UN variabile nominale È uno che assume valori che identificano una classe o una categoria in cui sono raggruppati gli oggetti di studio. Ad esempio, la variabile "colore dei capelli" raggruppa le persone in capelli castani, neri, biondi, ecc..
La scala nominale individua, raggruppa e differenzia le unità di studio, secondo una certa qualità, in classi chiaramente definite ed esclusive, in modo tale che tutte quelle appartenenti ad una classe siano uguali o equivalenti rispetto all'attributo o al bene oggetto di studio..
Le classi si differenziano per nomi o identificando numeri, quindi non hanno valore numerico o ordine stabilito. Ad esempio: la variabile sesso ha due classi, maschio e femmina; Puoi anche utilizzare i numeri 1 e 2 che rappresentano rispettivamente le categorie maschili e femminili. Questi numeri sono semplici identificatori arbitrari.
In questi tipi di misure, nomi o etichette vengono assegnati agli oggetti. Il nome della maggior parte degli esemplari o delle definizioni nominati è il "valore" assegnato alla misura nominale dell'oggetto di studio..
Se a due oggetti è associato lo stesso nome, allora appartengono alla stessa categoria e questo è l'unico significato che le misure nominali hanno.
Indice articolo
La scala nominale è la più elementare e le variabili misurate in questa scala classificano le unità di studio (oggetti, persone, ecc.) In classi, sulla base di una o più caratteristiche, attributi o proprietà uniche e osservate..
Le classi o le categorie hanno un nome o un numero, ma servono semplicemente come etichette o identificatori, fanno distinzioni categoriche piuttosto che quantitative, servono una funzione puramente di classificazione.
Non possono essere manipolate aritmeticamente, non riflettono l'ordine (ascendente o discendente) o la gerarchia (maggiore o minore), le osservazioni non possono essere ordinate dal più piccolo al più grande o dal piccolo al grande, ovvero nessuna delle categorie ha una gerarchia più alta rispetto all'altro, riflettono solo le differenze nella variabile.
Le variabili nominali con due classi sono chiamate dicotomiche, come la variabile sesso (maschio o femmina). Le variabili con tre o più categorie sono chiamate multicotomiche o polifotomiche. Ad esempio: l'occupazione variabile (operaio, falegname, medico, ecc.).
Le variabili nominali stabiliscono solo relazioni di equivalenza; cioè un particolare oggetto di studio ha la caratteristica che definisce la classe oppure no..
Con le variabili nominali, è possibile effettuare calcoli di proporzioni, percentuali e rapporti e con essi vengono eseguiti conteggi di frequenza o tabulazioni del numero di eventi in ciascuna classe della variabile studiata. La misura della tendenza centrale che può essere gestita con questi tipi di variabili è la modalità.
Esempi di variabili misurate in scala nominale:
- Nazionalità (argentina, cilena, colombiana, ecuadoriana, peruviana, ecc.).
- Colori (bianco, giallo, blu, nero, arancione, ecc.).
- Colore degli occhi (nero, marrone, blu, verde, ecc.).
- Classificazione degli studenti per carriera (Amministrazione - 1; Sistemi - 2; Elettronica - 3; Giurisprudenza - 4; ecc.). (il numero è un codice senza valore o ordine)
- Stato civile (celibe, sposato, vedovo, divorziato, unione di diritto comune).
- Professione (ingegnere, avvocato, medico, insegnante, ecc.).
- Sesso (maschio, femmina).
- Affiliazione religiosa (cristiana, musulmana, cattolica, ecc.).
- Affiliazione politica (liberale, conservatrice, indipendente, ecc.).
- Tipo di scuola (pubblica o privata).
- Razza (bianco, nero, giallo, meticcio, ecc.).
- Gruppi sanguigni (O, A, B, AB).
Se viene effettuato un conteggio dei partecipanti che entrano in una partita di calcio, è possibile definire la variabile nominale "partecipazione per sesso". Il conteggio riporta quanti uomini e quante donne hanno assistito alla partita, ma la variabile di classificazione è il genere.
Dividi il pubblico della partita di calcio in due categorie e nessuno dei due gruppi ha la preferenza sull'altro. Infine, le categorie sono esclusive poiché non c'è dubbio a quale gruppo appartenga ciascuno dei partecipanti..
Vuoi conoscere l'opinione della gente prima dell'applicazione delle riforme nelle politiche del lavoro di un paese. La variabile di 'interesse' è rappresentata dai benefici delle politiche del lavoro e nell'indagine ci sono cinque possibili risultati positivi: più soldi, migliore assistenza medica, migliore pensionamento, equilibrio lavoro / famiglia e altri.
Tutte le risposte sono misurate su una scala nominale con valori Sì o No. Il risultato Altro comprende tutti quei benefici che gli intervistati ritengono di ottenere, ma che non fanno parte dei valori dell'indagine..
Il numero di risposte affermative o negative è necessario per calcolare la percentuale di intervistati sul totale che ritengono di migliorare o meno in uno qualsiasi degli aspetti, ma queste percentuali non hanno significato dal punto di vista di un beneficio maggiore di un altro ..
Infine, non esiste un ordine naturale per i risultati, puoi mettere una migliore assistenza sanitaria al primo posto invece di più soldi, ad esempio, e il risultato non cambia affatto.
Il paese di nascita è una variabile nominale i cui valori sono i nomi dei paesi. Ai fini di lavorare con questa variabile, è conveniente fare una codifica numerica di tale informazione, assegniamo il codice 1 a coloro che sono nati in Argentina, il codice Bolivia 2, il codice Canada 3 e così via..
Questa codifica facilita il conteggio del computer e la gestione degli strumenti di raccolta delle informazioni. Tuttavia, e poiché abbiamo assegnato numeri alle varie categorie, non possiamo manipolare questi numeri. Ad esempio, 1 + 2 non è uguale a 3; cioè, Argentina + Bolivia non si traduce in Canada.
Nessun utente ha ancora commentato questo articolo.