt att ha högre mätningsnivåer (intervall eller förhållande) snarare än lägre. Låt oss undersöka varje nivå av mätning och dess motsvarande skala i ordning från lägsta till högsta i hierarkin.

Den nominella nivån och skalan

En nominell skala används för att namnge kategorierna inom de variabler du använder i din forskning. Denna typ av skala ger ingen rangordning eller ordning av värden; det ger helt enkelt ett namn för varje kategori inom en variabel så att du kan spåra dem bland dina data. Det vill säga att den uppfyller mätningen av identitet, och enbart identitet.

Vanliga exempel inom sociologi inkluderar nominell spårning av kön (man eller kvinna), ras (vit, svart, latinamerikansk, asiatisk , indian, etc.), och klass (fattig, arbetarklass, medelklass, överklass). Naturligtvis finns det många andra variabler man kan mäta på en nominell skala.

Den nominella mätnivån är också känd som ett kategoriskt mått och anses vara kvalitativ till sin natur. När man gör statistisk forskning och använder denna nivå av mätning, skulle man använda läget, eller det vanligaste värdet, som ett mått på central tendens.

Ordinalnivån och skalan

Ordinalskalor används när en forskare vill mäta något som inte är lätt att kvantifiera, som känslor eller åsikter. Inom en sådan skala ordnas de olika värdena för en variabel successivt, vilket är det som gör skalan användbar och informativ. Den uppfyller både egenskaperna identitet och storlek. Det är dock viktigt att notera att en sådan skala inte är kvantifierbar – de exakta skillnaderna mellan variabelkategorierna är okända.

Inom sociologi används ordinalskalor ofta för att mäta människors åsikter och åsikter om sociala frågor, som rasism och sexism, eller hur viktiga vissa frågor är för dem i samband med ett politiskt val. Om en forskare till exempel vill mäta i vilken utsträckning en befolkning anser att rasism är ett problem, kan de ställa en fråga som ”Hur stort problem är rasism i vårt samhälle idag?” och ge följande svarsalternativ: ”det är ett stort problem”, ”det är något problem”, ”det är ett litet problem” och ”rasism är inget problem.”

När man använder denna nivå och mätskala är det medianen som anger central tendens.

Intervallnivån och Skala

Till skillnad från nominella och ordinala skalor är en intervallskala en numerisk skala som möjliggör ordning av variabler och ger en exakt, kvantifierbar förståelse av skillnaderna mellan dem (intervallen mellan dem). Detta innebär att den uppfyller de tre egenskaperna identitet, magnitud, och lika intervall.

Ålder är en vanlig variabel som sociologer spårar med hjälp av en intervallskala, som 1, 2 , 3, 4, etc. Man kan också omvandla icke-intervall, ordnade variabelkategorier till en intervallskala för att underlätta statistisk analys. Till exempel är det vanligt att mäta inkomst som ett intervall, som $0-$9,999; 10 000 $ – 19 999 $; 20 000-29 000 $ och så vidare. Dessa intervall kan omvandlas till intervall som återspeglar den ökande inkomstnivån, genom att använda 1 för att signalera den lägsta kategorin, 2 nästa, sedan 3, etc.

Intervallskalor är särskilt användbara eftersom de inte bara gör det möjligt att mäta frekvensen och procentandelen av variabelkategorier i våra data, de tillåter oss också att beräkna medelvärdet, i tillägg till medianen, läge. Viktigt, med intervallnivån för mätning, kan man också beräkna standardavvikelsen.

Förhållandets nivå och skala

Förhållandeskalan för mätning är nästan densamma som intervallskalan, men den skiljer sig genom att den har ett absolut värde på noll, och så är det den enda skalan som uppfyller alla fyra mätegenskaperna.

En sociolog skulle använda en kvotskala för att mäta faktisk förvärvsinkomst i ett givet år, inte uppdelat i kategoriska intervall, utan från $0 uppåt. Allt som kan mätas från absoluta noll kan mätas med en kvotskala, som till exempel antalet barn en person har, antalet val en person har röstat i eller antalet vänner som är av en annan ras än svarande.

Man kan köra alla statistiska operationer som kan göras med intervallskalan, och ännu mer med förhållandeskalan. Faktum är att det kallas så för att man kan skapa kvoter och bråk från data när man använder en kvotnivå för mätning och skala.

Uppdaterad av Nicki Lisa Cole, Ph.D.

Lämna ett svar

Relaterade Inlägg

  • The Notorious Benedict Arnold av Steve Sheinkin

  • En recension av Diary of a Wimpy Kid: Rodrick Rules

  • Mother Goose Board Böcker för spädbarn och småbarn

  • Bokrecension: The Librarian of Basra

  • The Magic Tree House-bokserien av Mary Pope Osborne

  • The Strange Case of Origami Yoda: Bokrecension