¿Es usted el tipo de persona que trabaja mejor con un poco de libertad y la capacidad de «disparar desde la cadera»? ¿O te gusta que las cosas se hagan de manera estricta y ordenada cada vez? Esto es como datos nominales vs ordinales. Los datos nominales y ordinales se consideran variables de datos categóricos, pero se utilizan de manera bastante diferente.
Mientras que los datos nominales y ordinales son el foco aquí, es importante tener en cuenta los otros dos tipos de escalas de medición de datos en investigación y estadística, datos de intervalos y proporciones, que son datos numéricos o cuantificables. Hablaremos de eso brevemente también más adelante.
¡Cree su encuesta de datos nominales u ordinales ahora!
¿Qué son los Datos Nominales?
Los datos nominales (de la palabra latina «nomen» que significa «datos nombrados»), son datos que nombran o etiquetan variables sin un valor numérico. El ejemplo más simple sería » sí «o » no».»Se trata de dos categorías, pero no hay forma de ordenarlas de lo más alto a lo más bajo o de lo mejor a lo peor. Lo mismo podría decirse de una pregunta demográfica como «raza».»Si bien habrá numerosas categorías que se pueden seleccionar, de nuevo, no hay ningún tipo de orden que se les pueda asignar. Por lo tanto, los datos nominales se utilizan para recopilar información sobre un grupo o conjunto de eventos que se limitan a conteos. El tipo de datos representa un hecho, no una preferencia.
¿Qué son los datos Ordinales?
Los datos ordinales son datos «ordenados».»Las variables obtienen un número, indicando su clasificación en una lista. Los investigadores utilizan estos datos para asignar etiquetas a las opiniones. Por ejemplo, cuando un restaurante pregunta a los clientes qué tan satisfechos estaban con el servicio, el cliente puede seleccionar 1-5, siendo 1 pobre y 5 excelente. Por lo tanto, los números tienen un orden o rango, ya que 5 es claramente mejor que 1. Es importante tener en cuenta que, aunque los datos ordinales asignan un valor numérico a una opinión, no es una medida cuantitativa porque, aunque una clasificación de 5 es mejor que 1, no significa que sea necesariamente cinco veces mejor.
7 Consideraciones para el uso de Datos Ordinales vs Nominales
Los datos nominales y ordinales tienen un papel importante en las estadísticas y la topografía, por lo que es importante comprender qué puede y qué no puede hacer con cada uno de ellos, así como cómo medirlos. Las escalas ordinales generalmente proporcionan un alto nivel de detalle, mientras que las escalas nominales limitan los detalles. Comprender estas diferencias puede influir en el tipo que elija y en cómo analizará sus datos.
Análisis de datos
El análisis de datos será diferente dependiendo de si elige una escala nominal u ordinal. Durante el análisis, los datos nominales se agrupan en categorías generalmente con un porcentaje (40% dijo que sí, 60% dijo que no). Para los datos originales, se realizan cálculos más complejos, a menudo determinando el modo, la mediana y otras medidas posicionales como cuartiles, percentiles, etc.
Tipos de preguntas
Los tipos de preguntas que haga probablemente variarán dependiendo de si está recopilando datos ordinales o nominales. La recopilación de datos nominales a menudo implica preguntas de sí / no, pulgar hacia arriba/hacia abajo o preguntas de opción múltiple. Las preguntas de mentalidad nominal a veces también son abiertas (lo que permite a la persona escribir en una respuesta). Para las preguntas ordinales, la mayoría de los investigadores emplearán una escala likert, una escala de intervalos, una escala de calificación, etc. A pesar de que estas técnicas de recolección difieren entre sí, un solo cuestionario podría usar técnicas de recolección de datos nominales y ordinales (y muchas encuestas lo hacen).
Facilidad de uso
A menos que ofrezca incentivos o tenga una audiencia muy comprometida, la recopilación de datos nominales suele consumir más tiempo para los participantes y es menos probable que obtenga altas tasas de respuesta. Esto se debe a que tienen que considerar múltiples opciones o «llenar los espacios en blanco» de una pregunta abierta que algunos pueden encontrar agotadora. Por otro lado, los datos ordinales simplemente requerían que eligieran de una escala, simplificando el proceso. Incluso se pueden agregar emojis a los números (1 = 😠, 2 = 😔, 3 = 😑, 4 = 🙂, 5 = 😀) hacer que la encuesta sea aún más divertida o fácil de usar.
Libertad de expresión
Los datos ordinales requieren que las personas seleccionen de una escala, lo que es excelente para el análisis de datos, pero no ofrece a los encuestados libertad de expresión. Por ejemplo, si alguien va a calificar el servicio como pobre, es posible que desee escribir exactamente por qué fue pobre (por ejemplo, es posible que desee explicar que el camarero fue genial, pero la comida fue terrible). Por supuesto, los investigadores pueden elegir la opción de proporcionar una escala ordinal seguida de una pregunta nominal abierta (cuéntanos más sobre tu experiencia…). Esto le da a una empresa una idea del nivel de satisfacción de un cliente y lo que influyó en sus sentimientos.
Inclusividad
Ir de la mano con #4 es la cuestión de la inclusividad. Con las variables ordinales, los encuestados están restringidos a un conjunto de opciones predefinidas. Esto también es cierto para muchas preguntas ordinales, que a menudo se basan en opciones múltiples. Sin embargo, las preguntas ordinales también pueden ser abiertas, proporcionando libertad de expresión al permitir que las personas escriban en sus respuestas. Así, por ejemplo, al preguntar sobre el género, los encuestados escriben en sus respuestas para que no estén encerrados en una respuesta estricta de hombre/mujer para personas no binarias o transgénero. Esto les permite identificarse a su elección y mantiene la encuesta más inclusiva. Lea más sobre las Encuestas DEI (Diversidad, Equidad e Inclusión).
Eliminar Datos irrelevantes
Dar a los encuestados la libertad de expresarse puede tener un costo de tiempo para los investigadores, que también debe considerarse en función de la rapidez con que se deben recopilar los resultados. Los datos nominales, aunque a menudo proporcionan información valiosa, también pueden incluir datos irrelevantes que los analistas necesitarán analizar. Por lo tanto, es importante sopesar lo que espera lograr con la investigación o encuesta al decidir qué tipo de datos recopilar. Considere una pregunta sobre el desempeño de un presidente. En una pregunta ordinal, puede pedirle a un encuestado que califique el desempeño del presidente; ahora, el encuestado puede estar contento con el trabajo que está haciendo el presidente, pero encontrar embarazoso un escándalo personal reciente. Así que asignan un 2 de 5, lo que refleja mal el rendimiento, aunque ese no es el problema. Una pregunta nominal, abierta, sin embargo, podría haber diferenciado entre el desempeño y el escándalo.
Facilidad de comparación
Finalmente, ¿con qué facilidad necesita comparar respuestas? Los datos nominales no siempre son fáciles de comparar; una pregunta puede tener 8 respuestas de opción múltiple, lo que lleva a una amplia variedad de posibilidades, o preguntas abiertas a las que puede ser difícil asignar valor. Por otro lado, los datos ordinales son muy fáciles de comparar, por lo que es extremadamente conveniente agrupar las variables después de ordenarlas.
Variables de cociente e Intervalo
Solo para mantenerlo informado sobre los otros tipos de datos utilizados en investigación y estadísticas, datos de intervalos y cocientes, también queríamos cubrirlos brevemente. Estos datos se clasifican como datos numéricos o cuantificables. Las variables de cociente comienzan con cero representando la igualdad entre dos cosas (versus ordinales que no representan la igualdad entre cosas, como se mencionó anteriormente). Los datos de la relación representan diferencias relativas. Por ejemplo, al comparar la población de los Estados Unidos con la de China, una variable de relación podría tomar a los Estados Unidos como la base cero con 311 millones de personas, lo que le da a China, con 1,3 mil millones de personas, un valor de relación de 4,29. Eso significa que China tiene 4,29 personas como Estados Unidos.
Las variables de intervalo, por otro lado, tienen la capacidad de sumergirse por debajo de cero. No tienen cero verdadero y pueden representar valores por debajo de cero, por ejemplo, en el caso de la temperatura. Es posible medir la temperatura por debajo de 0 grados centígrados, como -10 grados, lo que requiere una escala de intervalos. ¿Medir la altura o el peso? Estos van de 0 en adelante, lo que requiere una variable de relación.
Conclusión
Al embarcarse en un estudio o encuesta, es importante decidir si desea recopilar datos nominales u ordinales. Por supuesto, también puede elegir una combinación de los dos. Hay muchas consideraciones a tener en cuenta al decidir cuál es el mejor para su investigación, que hemos descrito aquí. Cuando esté listo para comenzar su encuesta de datos nominales u ordinales, ¡SurveyLegend está aquí! Nuestras encuestas son fáciles de usar y puede elegir qué tipo de preguntas hacer y qué tipo de datos desea recibir de vuelta. Asegúrese de descargar nuestra guía Cómo Escribir Preguntas de Encuestas Como un Experto para obtener más información.
¿Qué tipo de recopilación de datos prefiere, datos nominales vs ordinales? O, ¿prefiere una combinación de los dos? ¡Háganoslo saber en los comentarios!
¡Cree su encuesta de datos nominales u ordinales ahora!
Preguntas frecuentes (FAQs)
Los datos nominales agregan un nombre o variables de etiqueta sin un valor numérico. Las respuestas suelen ser sí / no, de opción múltiple o abiertas.
Los datos ordinales asignan números a las respuestas para indicar una clasificación. Usa escalas Likert cuando le pidas a alguien que clasifique su nivel de servicio después de una transacción.
Los datos nominales brindan a los encuestados más oportunidades de expresarse, lo que les permite elegir múltiples respuestas o completar preguntas abiertas. Sin embargo, esto puede hacer que sea más difícil de analizar. Los datos ordinales son muy fáciles de comparar y permiten a los investigadores llegar rápidamente a conclusiones. Sin embargo, no proporciona contexto a las respuestas. Por lo tanto, muchos investigadores utilizan una combinación de los dos.
Un ejemplo de variable nominal sería la cuestión demográfica de «raza».»Los encuestados pueden elegir entre múltiples respuestas. Un ejemplo de datos ordinales sería pedirle a alguien que califique el nivel de servicio que recibió.