är du den typ av person som fungerar bättre med lite frihet och förmågan att ”skjuta från höften”? Eller gillar du saker som görs på ett strikt och ordnat sätt varje gång? Det här är ungefär som nominella vs ordinära data. Nominella och ordinära data betraktas båda som kategoriska datavariabler men används ganska annorlunda.
medan nominella och ordinära data är fokus här är det viktigt att notera de två andra typerna av datamätningsskalor i forskning och statistik, intervall-och kvotdata, som är numeriska eller kvantifierbara data. Vi kommer också att beröra dem kort senare.
skapa din nominella eller ordinära dataundersökning nu!
Vad är nominella Data?
nominella data (från det latinska ordet ” nomen ”som betyder” namngiven ” data), är data som namnger eller märker variabler utan ett numeriskt värde. Det enklaste exemplet skulle vara ” ja ”eller” nej.”Det här är två kategorier, men det finns inget sätt att beställa dem från Högsta till lägsta eller bästa till värsta. Detsamma kan sägas för en demografisk fråga som ” ras.”Även om det kommer att finnas många kategorier som kan väljas, finns det ingen typ av order som kan tilldelas dem. Så nominella data används för att samla in information om en grupp eller en uppsättning händelser som är begränsade till bara räkningar. Datatypen representerar ett faktum, inte en preferens.
Vad är ordinära Data?
ordinära data är data som är ”ordnad.”Variablerna får ett nummer som anger deras ranking på en lista. Forskare använder dessa data för att tilldela etiketter till åsikter. Till exempel, när en restaurang frågar kunderna hur nöjda de var med service, kunden kanske kan välja 1-5, med 1 är dålig och 5 är utmärkt. Så siffrorna har en order eller rang, eftersom 5 är klart bättre än 1. Det är viktigt att notera att även om ordinära data tilldelar ett numeriskt värde till en åsikt, är det inte ett kvantitativt mått eftersom även om en rangordning av 5 är bättre än 1, betyder det inte att det nödvändigtvis är fem gånger bättre.
7 överväganden för att använda ordinära vs nominella Data
nominella och ordinära data har en viktig roll i statistik och mätning, så det är viktigt att förstå vad du kan och inte kan göra med var och en av dem samt hur man mäter dem. Ordinära skalor ger vanligtvis en hög detaljnivå, medan nominella skalor begränsar detaljer. Att förstå dessa skillnader kan påverka vilken typ du väljer och hur du analyserar dina data.
dataanalys
dataanalys kommer att vara olika beroende på om du väljer en nominell eller ordinär skala. Under analysen grupperas nominella data i kategorier vanligtvis med en procentandel (40% sa ja, 60% sa nej). För originaldata utförs mer komplexa beräkningar, som ofta bestämmer läget, medianen och andra positionella åtgärder som kvartiler, percentiler etc.
typer av frågor
de typer av frågor du ställer kommer sannolikt att variera beroende på om du samlar ordinära eller nominella data. Nominell datainsamling innebär ofta ja / nej-frågor, tummen upp/ner eller flervalsfrågor. Nominella frågor är också ibland öppna (så att personen kan skriva i ett svar). För ordinära frågor kommer de flesta forskare att använda en likert-skala, intervallskala, betygsskala etc. Även om dessa insamlingstekniker skiljer sig från varandra, kan ett enda frågeformulär använda både nominella och ordinära datainsamlingstekniker (och många undersökningar gör det).
användarvänlighet
om du inte erbjuder incitament eller har en mycket engagerad publik är nominell datainsamling vanligtvis mer tidskrävande för deltagarna och mindre sannolikt att få höga svarsfrekvenser. Det beror på att de måste överväga flera val eller ”fylla i tomrummen” av en öppen fråga som vissa kan tycka är tröttsamma. Å andra sidan krävde ordinära data helt enkelt att de skulle välja från en skala, vilket förenklade processen. Emojis kan till och med läggas till siffrorna (1 = 😠, 2 = 😔, 3 = 😑, 4 = 🙂, 5 = 😀) att göra undersökningen ännu roligare eller användarvänlig.
yttrandefrihet
ordinära data kräver att människor väljer från en skala, vilket är bra för dataanalys men ger inte respondenterna yttrandefrihet. Till exempel, om någon kommer att betygsätta tjänsten som dålig, kanske de vill skriva in exakt varför det var dåligt (till exempel kanske de vill förklara att servitören var bra, men maten var hemsk). Naturligtvis kan forskare välja alternativet att tillhandahålla en ordinär skala följt av en nominell, öppen fråga (berätta mer om din erfarenhet…). Detta ger ett företag en uppfattning om kundens nöjdhetsnivå och vad som påverkat deras känslor.
inkludering
att gå hand i hand med #4 är frågan om inkludering. Med ordinära variabler är respondenterna begränsade till en uppsättning fördefinierade alternativ. Detta gäller också för många ordinära frågor, som ofta är beroende av flervalsfrågor. Ordinära frågor kan dock också vara öppna, vilket ger yttrandefrihet genom att låta människor skriva i sina svar. Så, till exempel, när man frågar om kön, skriver respondenterna i sina svar så att de inte är låsta i ett strikt manligt/kvinnligt svar för icke-binära eller transpersoner. Detta gör det möjligt för dem att identifiera som de väljer och håller undersökningen mer inkluderande. Läs mer om Dei-undersökningar (Diversity, Equity, and Inclusion).
eliminera irrelevanta Data
att ge respondenterna frihet att uttrycka sig kan komma i en tidskostnad för forskare, vilket också bör övervägas baserat på hur snabbt resultaten behöver sammanställas. Nominella data, samtidigt som de ofta ger värdefull insikt, kan också innehålla irrelevanta data som analytiker kommer att behöva gräva igenom. Så det är viktigt att väga vad du hoppas uppnå med forskningen eller undersökningen när du bestämmer vilken typ av data som ska samlas in. Tänk på en fråga om en presidents prestation. I en ordinarie fråga kan du be en respondent att betygsätta presidentens prestation; nu kan respondenten vara nöjd med jobbet presidenten gör, men hitta en ny personlig skandal pinsamt. Så de tilldelar en 2 av 5, vilket återspeglar dåligt på prestanda även om det inte är problemet. En nominell, öppen fråga kunde dock ha differentierat mellan prestanda och skandalen.
enkel jämförelse
slutligen, hur lätt behöver du jämföra svar? Nominella data är inte alltid lätt att jämföra; en fråga kan ha 8 flervals svar, vilket leder till en mängd olika möjligheter, eller öppna frågor som kan vara svåra att tilldela värde till. Å andra sidan är ordinära data mycket lätta att jämföra, vilket gör det extremt bekvämt att gruppera variablerna efter beställning.
förhållande och Intervallvariabler
bara för att hålla dig informerad om de andra typerna av data som används i forskning och statistik, intervall och förhållande data, ville vi kortfattat täcka dem också. Dessa data klassificeras som numeriska eller kvantifierbara data. Förhållandevariabler börjar med noll som representerar jämlikhet mellan två saker (kontra ordinära som inte representerar jämlikhet mellan saker, som tidigare nämnts). Förhållande data representerar relativa skillnader. Om man till exempel jämför befolkningen i USA med Kina kan en kvotvariabel ta USA som nollbas med 311 miljoner människor, vilket ger Kina, med 1,3 miljarder människor, ett kvotvärde på 4,29. Det betyder att Kina har 4,29 så många människor som USA.
Intervallvariabler har å andra sidan förmågan att doppa under noll. De har ingen sann noll och kan representera värden under noll, till exempel vid temperatur. Det är möjligt att mäta temperaturen under 0 grader Celsius, såsom -10 grader, vilket kräver en intervallskala. Mäta höjd eller vikt? Dessa går från 0 och upp, vilket kräver en kvotvariabel.
slutsats
när du påbörjar en studie eller undersökning är det viktigt att bestämma om du vill samla in nominella eller ordinära data. Naturligtvis kan du också välja en kombination av de två. Det finns många överväganden att göra när man bestämmer vilken som är bäst för din forskning, som vi har beskrivit här. När du är redo att starta din nominella eller ordinära dataundersökning är SurveyLegend här! Våra enkäter är enkla att använda och du kan välja vilken typ av frågor du vill ställa och vilken typ av data du vill få tillbaka. Var noga med att ladda ner vår guide Hur man skriver enkätfrågor som en Expert för mer information!
vilken typ av datainsamling föredrar du, nominella vs ordinära data? Eller föredrar du en kombination av de två? Låt oss veta i kommentarerna!
skapa din nominella eller ordinära dataundersökning nu!
Vanliga frågor (Vanliga frågor)
nominella data lägger till ett namn eller etikettvariabler utan ett numeriskt värde. Svaren är vanligtvis ja / nej, flervalsfrågor eller öppna.
Ordningsdata tilldelar siffror till svar för att indikera en rangordning. Använd Likert-skalor när du ber någon att rangordna sin servicenivå efter en transaktion.
nominella data ger respondenterna större möjlighet att uttrycka sig, så att de kan välja flera svar eller fylla i öppna frågor. Detta kan dock göra det svårare att analysera. Ordinära data är mycket lätta att jämföra och gör det möjligt för forskare att snabbt komma till slutsatser. Men det ger inte sammanhang till svaren. Så många forskare använder en kombination av de två.
ett exempel på en nominell variabel skulle vara den demografiska frågan om ”ras.”Respondenterna kan välja mellan flera svar. Ett ordinärt dataexempel skulle be någon att betygsätta servicenivån de fick.