In de statistiek zijn er vier informatiemeetschalen: nominaal, ordinaal, interval en verhouding.  Deze benadering van de suborde van verschillende soorten gegevens (hier volgt een overzicht van meetbare informatiesoorten). Dit thema wordt typisch onderzocht met betrekking tot de scholastische educatie en minder vaak in “de huidige realiteit”. Als je over dit idee heen kijkt voor een meetproef, bedank dan een analist met de naam Stanley Stevens voor het bedenken van deze termen.

Deze vier informatie-schattingsschalen (ogenschijnlijk, ordinaal, tussentijds en proportie) kunnen het beste worden begrepen met een model, zoals je hieronder zult zien.

Nominaal

Wat dacht je ervan om te beginnen met de makkelijkste om te begrijpen. Nominale schalen worden gebruikt voor het markeren van variabelen, zonder kwantitatieve waarde. “Nominale” schalen kunnen in wezen worden geclassificeerd als “namen”. Hier zijn een paar modellen, daaronder. Merk op dat deze schalen totaal niet gerelateerd zijn (geen dekking) en geen enkele ervan heeft een numerieke centraliteit. Een fatsoenlijke methode om het grootste deel hiervan te onthouden is “nominaal”, wat veel lijkt op “naam” en nominale schalen lijken enigszins op “namen” of namen.

N.B.: een subgroep van een nominale schaal met slechts twee klassen (bijvoorbeeld mannelijk/vrouwelijk) wordt geclassificeerd als “dichotomisch”. Als je een undergrad bent, kun je dit gebruiken om je opvoeders te intrigeren.

Beloning Nota #2: Andere sub-sortimenten van nominale informatie zijn “nominaal met volgorde” (zoals “koud, warm, warm, zeer warm”) en nominaal zonder volgorde (zoals “mannelijk/vrouwelijk”).

Ordelijk

Met ordinale schalen is de vraag naar de kwaliteiten wat belangrijk en groot is, maar de contrasten tussen elk van hen zijn niet algemeen bekend. Onderzoek het model hieronder. Voor elke situatie realiseren we ons dat een #4 superieur is aan een #3 of #2, maar toch hebben we niet het meest mistige idee en kunnen we niet meten hoeveel beter het is. Is bijvoorbeeld het onderscheid tussen “goed” en “wanhopig” gelijk aan het contrast tussen “Uitzonderlijk Gelukkig” en “Blij”? Het is moeilijk te beoordelen.

Gewone schalen zijn meestal proporties van niet-numerieke ideeën zoals vervulling, tevredenheid, ongemak, enzovoort.

“Ordinaal” is allesbehalve moeilijk te onthouden in het licht van het feit dat het klinkt als “orde” en dat is de manier om te onthouden met “ordinale schalen” – de orde doet er toe, maar dat is alles wat je er echt van krijgt.

Geavanceerde noot: De meest ideale benadering om de focus op veel ordinale informatie te bepalen is het gebruik van de modus of het midden; een perfectionist zal u onthullen dat het gemiddelde niet kan worden gekarakteriseerd op basis van een ordinale set.

Interval

Intervalschalen zijn numerieke schalen waarin we zowel de volgorde als de zorgvuldige contrasten tussen de kwaliteiten kennen. Het grote geval van een intervalschaal is de Celsius-temperatuur, omdat het contrast tussen elk van de kwaliteiten het equivalent is. Zo is het onderscheid ergens in het bereik van 60 en 50 graden een kwantificeerbare 10 graden, vergelijkbaar met het contrast ergens in het bereik van 80 en 70 graden.

Intervalschalen zijn mooi omdat het rijk van de statistische analyse op deze datasets zich opent.  Zo kan bijvoorbeeld de centrale tendens worden gemeten per modus, mediaan of gemiddelde; ook kan de standaardafwijking worden berekend.  Net als de anderen kun je de belangrijkste doelen van een “intervalschaal” vrij goed onthouden. “Interval” zelf betekent “ruimte in het midden van”, wat het belangrijkste is om tussenliggende schalen op te roepen en ons te informeren over de volgorde, maar ook over de stimulans tussen elk item. Hier is het probleem met intervalschalen: ze hebben geen “echte nul”. Bijvoorbeeld, er is niets van dien aard als “geen temperatuur,” in ieder geval niet met celsius. Op grond van intervalschalen betekent nul niet dat er geen noemenswaardige waarde is, maar het is wel een ander getal dat op de schaal wordt gebruikt, vergelijkbaar met 0 graden celsius. Negatieve getallen hebben ook betekenis. Zonder een echte nul is het moeilijk om verhoudingen te verwerken. Met intervalinformatie kunnen we wel opnemen en aftrekken, maar we kunnen niet dupliceren of hiaat in de informatie.  Verward? Oké, denk hier eens over na: 10 graden C + 10 graden C = 20 graden C. Geen probleem daar. 20 graden C is in ieder geval niet twee keer zo heet als 10 graden C, gezien het feit dat er niets van dien aard is als “geen temperatuur” met betrekking tot de Celsius-schaal. Op het moment dat men overgaat op Fahrenheit is het onmiskenbaar: 10C=50F en 20C=68F, wat duidelijk niet twee keer zo heet is… Het komt erop neer dat de intervalschalen groot zijn, maar we kunnen geen verhoudingen berekenen, wat ons tot onze laatste meetschaal brengt…

Verhouding

Verhoudingsschalen zijn het ultieme nirwana als het gaat om datametingsschalen omdat ze ons vertellen over de volgorde, ze vertellen ons de exacte waarde tussen de eenheden, EN ze hebben ook een absoluut nulpunt waardoor een breed scala aan zowel beschrijvende als inferentiële statistieken kan worden toegepast.  Met het risico op herhaling geldt alles wat hierboven over intervalgegevens is gezegd voor verhoudingschalen, plus verhoudingschalen hebben een duidelijke definitie van nul.  Goede voorbeelden van verhoudingsvariabelen zijn onder andere hoogte, gewicht en duur.

Verhoudingschalen bieden een schat aan mogelijkheden als het gaat om statistische analyse. Deze variabelen kunnen zinvol worden opgeteld, afgetrokken, vermenigvuldigd, gedeeld (ratio’s). De centrale tendens kan worden gemeten per modus, mediaan of gemiddelde; metingen van de spreiding, zoals standaardafwijking en variatiecoëfficiënt kunnen ook worden berekend met behulp van verhoudingschalen.

Verhoudingsschalen zijn een definitief nirwana met betrekking tot informatie-schattingsschalen, omdat ze ons informeren over het verzoek, ze onthullen ons de juiste stimulans onder de eenheden, en ze hebben ook een regelrechte nul die rekening houdt met een breed scala aan zowel grafische als inferentiële inzichten die moeten worden toegepast. Op het gevaar af mijzelf te herkauwen, geldt alles wat hierboven over tussentijdse informatie is gezegd voor proportieschalen, naast proportieschalen die een onmiskenbare betekenis hebben van het nulpunt. Echte voorbeelden van proportiefactoren zijn: omvang, gewicht en spanwijdte.

Proportionele schalen geven een overvloed aan potentiële uitkomsten met betrekking tot het meetbare onderzoek. Deze variabelen kunnen zinvol worden opgeteld, afgetrokken, vermenigvuldigd, gedeeld (ratio’s). De brandhoek kan worden geschat op basis van de modus, het midden of het gemiddelde; de verstrooiingsverhoudingen, bijvoorbeeld de standaardafwijking en de variëteitscoëfficiënt, kunnen eveneens worden bepaald aan de hand van verhoudingen.

Overzicht

In grote lijnen worden ogenschijnlijke factoren gebruikt om een progressie van kwaliteiten te “benoemen” of te benoemen. Ordinale schalen geven grote gegevens over de vraag naar beslissingen, bijvoorbeeld in een consumenten loyaliteitsbespreking. Tussentijdse schalen geven ons de vraag naar waarden + de capaciteit om het contrast tussen elk van hen te evalueren Eindelijk geven verhoudingschalen ons een definitief verzoek, tussentijdse kwaliteiten, naast de capaciteit om verhoudingen te berekenen aangezien een “echte nul” kan worden gekarakteriseerd.