W statystyce istnieją cztery skale szacowania informacji: nominalna, porządkowa, interwałowa i proporcja. To sprawiedliwe podejście do subporządkowania różnych rodzajów informacji (oto zarys wymiernych rodzajów informacji). Temat ten jest zwykle badany w odniesieniu do edukacji scholastycznej i rzadziej w “tej obecnej rzeczywistości”. Jeśli przyjrzysz się temu pomysłowi na test pomiarowy, podziękuj analitykowi o nazwisku Stanley Stevens za myślenie o tych terminach.

Te cztery skale szacowania informacji (pozorna, porządkowa, przejściowa i proporcjonalna) najlepiej zrozumieć za pomocą modelu, jak widać poniżej.

Nominalnie

Może zaczniemy od najłatwiejszego do zrozumienia. Wagi nominalne są wykorzystywane do oznaczania zmiennych, bez wartości ilościowej. “Nominalna” skala może być zasadniczo sklasyfikowana jako “nazwa”. Oto kilka modeli, pod spodem. Zauważ, że skale te są całkowicie niepowiązane (bez pokrycia) i żadna z nich nie ma żadnej numerycznej centralności. Przyzwoitą metodą na przypomnienie większości z nich są dźwięki “nominalne” w dużym stopniu przypominające “nazwę”, a skale nominalne są nieco podobne do “imion” lub nazw.

Uwaga: podkategoria skali nominalnej z tylko dwiema klasami (np. męska/żeńska) jest klasyfikowana jako “dychotomiczna”. Jeśli jesteś dublerem, możesz to wykorzystać do zaintrygowania swojego nauczyciela.

Uwaga do nagrody #2: Inne rodzaje informacji nominalnych to “nominalne z porządkiem” (jak “zimne, ciepłe, gorące, bardzo gorące”) i nominalne bez porządku (jak “mężczyzna/kobieta”).

Zwykły

W przypadku wag zwykłych żądanie cech jest znaczące i ogromne, jednak kontrasty między nimi nie są powszechnie znane. Zbadajcie model pod spodem. W każdej sytuacji zdajemy sobie sprawę, że numer 4 jest lepszy od 3 lub 2, ale nie mamy pojęcia, jak bardzo jest lepszy. Na przykład, czy rozróżnienie między “w porządku” i “Zrozpaczony” jest równoznaczne z kontrastem między “Wyjątkowo Szczęśliwy” i “Glad?” Nie możemy stwierdzić.

Zwykłe skale są często proporcjami nie-numerycznych pomysłów, takich jak spełnienie, satysfakcja, niewygoda, itp.

“Ordynarny” to nic innego, jak tylko trudne do przypomnienia w świetle faktu, że brzmi to jak “porządek” i to jest sposób na przypomnienie sobie za pomocą “skali ordynarnej” – porządek ma znaczenie, ale to wszystko, co naprawdę z tego wynika.

Uwaga zaawansowana: Najbardziej idealnym podejściem do określenia ogniskowej skłonności do wielu zwykłych informacji jest wykorzystanie trybu lub środka; perfekcjonista ujawni Ci, że środek nie może być scharakteryzowany z zestawu zwykłego.

Interval

Skale interwałowe to skale numeryczne, w których znamy zarówno kolejność, jak i staranne kontrasty pomiędzy poszczególnymi cechami. Wielkim przypadkiem skali interwałowej jest temperatura Celsjusza, ponieważ kontrast między każdą wartością jest równoważny. Na przykład, rozróżnienie gdzieś w zakresie 60 i 50 stopni jest wymierne 10 stopni, podobne do kontrastu gdzieś w zakresie 80 i 70 stopni.

Skale interwałowe są ładne, ponieważ otwiera się sfera analizy statystycznej tych zbiorów danych. Na przykład, tendencja centralna może być mierzona według trybu, mediany lub średniej; można również obliczyć odchylenie standardowe. Podobnie jak inni, można dość skutecznie przywołać kluczowe cele “skali interwałowej”. Sam “interwał” oznacza “przestrzeń w środku”, co jest istotną rzeczą, aby przypomnieć sobie skale interwałowe informują nas o kolejności, ale dodatkowo o motywacji pomiędzy poszczególnymi pozycjami. Oto problem z wagami interwałowymi: nie mają one “prawdziwego zera”. Na przykład, nie ma nic takiego jak “brak temperatury”, a w każdym razie nie ma czegoś takiego jak “brak temperatury”, a w każdym razie nie ma czegoś takiego jak celsjusz. Ze względu na skale interwałowe, zero nie oznacza nie pojawienia się znacznej wartości, jednak tak naprawdę jest to kolejna liczba wykorzystywana na skali, podobna do 0 stopni Celsjusza. Negatywne liczby również mają znaczenie. Bez prawdziwego zera, to trudne do osiągnięcia proporcje topowe. Dzięki informacjom o interwałach czasowych możemy dodawać i odejmować, nie możemy jednak powielać ani odstępować. Zdezorientowany? Dobra, pomyślcie o tym: 10 stopni C + 10 stopni C = 20 stopni C. Nie ma sprawy. 20 stopni C nie jest dwa razy gorętsze niż 10 stopni C, w każdym razie, w świetle faktu, że nie ma nic takiego jak “brak temperatury” w odniesieniu do skali Celsjusza. W momencie zmiany na Fahrenheita, jest to oczywiste: 10C=50F i 20C=68F, co w zasadzie nie jest dwukrotnie gorętsze. Ufam, że to dobrze wróży. Wynik końcowy, skale interwałów są świetne, ale nie możemy obliczyć współczynników, co sprowadza nas do naszej ostatniej skali pomiarowej…

Stosunek:

Skale proporcji są ostateczną nirwaną, jeśli chodzi o skale pomiaru danych, ponieważ mówią nam o kolejności, podają dokładną wartość między jednostkami, a także mają absolutne zero – co pozwala na zastosowanie szerokiego zakresu statystyk opisowych i infekcyjnych. Na ryzyko powtórzenia, wszystko co powyżej o danych interwałowych odnosi się do skal proporcji, plus skale proporcji mają jasną definicję zera. Dobrymi przykładami zmiennych dotyczących proporcji są wysokość, waga i czas trwania.

Skale wskaźników dają wiele możliwości, jeśli chodzi o analizę statystyczną. Zmienne te mogą być w znaczący sposób dodawane, odejmowane, mnożone, dzielone (proporcje). Tendencja centralna może być mierzona za pomocą trybu, mediany lub średniej; miary dyspersji, takie jak odchylenie standardowe i współczynnik zmienności, mogą być również obliczane na podstawie skali proporcji.

Skale proporcji są ostateczną nirwaną w odniesieniu do skal szacowania informacji, ponieważ oświecają nas w odniesieniu do prośby, ujawniają nam dokładną motywację wśród jednostek, a także mają wartość zerową, która uwzględnia szeroki zakres graficznych i inferencyjnych spostrzeżeń, jakie należy zastosować. Przy niebezpieczeństwie ponownego umycia się, wszystko co powyżej o informacjach tymczasowych dotyczy skal proporcjonalnych, poza skalami proporcjonalnymi mają one jednoznaczne znaczenie zerowe. Rzeczywiste przypadki współczynników proporcji obejmują rangę, wagę i rozpiętość.

Skale proporcjonalne dają wiele potencjalnych wyników w odniesieniu do wymiernego badania. Zmienne te mogą być w znaczący sposób dodawane, odejmowane, mnożone, dzielone (proporcje). Nachylenie ogniskowej można oszacować według trybu, środka lub średniej; proporcje rozproszenia, na przykład odchylenie standardowe i współczynnik odmiany, można również określić na podstawie skali proporcji.

Zarys

W zarysie, pozorne czynniki są wykorzystywane do “nazwania”, lub nazwania progresji cech. Zwykłe skale dają wspaniałe dane na temat wniosków o podjęcie decyzji, np. w przeglądzie lojalnościowym konsumentów. Wagi przejściowe dają nam żądanie wartości + zdolność do oceny kontrastu między każdym z nich Wreszcie, skale przejściowe dają nam ostateczne żądanie, jakości przejściowe, oprócz zdolności do obliczania proporcji, ponieważ można scharakteryzować “prawdziwe zero”.