er du den type person, der arbejder bedre med lidt frihed og evnen til at “skyde fra hoften”? Eller kan du lide ting, der gøres på en streng og ordnet måde hver gang? Dette er ligesom nominelle vs ordinære data. Nominelle og ordinære data betragtes begge som kategoriske datavariabler, men bruges ganske forskelligt.
mens nominelle og ordinære data er i fokus her, er det vigtigt at bemærke de to andre typer datamålingsskalaer i forskning og statistik, interval-og ratiodata, som er numeriske eller kvantificerbare data. Vi kommer også kort ind på dem senere.
Opret din nominelle eller ordinære dataundersøgelse nu!
Hvad er nominelle Data?
nominelle data (fra det latinske ord “nomen”, der betyder “navngivne” data), er data, der navngiver eller mærker variabler uden en numerisk værdi. Det enkleste eksempel ville være” ja “eller” nej.”Dette er to kategorier, men der er ingen måde at bestille dem fra højeste til laveste eller bedst til værste. Det samme kunne siges om et demografisk spørgsmål som ” race.”Selvom der vil være adskillige kategorier, der kan vælges, er der igen ingen type ordre, der kan tildeles dem. Så nominelle data bruges til at indsamle nogle oplysninger om en gruppe eller et sæt begivenheder, der er begrænset til bare tællinger. Datatypen repræsenterer en kendsgerning, ikke en præference.
Hvad er ordinære Data?
ordinære data er data, der er “ordnet.”Variablerne får et tal, der angiver deres placering på en liste. Forskere bruger disse data til at tildele etiketter til meninger. For eksempel, når en restaurant spørger kunderne, hvor tilfredse de var med service, kan kunden muligvis vælge 1-5, hvor 1 er dårlig og 5 er fremragende. Så tallene har en ordre eller rang, da 5 er klart bedre end 1. Det er vigtigt at bemærke, at selvom ordinære data tildeler en numerisk værdi til en mening, er det ikke et kvantitativt mål, fordi selv om en rangordning på 5 er bedre end 1, betyder det ikke, at det nødvendigvis er fem gange bedre.
7 overvejelser for brug af ordinære vs nominelle Data
nominelle og ordinære data har en vigtig rolle i statistik og opmåling, så det er vigtigt at forstå, hvad du kan og ikke kan gøre med hver af dem, samt hvordan man måler dem. Ordinære skalaer giver normalt et højt detaljeringsniveau, mens nominelle skalaer begrænser detaljer. At forstå disse forskelle kan påvirke, hvilken type du vælger, og hvordan du analyserer dine data.
dataanalyse
dataanalyse vil være forskellig afhængigt af om du vælger en nominel eller ordinær skala. Under analysen grupperes nominelle data i kategorier, normalt med en procentdel (40% sagde ja, 60% sagde nej). For originale data, mere komplekse beregninger udføres, ofte bestemmelse af tilstand, median, og andre positionelle foranstaltninger som kvartiler, percentiler, etc.
typer af spørgsmål
de typer af spørgsmål, du stiller, vil sandsynligvis variere afhængigt af om du indsamler ordinære eller nominelle data. Nominel dataindsamling involverer ofte ja / nej-spørgsmål, tommelfingre op/ned eller multiple choice-spørgsmål. Nominelt sindede spørgsmål er også undertiden åbne (så personen kan skrive i et svar). For ordinære spørgsmål vil de fleste forskere anvende en likert skala, interval skala, rating skala osv. Selvom disse indsamlingsteknikker adskiller sig fra hinanden, kunne et enkelt spørgeskema bruge både nominelle og ordinære dataindsamlingsteknikker (og mange undersøgelser gør).
brugervenlighed
medmindre du tilbyder incitamenter eller har et meget engageret publikum, er nominel dataindsamling typisk mere tidskrævende for deltagerne og mindre tilbøjelige til at få høje svarprocent. Det skyldes, at de er nødt til at overveje flere valg eller “udfylde emnerne” i et åbent spørgsmål, som nogle måske finder trættende. På den anden side krævede ordinære data simpelthen, at de skulle vælge fra en skala, hvilket forenklede processen. Emojis kan endda tilføjes til tallene (1 = 😠, 2 = 😔, 3 = 😑, 4 = 🙂, 5 = 😀) gør undersøgelsen endnu sjovere eller brugervenlig.
ytringsfrihed
ordinære data kræver, at folk vælger fra en skala, hvilket er fantastisk til dataanalyse, men ikke giver respondenterne ytringsfrihed. For eksempel, hvis nogen vil bedømme tjenesten som dårlig, vil de måske skrive nøjagtigt, hvorfor den var dårlig (for eksempel vil de måske forklare, at tjeneren var god, men maden var forfærdelig). Selvfølgelig kan forskere vælge muligheden for at give en ordinær skala efterfulgt af et nominelt, åbent spørgsmål (fortæl os mere om din oplevelse…). Dette giver en virksomhed en ide om en kundes tilfredshedsniveau og hvad der påvirker deres følelser.
inklusivitet
at gå hånd i hånd med #4 er spørgsmålet om inklusivitet. Med ordinære variabler er respondenterne begrænset til et sæt foruddefinerede muligheder. Dette gælder også for mange ordinære spørgsmål, som ofte er afhængige af multiple choice. Ordinære spørgsmål kan dog også være åbne, hvilket giver ytringsfrihed ved at lade folk skrive i deres svar. Så for eksempel, når de spørger om køn, skriver respondenterne i deres svar, så de ikke er låst ind i et strengt mandligt/kvindeligt svar for ikke-binære eller transgender individer. Dette giver dem mulighed for at identificere, som de vælger, og holder undersøgelsen mere inkluderende. Læs mere om dei (mangfoldighed, egenkapital og inklusion) Undersøgelser.
eliminering af irrelevante Data
at give respondenterne frihed til at udtrykke sig kan komme ad gangen omkostninger for forskere, hvilket også bør overvejes ud fra, hvor hurtigt resultater skal kompileres. Nominelle data, mens de ofte giver værdifuld indsigt, kan også omfatte irrelevante data, som analytikere bliver nødt til at luge igennem. Så det er vigtigt at afveje, hvad du håber at opnå med forskningen eller undersøgelsen, når du beslutter, hvilken type data der skal indsamles. Overvej et spørgsmål om en præsidents præstationer. I et ordinært spørgsmål kan du bede en respondent om at bedømme præsidentens præstationer; nu kan respondenten være tilfreds med det job, præsidenten udfører, men finde en nylig personlig skandale pinlig. Så de tildeler en 2 ud af 5, hvilket afspejler dårligt på ydeevne, selvom det ikke er problemet. Et nominelt, åbent spørgsmål kunne imidlertid have skelnet mellem præstation og skandalen.
nem sammenligning
endelig, hvor nemt har du brug for at sammenligne svar? Nominelle data er ikke altid let at sammenligne; et spørgsmål kunne have 8 multiple choice-svar, hvilket fører til en lang række muligheder, eller åbne spørgsmål, som det kan være svært at tildele værdi til. På den anden side er ordinære data meget lette at sammenligne, hvilket gør det ekstremt praktisk at gruppere variablerne efter bestilling af dem.
Ratio-og Intervalvariabler
bare for at holde dig informeret om de andre typer data, der bruges i forskning og statistik, interval-og ratiodata, ønskede vi også kort at dække dem. Disse data er klassificeret som numeriske eller kvantificerbare data. Forholdsvariabler begynder med nul, der repræsenterer ligestilling mellem to ting (versus ordinal, som ikke repræsenterer lighed mellem ting, som tidligere nævnt). Forholdet data repræsenterer relative forskelle. For eksempel sammenligner befolkningen i USA med Kina, kan en forholdsvariabel tage USA som nulbase med 311 millioner mennesker, hvilket giver Kina med 1,3 milliarder mennesker en forholdsværdi på 4,29. Det betyder, at Kina har 4,29 så mange mennesker som USA.
Intervalvariabler har på den anden side evnen til at dyppe under nul. De har ingen sand nul og kan repræsentere værdier under nul, for eksempel i tilfælde af temperatur. Det er muligt at måle temperatur under 0 grader Celsius, såsom -10 grader, hvilket kræver en intervalskala. Måling af højde eller vægt? Disse går fra 0 og op, hvilket kræver en forholdsvariabel.
konklusion
når du går i gang med en undersøgelse eller undersøgelse, er det vigtigt at beslutte, om du vil indsamle nominelle eller ordinære data. Selvfølgelig kan du også vælge en kombination af de to. Der er mange overvejelser at gøre, når de beslutter, hvad der er bedst for din forskning, som vi har skitseret her. Når du er klar start din nominelle eller ordinære dataundersøgelse, SurveyLegend er her! Vores undersøgelser er nemme at bruge, og du kan vælge, hvilken type spørgsmål du vil stille, og hvilken type data du vil modtage tilbage. Sørg for at hente vores guide Sådan skriver du undersøgelsesspørgsmål som en ekspert for mere information!
hvilken type dataindsamling foretrækker du, nominelle vs ordinære data? Eller foretrækker du en kombination af de to? Lad os vide i kommentarerne!
Opret din nominelle eller ordinære dataundersøgelse nu!
Ofte stillede spørgsmål (Ofte Stillede Spørgsmål)
nominelle data tilføjer et navn eller en etiketvariabel uden en numerisk værdi. Svarene er typisk ja / nej, multiple choice eller open-ended.
ordinære data tildeler tal til Svar for at angive en placering. Brug Likert-skalaer, når du beder nogen om at rangere deres serviceniveau efter en transaktion.
nominelle data giver respondenterne større mulighed for at udtrykke sig, så de kan vælge flere svar eller udfylde åbne spørgsmål. Dette kan dog gøre det vanskeligere at analysere. Ordinære data er meget nemme at sammenligne og giver forskere mulighed for hurtigt at komme til konklusioner. Det giver dog ikke kontekst til svarene. Så mange forskere bruger en kombination af de to.
et eksempel på en nominel variabel ville være det demografiske spørgsmål om “race.”Respondenterne kan vælge mellem flere svar. Et ordinært dataeksempel ville bede nogen om at bedømme det serviceniveau, de modtog.