NIMELLINEN MUUTTUJA: KÄSITE JA ESIMERKIT - DUDAS - 2026

Nimellinen muuttuja on sellainen, joka saa arvot, jotka identifioivat luokan tai luokka, jossa tutkimuskohteita on ryhmitelty. Esimerkiksi muuttuja 'hiusväri' ryhmittelee ihmiset ruskeiksi, mustiksi, vaaleiksi hiuksiksi jne.

Nimellisasteikko tunnistaa, ryhmittelee ja erottaa tutkimusyksiköt tietyn laadun mukaan selkeästi määritellyissä ja yksinoikeudellisissa luokissa siten, että kaikki luokkaan kuuluvat ovat samanarvoisia tai vastaavia tutkittavan ominaisuuden tai ominaisuuden suhteen.

Mies ja nainen kuvakkeet. Lähde: pixabay.com

Luokat erotellaan nimien tai tunnuslukujen perusteella, joten niillä ei ole numeerista arvoa tai vakiintunutta järjestystä. Esimerkiksi: muuttuvalla sukupuolella on kaksi luokkaa, mies ja nainen; Numeroita 1 ja 2 voidaan myös käyttää, jotka edustavat miesten ja naisten luokkia. Nämä numerot ovat vain mielivaltaisia ​​tunnisteita.

Tämän tyyppisissä mittauksissa objekteille osoitetaan nimiä tai tarraa. Suurimman osan nimettyjen yksilöiden tai määritelmien nimi on "arvo", joka on annettu tutkittavan kohteen nimellismitalle.

Jos kahdella esineellä on sama nimi niihin liitettynä, niin ne kuuluvat samaan luokkaan, ja se on ainoa merkitys, joka nimellismitoilla on.

Käsite ja ominaisuudet

Nimellisasteikko on alkeellisinta ja tällä asteikolla mitatut muuttujat luokittelevat tutkimusyksiköt (esineet, ihmiset jne.) Luokkiin yhden tai useamman ainutlaatuisen ja havaitun ominaisuuden, ominaisuuden tai ominaisuuden perusteella.

Luovilla tai luokilla on nimi tai numero, mutta ne toimivat vain merkintöinä tai tunnisteina, ne tekevät kategoriallisia eikä kvantitatiivisia eroja, ne palvelevat puhtaasti luokittelua.

Niitä ei voida manipuloida aritmeettisesti, ne eivät heijasta järjestystä (nouseva tai laskeva) tai hierarkiaa (suurempi tai vähemmän), havaintoja ei voida järjestää pienimmästä suurimmaksi tai pienestä suureksi, ts. Missään luokassa ei ole korkeampaa hierarkiaa kuin Toinen, ne heijastavat vain muuttujan eroja.

Nimellismuuttujia, joilla on kaksi luokkaa, kutsutaan kaksisuuntaiseksi, kuten muuttuva sukupuoli (mies tai nainen). Muuttujia, joissa on kolme tai useampaa luokkaa, kutsutaan monikotomisiksi tai polyhotomisiksi. Esimerkiksi: ammattimuuttuja (työntekijä, puuseppä, lääkäri jne.).

Nimellismuuttujat muodostavat vain ekvivalenttisuhteet; toisin sanoen tietyllä tutkimusobjektilla on joko luokan määrittelevä ominaisuus tai ei.

Nimellismuuttujien avulla voidaan laskea mittasuhteet, prosenttimäärät ja suhteet, ja niiden avulla suoritetaan taajuuslaskennat tai taulukot tapahtumien lukumääristä kussakin tutkitun muuttujan luokassa. Keskitason taipumus, jota voidaan käsitellä tämän tyyppisillä muuttujilla, on tila.

Esimerkkejä nimellismuuttujista

Esimerkkejä nimellisasteikolla mitattavista muuttujista:

- Kansallisuus (Argentiinan, Chilen, Kolumbian, Ecuadorin, Perun jne.).

- Värit (valkoinen, keltainen, sininen, musta, oranssi jne.).

- Silmien väri (musta, ruskea, sininen, vihreä jne.).

- Opiskelijoiden luokittelu uran mukaan (hallinto - 1; järjestelmät - 2; elektroniikka - 3; laki - 4; jne.). (numero on koodi, jolla ei ole arvoa tai järjestystä)

- Siviilisääty (yksinäinen, naimisissa, leski, eronnut, yhteislaki).

- Ammatti (insinööri, lakimies, lääkäri, opettaja jne.).

- Sukupuoli (mies, nainen).

- Uskonnollinen kuuluvuus (kristitty, muslimi, katolinen jne.).

- Poliittinen kuuluvuus (liberaali, konservatiivinen, riippumaton jne.).

- Koulutyyppi (julkinen tai yksityinen).

- Kilpailu (valkoinen, musta, keltainen, mestizo jne.).

- Veriryhmät (O, A, B, AB).

- Esimerkkejä selitetty

Osallistujat jalkapallopelissä

Jos lasketaan jalkapallo-otteluun saapuvat osallistujat, nimellinen muuttuja 'osallistuminen sukupuolen mukaan' voidaan määritellä. Luku ilmoittaa kuinka monta miestä ja kuinka monta naista osallistui otteluun, mutta luokitusmuuttuja on sukupuoli.

Jaa jalkapallopelin yleisö kahteen luokkaan eikä kummallakaan ryhmällä ole etusijaa toiseen nähden. Lopuksi, luokat ovat yksinoikeudella, koska ei ole epäilystäkään mihin ryhmään kukin osallistuja kuuluu.

Työvoimapolitiikan hyöty

Haluat tietää ihmisten mielipiteen ennen kuin toteutetaan uudistuksia maan työllisyyspolitiikassa. Korko-muuttuja on työllisyyspolitiikan edut, ja tutkimuksessa on viisi mahdollista positiivista tulosta: Lisää rahaa, Parempi lääketieteellinen hoito, Parempi eläkkeelle siirtyminen, Työ- ja perhe-tasapaino ja muut.

Kaikki vastaukset mitataan nimellisasteikolla kyllä ​​tai ei-arvoilla.Muut tulokset kattavat kaikki ne edut, jotka vastaajien uskotaan saavan, mutta jotka eivät kuulu kyselyarvoihin.

Hyväksyttävien tai kielteisten vastausten lukumäärä on välttämätöntä, jotta voidaan laskea niiden vastaajien prosenttiosuus kokonaismäärästä, jotka katsovat parantuvansa tai ei millään näkökulmalla, mutta näillä prosenteilla ei ole merkitystä siltä kannalta, että yksi etu on suurempi kuin toinen.

Lopuksi, tuloksiin ei ole luonnollista järjestystä, voit asettaa ensisijaiseksi paremman terveydenhuollon esimerkiksi enemmän rahaa sijaan, ja se ei muuta tulosta ollenkaan.

Henkilön syntymämaa

Syntymämaa on nimellinen muuttuja, jonka arvot ovat maiden nimiä. Tämän muuttujan kanssa työskentelemistä varten on kätevää tehdä numeeriset koodaukset näistä tiedoista. Annamme koodin 1 Argentiinassa syntyneille, Bolivia-koodille 2, Kanada-koodille 3 ja niin edelleen.

Tämä koodaus helpottaa tietokonelaskentaa ja tiedonkeruuvälineiden hallintaa. Koska olemme kuitenkin osoittaneet numeroita eri luokkiin, emme voi manipuloida näitä numeroita. Esimerkiksi 1 + 2 ei ole yhtä suuri kuin 3; toisin sanoen Argentiina + Bolivia ei johda Kanadaan.

Viitteet

1. Coronado, J. (2007). Mitta-asteikot. Paradigmas Magazine. Palautettu sivustolta unitec.edu.co.
2. Freund, R.; Wilson, W.; Mohr, D. (2010). Tilastolliset menetelmät. Kolmas toim. Academic Press-Elsevier Inc.
3. Glass, G.; Stanley, J. (1996). Tilastollisia menetelmiä ei sovelleta yhteiskuntatieteisiin. Prentice Hall Hispanoamericana SA
4. Söpö.; Marchal, W.; Wathen, S. (2012). Yritystoimintaa ja taloutta koskevat tilastotiedot. Viidestoista ed. McGraw-Hill / Interamericana Editores SA
5. Orlandoni, G. (2010). Tilastolliset mitta-asteikot. Telos-lehti. Palautettu osoitteesta ojs.urbe.edu.
6. Siegel, S.; Castellan, N. (1998). Ei-parametriset tilastotiedot, joita sovelletaan käyttäytymistieteisiin. Neljäs toim. Toimituksellinen Trillas SA
7. (2019). Mittaustaso. Palautettu osoitteesta en.wikipedia.org.