Ordinální Data: Definice, Analýza a Příklady

Ordinální Data Definice:

Ordinální data je statistická druh kvantitativních dat, ve kterém proměnné existují v přirozeně se vyskytující objednané kategorie. Vzdálenost mezi dvěma kategoriemi není stanovena pomocí pořadových dat.

ve statistice skupina pořadových čísel označuje pořadová data a skupina pořadových dat je reprezentována pomocí pořadové stupnice. Hlavní rozdíl mezi nominálními a pořadovými údaji je v tom, že pořadové číslo má pořadí kategorií, zatímco nominální ne.

Další informace: Nominální vs ordinální

Likert Scale je populární příklad pořadových dat. Pro otázku, jako je: „prosím, vyjádřete důležitost, kterou má cena pro nákup produktu.“, Likertova stupnice bude mít následující možnosti, které jsou kódovány na 1,2,3,4 a 5 (Čísla). 1 je menší než 2, což je menší než 3, což je menší než 4, což je zase menší než 5.

Very Important Important Neutral Unimportant Very Unimportant
1 2 3 4 5

Ordinal data is thus a collection of ordinal variables, i.e., if you have variables in a particular order – „low, medium, high”, they can be represented as ordinal data. Tam jsou dva důležité faktory, aby zvážila pro ordinální data –

  • Existuje několik podmínek, které představují „pořádek“ jako „Vysoký, Vyšší, Nejvyšší“ nebo „Spokojený, Nespokojený, Velmi Nespokojený“.
  • rozdíl mezi proměnnými není jednotný.

Dozvědět se více: Typy Proměnných Měření

Ordinální Data Vlastnosti:

Na otázky, jako jsou následující, zde je pět ordinální data vlastnosti:

  • Která z následujících kategorií nejlépe vystihuje váš poslední nákup zkušenosti s produktem/službou?
    • Velmi Příjemné
    • Poněkud Příjemné
    • Neutrální
    • Poněkud Nepříjemné
    • Velmi Nepříjemné
  1. Stanovení relativní pozice: Ve výše uvedeném příkladu, Poněkud příjemné je určitě horší, než velmi příjemná a velmi nepříjemné je horší než poněkud nepříjemné. V rámci možností je zjevně hodnost-což je známka pořadových dat.
  2. hodnota intervalu není známa: rozdíl mezi velmi příjemným a poněkud příjemným nemusí být stejný jako rozdíl mezi poněkud nepříjemným a velmi nepříjemným. Tento interval nelze uzavřít pomocí pořadové stupnice.
  3. Opatření non-číselné znaky: V daném příkladu, všechny možnosti odpovědí jsou non-číselné a podobně ordinální data lze použít k zachycení pocity jako spokojenost, štěstí, frekvence atd.
  4. doplněk k jmenovitým údajům: Jmenovitá data jsou“ označená “ data. Pořadová data jsou označena daty v určitém pořadí. Ve výše uvedeném vzorku zmínky, v možnostech je pozoruhodné pořadí, což z něj činí klasický případ pořadových dat.
  5. pořadová data mají medián: Medián je hodnota uprostřed, ale ne střední hodnota stupnice a lze ji vypočítat s údaji, které mají vrozené pořadí.

Řadová Analýza Dat:

  • Snadné metody s Ordinální analýza Dat:

Ordinální data jsou prezentovány v tabulkovém formátu, který dělá analýzu jednodušší pro výzkumníka. Mozaikové grafy se také používají ke stanovení vztahu mezi nominálními a pořadovými daty.

například, pokud organizace má v úmyslu analyzovat počet zaměstnanců v každé hierarchii, aby se systematický proces náboru pro nadcházející rok – mohou dát tato data v uspořádané tabulkové podobě. Personalisté najdou tato data velmi snadno odkazovat a analyzovat pro případné budoucí aktualizace.

  • Mann-Whitney U test:

pro porovnání dvou řadových datových skupin by měl být použit Mann-Whitney U test. – Tento test umožňuje výzkumníkovi dospět k závěru, že proměnná z jednoho vzorku je větší nebo menší než jiná proměnná náhodně vybraná z jiného vzorku.

například psychologický výzkumník může pochopit různé existující vzorce chování, takže lze pozorovat a hodnotit analýzu dvou různých léků.

  • Kruskal–Wallis H test:

porovnat více než dva řadové skupin, Kruskal–Wallis H test by měl být používán – V tomto testu, tam není žádný předpoklad, že data pocházející z určitého zdroje. Tento test dospěl k závěru, zda je medián dvou nebo více skupin různý. Ukáže rozdíl mezi více než dvěma řadovými datovými skupinami.

například, pokud výzkumník zamýšlí vyhodnotit dopad stresu v práci, na kvalitu práce – nezávislé proměnné bude stres v práci, který v ideálním případě bude mít tři fáze: žádný stres, příliš mnoho stresu a handleable stres a kvalita práce se bude lišit od chudých k vynikající.

příklady pořadových dat:

  • ve škole s 3000 studenty existují různé kategorie-prváci, druháci, junioři, Senioři. Po začátku termínu se jedná o počet každé kategorie :
    • 1000 – Prváci
    • 800 – Druháci
    • 750 – Junioři
    • 450 – Seniory
  • organizace provádí čtvrtletní spokojenosti zaměstnanců průzkum, který primárně upozorňuje na tuto otázku: „Jak jste spokojen se svým manažerem a kolegy?“
    • Velmi Šťastný – 1
    • Šťastný – 2
    • Neuro – 3
    • Nešťastná – 4
    • Velmi Nešťastný – 5
  • Podle vašich preferencí, prosím, rychlost 5 nejlepší-prodávat knihy:
    • Oheň a Zuřivost – 1
    • Vyšší Věrnost: Pravda, Lži, a Vedení – 2
    • Žena v Okně – 3
    • Velký Sám – 4
    • Jemné Umění nedávají F*ck: intuitivní Přístup k Žít Dobrý Život – 5

Napsat komentář

Vaše e-mailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *