- Concetto e caratteristiche
- Esempi di variabili nominali
- - Esempi spiegati
- Partecipanti a una partita di calcio
- Beneficio delle politiche del lavoro
- Paese di nascita di una persona
- Riferimenti
Una variabile nominale è quella 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 ben definite ed esclusive, in modo tale che tutte quelle che appartengono ad una classe siano uguali o equivalenti rispetto all'attributo o al bene oggetto di studio.
Icone di uomo e donna. Fonte: pixabay.com
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; Possono essere utilizzati anche i numeri 1 e 2, che rappresentano rispettivamente le categorie maschile e femminile. Questi numeri sono solo 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, appartengono alla stessa categoria e questo è l'unico significato che hanno le misure nominali.
Concetto e caratteristiche
La scala nominale è la più elementare e le variabili misurate su 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 categoriali piuttosto che quantitative, servono una funzione puramente di classificazione.
Non possono essere manipolate aritmeticamente, non riflettono l'ordine (crescente o decrescente) o la gerarchia (maggiore o minore), le osservazioni non possono essere ordinate dal minimo al maggiore o dal piccolo al grande, ovvero nessuna delle categorie ha una gerarchia superiore alla un 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: la variabile occupazione (operaio, falegname, medico, ecc.).
Le variabili nominali stabiliscono solo relazioni di equivalenza; cioè, un particolare oggetto di studio o ha la caratteristica che definisce la classe oppure no.
Con le variabili nominali si possono effettuare calcoli di proporzioni, percentuali e rapporti e con essi si effettuano 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 nominali
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, coniugato, 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).
- Esempi spiegati
Partecipanti a una partita di calcio
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 una preferenza sull'altro. Infine, le categorie sono esclusive poiché non vi è dubbio a quale gruppo appartenga ciascuno dei partecipanti.
Beneficio delle politiche del lavoro
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 Altri comprende tutti quei benefici che gli intervistati credono 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 che miglioreranno 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 al primo posto Better healthcare invece di More money, ad esempio, e il risultato non cambia affatto.
Paese di nascita di una persona
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 queste informazioni, assegniamo il codice 1 a chi è nato 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.
Riferimenti
- Coronado, J. (2007). Scale di misura. Rivista Paradigmas. Recupero da unitec.edu.co.
- Freund, R.; Wilson, W.; Mohr, D. (2010). Metodi statistici. Terza ed. Academic Press-Elsevier Inc.
- Vetro, G.; Stanley, J. (1996). Metodi statistici non applicati alle scienze sociali. Prentice Hall Hispanoamericana SA
- Carina.; Marchal, W.; Wathen, S. (2012). Statistiche applicate alle imprese e all'economia. Quindicesima ed. McGraw-Hill / Interamericana Editores SA
- Orlandoni, G. (2010). Scale di misurazione statistica. Telos Magazine. Recupero da ojs.urbe.edu.
- Siegel, S .; Castellan, N. (1998). Statistica non parametrica applicata alle scienze comportamentali. Quarta ed. Editoriale Trillas SA
- (2019). Livello di misurazione. Estratto da en.wikipedia.org.