Teadusuuringute ja andmeanalüüsi valdkonnas on erinevate andmetüüpide mõistmine oluline, et teha sisukaid järeldusi ja teha teadlikke otsuseid. Üks selline tüüp on ordinaalsed andmed, mis mängivad olulist rolli erinevates valdkondades, alates sotsiaalteadustest kuni turu-uuringuteni. Ordinaalandmete mõistmine ja nende erinevus teistest andmetüüpidest on oluline teadlastele, kes soovivad oma andmekogudest sisukaid teadmisi saada. Käesolevas artiklis selgitatakse põhjalikult, mis on ordinaalsed andmed ja nende tähtsus teadusvaldkonnas.
Mis on ordinaalsed andmed?
Ordinaalsed andmed on kategoriliste andmete liik, mille puhul kategooriatel on loomulik järjestus või järjekord. See tähendab, et kategooriad on järjestatud nii, et neid saab järjestada või järjestada nende suhtelise väärtuse või tähtsuse alusel. Näiteks küsitlusküsimus, milles palutakse vastajatel hinnata oma nõusoleku taset skaalal 1 kuni 5, on ordinaalsete andmete kogumine, kuna vastustel on loomulik järjestus alates "ei ole täiesti nõus" (1) kuni "täiesti nõus" (5). Ordinaalandmete näiteid saab analüüsida statistiliste meetoditega, nagu ki-ruut testid, kuid seejuures tuleb olla ettevaatlik, sest kategooriate vahelised vahemaad ei pruugi olla võrdsed.
Ordinaalsed andmed on teaduslikes uuringutes väga olulised, sest need võimaldavad andmete klassifitseerimist ja võrdlemist loomuliku järjekorra või järjestusega, mis võib anda väärtusliku ülevaate andmetes esinevatest mustritest, seostest ja suundumustest. Seda tüüpi andmeid kasutatakse sageli sotsiaalteaduslikes uuringutes, näiteks uuringutes ja küsimustikes, kus vastajatel palutakse hinnata oma arvamusi või kogemusi skaalal.
Joonis: https://www.voxco.com/wp-content/uploads/2021/03/Cover-scale-1536×864.jpg
Ordinaalsete andmete omadused
Ordinaalsed andmed on kategoriliste andmete liik, mis kujutab endast kindlat järjekorda või järjestust kategooriate vahel. Järgnevalt on esitatud mõned ordinaalsete andmete põhiomadused:
Tellige: Ordinaalandmete kategooriatel on konkreetne järjestus või pingerida, mis väljendab nõusoleku, mittenõustumise või eelistamise taset. Näiteks küsitluses, kus küsitakse saadud teenuse kvaliteeti, võiksid vastusevariandid olla "suurepärane", "hea", "rahuldav" või "halb", millel oleks selge järjekord.
Mitte-numbriline: Ordinaalseid andmekategooriaid ei pea tingimata esitama numbritega ning kategooriad võivad olla sõnad või sümbolid. Näiteks võib restorani hindamissüsteemis kasutada numbriliste väärtuste asemel tähti kvaliteeditasemete tähistamiseks.
Ebavõrdsed intervallid: Kategooriate vahelised kaugused ei ole tingimata võrdsed. Näiteks ei pruugi Likert'i skaalal "täiesti nõus" ja "nõus" vahe olla sama, mis vahe "ei nõustu" ja "ei nõustu" vahel.
Piiratud arv kategooriaid: Ordinaalsetel andmetel on tavaliselt piiratud arv kategooriaid, mis on sageli uurija poolt eelnevalt kindlaks määratud. Näiteks võib uuringus kasutada viie vastusevariandiga Likert'i skaalat.
Saab käsitleda numbriliste andmetena: Mõnikord võib ordinaalseid andmeid statistilise analüüsi eesmärgil käsitleda numbriliste andmetena, kuid seda tuleks teha ettevaatlikult. Ordinaalkategooriatele tähenduslike arvväärtuste omistamine võib hõlbustada analüüsi ja tõlgendamist, kuid see ei tohiks muuta andmete olemust.
Ordinaalsete muutujate tüübid
Ordinaalmuutujad on muutujad, mida saab järjestada või järjestada nende väärtuste või tunnuste alusel. Ordinaalmuutujaid on kahte tüüpi:
Vastav kategooria
Sobitatud kategooria ordinaalsete muutujate puhul on muutuja kategooriates loomulik järjekord. See järjestus on määratletud muutuja enda poolt ja kategooriad on üksteist välistavad. Näiteks enne ja pärast uuringu ülesehituses mõõdetakse sama osalejate rühma sama ordinaalmuutujat kahel erineval ajahetkel, näiteks enne ja pärast ravi. "Enne" mõõtmise kategooriad on sobitatud või paaritatud "pärast" mõõtmise kategooriatega.
Teine näide on uuring, milles võrreldakse paaride eelistusi teatud aspektist, kus ühe partneri eelistused on sobitatud või paaritatud teise partneri eelistustega. Vastandatud kategooriaid analüüsitakse sageli mitteparameetriliste statistiliste testide abil, nagu Wilcoxoni allkirjajärjekorra test või Friedmani test, et võrrelda kategooriate vahelisi erinevusi iga paari või rühma piires.
Sobimatu kategooria
Sobitamata kategooria on veel üks ordinaalse muutuja tüüp. Erinevalt sobitatud kategooriatest ei ole sobitamata kategooriatel selge suhe või seos kategooriate vahel. Näiteks kui palute vastajatel hinnata oma eelistusi eri muusikastiilide suhtes, ei pruugi olla selget järjestust või seost kategooriate jazz, kantri ja rokk vahel.
Sobitamata kategooriate puhul võivad kategooriad olla järjestatud vastavalt vastaja individuaalsetele eelistustele või arusaamadele, kuid objektiivset või järjepidevat järjestust, mis kehtiks kõigi vastajate suhtes, ei ole. See võib muuta andmete analüüsimise ja tõlgendamise raskemaks võrreldes sobitatud kategooriatega, millel on selge ja järjepidev järjestus.
Näiteid ordinaalsete andmete kohta
Ordinaalandmete näiteid võib leida paljudes uurimisvaldkondades ja erinevat tüüpi mõõtmistes. Mõned näited ordinaalsete andmete kohta on järgmised:
Intervalli skaala
Intervalli skaala on mõõteskaala tüüp, kus igale kategooriale või vastusele on määratud numbriline väärtus ning väärtuste erinevused on tähenduslikud ja võrdsed. See on sarnane suhtarvuskaalaga, kuid sellel ei ole tõelist nullpunkti.
Näiteks Celsiuse temperatuuriskaala on näide intervallskaalast. Vahe 10 °C ja 20 °C vahel on sama, mis vahe 20 °C ja 30 °C vahel. Siiski ei tähenda 0°C mitte täielikku temperatuuri puudumist, vaid pigem konkreetset punkti skaalal.
Likert skaala
Likerti skaala on tavaline ordinaalsete andmete tüüp, mis kasutab suhtumise, arvamuse või arusaamade mõõtmiseks vastusevariante, näiteks "täiesti nõus", "nõus", "neutraalne", "ei ole nõus" ja "ei ole täiesti nõus". Igale vastusele määratakse numbriline väärtus, tavaliselt vahemikus 1 kuni 5 või 1 kuni 7, kusjuures suurem väärtus näitab positiivsemat või tugevamat vastust. Likert'i skaalat kasutatakse sageli uuringutes ja küsimustikes, et koguda ordinaalseid andmeid, mida saab analüüsida konkreetsete meetodite abil.
Kuidas analüüsida ordinaalseid andmeid?
Ordinaalsete andmete analüüsimiseks on mitmeid meetodeid, sealhulgas:
Kirjeldav statistika: Kirjeldavat statistikat kasutatakse ordinaalsete andmete kesktendentsuse ja jaotuse kokkuvõtmiseks ja kirjeldamiseks. Ordinaalsete andmete puhul kasutatakse tavaliselt kirjeldavat statistikat, mille hulka kuuluvad mediaan, mood ja protsentiilid. Kirjeldav statistika aitab anda üldist ülevaadet andmetest ja tuvastada võimalikke probleeme, näiteks kõrvalekaldeid või kallutatud jaotusi. Need ei anna siiski teavet rühmade vaheliste erinevuste või seoste statistilise olulisuse kohta.
Mitteparameetrilised testid: Mitteparameetrilisi teste kasutatakse tavaliselt ordinaalsete andmete analüüsimiseks, sest need ei nõua, et andmed järgiksid kindlat jaotust, näiteks normaaljaotust, ning ei eelda, et kategooriate vahelised intervallid on võrdsed. Need testid põhinevad pigem vaatluste järjestustel kui nende täpsetel väärtustel. Mitteparameetrilised testid on vastupidavad kõrvalekallete suhtes ja neid kasutatakse sageli siis, kui parameetriliste testide eeldused ei ole täidetud. Siiski võib nende statistiline võimsus olla väiksem kui parameetrilistel testidel, eriti kui valimi suurus on väike.
Ordinaalne logistiline regressioon: Ordinaalne logistiline regressioon on statistiline meetod, mida kasutatakse ühe või mitme ordinaalse sõltumatu muutuja ja ordinaalse sõltuva muutuja vahelise seose modelleerimiseks. See meetod on kasulik, kui tahetakse kindlaks teha tegureid, mis mõjutavad ordinaalse muutuja tulemust. Ordinaalloogiline regressioon eeldab, et sõltuva muutuja kategooriad on järjestatud ja et kategooriate vaheline kaugus ei ole tingimata võrdne. Samuti eeldab see, et sõltuva muutuja ja sõltumatute muutujate vaheline seos on log-lineaarne.
Kirjavahetuse analüüs: Seda meetodit kasutatakse kahe või enama ordinaalse muutuja vahelise seose uurimiseks. See aitab tuvastada muutujate vahelisi mustreid ja seoseid ning visualiseerida neid kahemõõtmelises ruumis. Meetod hõlmab kontingentsustabeli koostamist, mis näitab iga kategooria sagedusi iga muutuja kohta. Seejärel arvutatakse iga kategooria jaoks punktide kogum, mis põhineb andmete üldisel jaotusel. Nende punktide abil luuakse kahemõõtmeline graafik, kus iga kategooria on kujutatud punktina. Punktide vaheline kaugus näitab kategooriate sarnasuse või erinevuse astet.
Struktuurse võrrandi modelleerimine: Struktuurse võrrandi modelleerimine (SEM) on statistiline meetod, mida kasutatakse muutujate vaheliste seoste analüüsimiseks ja keeruliste mudelite testimiseks. Tegemist on mitme muutuja analüüsimeetodiga, mis võimaldab käsitleda mitut muutujat, nii vaadeldavaid kui ka varjatud muutujaid, ning testida muutujate vahelisi põhjuslikke seoseid. Ordinaalsete andmete analüüsimisel saab SEMi kasutada mitut ordinaalset muutujat ja latentset konstruktsiooni sisaldavate mudelite testimiseks. Samuti aitab see tuvastada ja hinnata muutujate otsese ja kaudse mõju suurust üksteisele.
Järelduslik statistika
Järeldusstatistika on statistika haru, mis hõlmab järelduste tegemist ja järelduste tegemist üldkogumi kohta andmete valimi põhjal. See on võimas vahend, mis võimaldab teadlastel teha üldistusi, prognoose ja hüpoteese suurema rühma kohta, mis ulatub kaugemale vaadeldud andmetest.
Kui kirjeldav statistika võtab andmed kokku ja kirjeldab neid, siis järeldusstatistika läheb sammu võrra kaugemale, kasutades tõenäosusteooriat ja statistilisi meetodeid, et analüüsida valimiandmeid ja teha järeldusi populatsiooni kohta, millest valim võeti. Kasutades järeldusstatistikat, saavad teadlased teha prognoose, testida hüpoteese ja teha järelduste põhjal teadlikke otsuseid.
Ordinaalsete andmete kasutamine
Ordinaalseid andmeid kasutatakse mitmesugustes rakendustes ja neid kogutakse sageli küsitluste, küsimustike ja muude uuringuvormide kaudu. Järgnevalt on esitatud mõned ordinaalsete andmete tavapärased kasutusalad:
Küsitlused/küsimustikud
Küsitlused ja küsimustikud on tavaline viis ordinaalsete andmete kogumiseks. Näiteks võib küsitluses paluda vastajatel hinnata oma nõustumise taset väitega skaalal "ei ole täiesti nõus" kuni "täiesti nõus". Seda tüüpi andmeid saab seejärel kasutada vastuste suundumuste või mustrite analüüsimiseks.
Teadusuuringud
Ordinaalseid andmeid saab kasutada ka teadusuuringutes, et mõõta erinevate muutujate vahelisi seoseid. Näiteks võib teadlane kasutada ordinaalskaalat, et mõõta teatava sümptomi raskusastet teatava haigusega patsientide rühmas. Seda tüüpi andmeid saab seejärel kasutada sümptomite raskusastme võrdlemiseks eri patsientide rühmades või sümptomite muutuste jälgimiseks aja jooksul.
Klienditeenindus
Ordinaalseid andmeid saab kasutada ka klienditeeninduses, et mõõta klientide rahulolu või rahulolematust. Näiteks võib kliendil paluda hinnata oma kogemusi ettevõtte toote või teenusega skaalal "väga rahulolematu" kuni "väga rahul". Seda tüüpi andmeid saab seejärel kasutada parandamist vajavate valdkondade kindlakstegemiseks ja klientide rahulolu muutuste jälgimiseks aja jooksul.
Töötaotlused
Ordinaalseid andmeid võib kasutada ka töökuulutustes, et mõõta taotleja kvalifikatsiooni või kogemuste taset. Näiteks võib tööandja paluda tööotsijatel hinnata oma kogemuste taset teatavas valdkonnas skaalal "puudub kogemus" kuni "ekspert". Seda tüüpi andmeid saab seejärel kasutada erinevate tööotsijate kvalifikatsiooni võrdlemiseks ja kõige sobivama kandidaadi valimiseks.
Korraliste ja nominaalsete andmete erinevus
Ordinaalsed ja nominaalsed andmed on kahte liiki kategoorilisi andmeid. Peamine erinevus nende vahel seisneb mõõtmistasandis ja nende poolt edastatavas teabes.
Ordinaalsed andmed on kategoriliste andmete liik, kus muutujatel on loomulik järjekord või järjestus. Neid mõõdetakse ordinaaltasandil, mis tähendab, et neil on loomulik järjestus, kuid väärtuste vahelisi erinevusi ei saa kvantifitseerida ega mõõta. Ordinaalandmete näited on näiteks pingeread, hinnangud ja Likerti skaalad.
Teisest küljest on nominaalsed andmed samuti kategoriliste andmete liik, kuid neil puudub loomulik järjestus või järjestus. Neid mõõdetakse nominaaltasandil, mis tähendab, et andmeid saab liigitada ainult üksteist välistavatesse kategooriatesse ilma mingi loomuliku järjestuse või järjestuseta. Nominaalsete andmete näited on näiteks sugu, rahvus ja perekonnaseis.
Ordinaal- ja nominaalandmete peamine erinevus seisneb selles, et ordinaalandmetel on loomulik järjekord või järjestus, nominaalandmetel aga mitte. Ordinaal- ja nominaalsete andmete erinevuse kohta saate rohkem teada, kui vaatate see veebisait.
Kas vajate väga konkreetset illustratsiooni? Me kujundame selle teie jaoks!
Mind the Graph platvorm pakub ulatuslikku teaduslike illustratsioonide ja mallide raamatukogu, mis sisaldab keerulisi teaduslikke mõisteid ja konkreetseid pilte, mida vajate. Mind the Graph teeb teiega koostööd, et luua kvaliteetne illustratsioon, mis vastab teie ootustele. See teenus tagab, et saate täpselt sellised visuaalid, mida vajate oma uurimistöö, esitluse või väljaande jaoks, ilma et vajaksite spetsiaalset kujundustarkvara või -oskusi.
Tellige meie uudiskiri
Eksklusiivne kvaliteetne sisu tõhusa visuaalse
teabevahetus teaduses.
