Ongle variable nominale C'est celui qui prend des valeurs qui identifient une classe ou une catégorie dans laquelle les objets d'étude sont regroupés. Par exemple, la variable `` couleur de cheveux '' regroupe les personnes aux cheveux bruns, noirs, blonds, etc..
L'échelle nominale identifie, regroupe et différencie les unités d'étude, selon une certaine qualité, en classes clairement définies et exclusives, de manière à ce que toutes celles appartenant à une classe soient égales ou équivalentes par rapport à l'attribut ou à la propriété étudiée..
Les classes sont différenciées par des noms ou par des numéros d'identification, de sorte qu'elles n'ont pas de valeur numérique ou d'ordre établi. Par exemple: la variable sexe a deux classes, masculine et féminine; Vous pouvez également utiliser les nombres 1 et 2 qui représentent respectivement les catégories masculine et féminine. Ces nombres sont de simples identifiants arbitraires.
Dans ces types de mesures, des noms ou des étiquettes sont attribués aux objets. Le nom de la plupart des spécimens ou définitions proposés pour inscription est la "valeur" attribuée à la mesure nominale de l'objet d'étude..
Si deux objets ont le même nom qui leur est associé, alors ils appartiennent à la même catégorie, et c'est la seule signification que les mesures nominales ont.
Index des articles
L'échelle nominale est la plus élémentaire et les variables mesurées dans cette échelle classent les unités d'étude (objets, personnes, etc.) en classes, en fonction d'une ou plusieurs caractéristiques, attributs ou propriétés uniques et observés..
Les classes ou catégories ont un nom ou un numéro, mais ceux-ci ne servent que d'étiquettes ou d'identifiants, ils font des distinctions catégoriques plutôt que quantitatives, ils remplissent une fonction purement de classification.
Ils ne peuvent pas être manipulés arithmétiquement, ils ne reflètent pas l'ordre (croissant ou décroissant) ou la hiérarchie (plus ou moins grande), les observations ne peuvent pas être ordonnées du plus petit au plus grand ou du petit au grand, c'est-à-dire qu'aucune des catégories n'a une hiérarchie plus élevée que les autres, ils ne reflètent que les différences de variable.
Les variables nominales à deux classes sont dites dichotomiques, comme la variable sexe (masculin ou féminin). Les variables avec trois catégories ou plus sont appelées multichotomiques ou polyhotomiques. Par exemple: la profession variable (ouvrier, charpentier, médecin, etc.).
Les variables nominales établissent uniquement des relations d'équivalence; c'est-à-dire qu'un objet d'étude particulier a la caractéristique qui définit la classe ou non..
Avec des variables nominales, des calculs de proportions, de pourcentages et de ratios peuvent être effectués, et avec eux des comptages de fréquence ou des tableaux du nombre d'événements dans chaque classe de la variable étudiée sont effectués. La mesure de la tendance centrale qui peut être traitée avec ces types de variables est le mode.
Exemples de variables mesurées à l'échelle nominale:
- Nationalité (argentine, chilienne, colombienne, équatorienne, péruvienne, etc.).
- Couleurs (blanc, jaune, bleu, noir, orange, etc.).
- Couleur des yeux (noir, marron, bleu, vert, etc.).
- Classement des étudiants par carrière (Administration - 1; Systèmes - 2; Electronique - 3; Droit - 4; etc.). (le numéro est un code sans valeur ni ordre)
- État matrimonial (célibataire, marié, veuf, divorcé, en union libre).
- Profession (ingénieur, avocat, médecin, enseignant, etc.).
- Sexe (homme, femme).
- Affiliation religieuse (chrétienne, musulmane, catholique, etc.).
- Affiliation politique (libérale, conservatrice, indépendante, etc.).
- Type d'école (publique ou privée).
- Race (blanc, noir, jaune, bâtard, etc.).
- Groupes sanguins (O, A, B, AB).
Si un compte est fait des participants entrant dans un match de football, la variable nominale «participation par sexe» peut être définie. Le décompte indique combien d'hommes et de femmes ont assisté au match, mais la variable de classification est le sexe.
Divisez le public du match de football en deux catégories et aucun des deux groupes n'a de préférence sur l'autre. Enfin, les catégories sont exclusives puisqu'il n'y a aucun doute à quel groupe appartient chacun des participants..
Vous voulez connaître l'opinion du peuple avant l'application de réformes dans les politiques du travail d'un pays. La variable `` intérêt '' est les avantages des politiques du travail, et dans l'enquête, il y a cinq résultats positifs possibles: plus d'argent, une meilleure attention médicale, une meilleure retraite, un équilibre travail / famille et autres.
Toutes les réponses sont mesurées sur une échelle nominale avec des valeurs Oui ou Non. Le résultat Autre englobe tous les avantages que les répondants considèrent qu'ils obtiendront, mais qui ne font pas partie des valeurs de l'enquête..
Le nombre de réponses affirmatives ou négatives est nécessaire pour calculer le pourcentage de répondants du total qui estiment qu'ils vont s'améliorer ou non dans l'un des aspects, mais ces pourcentages n'ont aucune signification du point de vue d'un avantage supérieur à un autre ..
Enfin, il n'y a pas d'ordre naturel pour les résultats, vous pouvez mettre de meilleurs soins de santé en premier au lieu de Plus d'argent, par exemple, et cela ne change pas du tout le résultat..
Le pays de naissance est une variable nominale dont les valeurs sont les noms des pays. Pour travailler avec cette variable, il est pratique de faire une codification numérique de ces informations, nous attribuons le code 1 aux personnes nées en Argentine, le code Bolivie 2, le code Canada 3, etc..
Ce codage facilite le comptage informatique et la gestion des instruments de collecte d'informations. Cependant, et comme nous avons attribué des numéros aux différentes catégories, nous ne pouvons pas manipuler ces numéros. Par exemple, 1 + 2 n'est pas égal à 3; c'est-à-dire que l'Argentine + la Bolivie n'entraîne pas le Canada.
Personne n'a encore commenté ce post.