Ordinaldatendefinition:
Ordinaldaten sind ein statistischer Typ quantitativer Daten, in denen Variablen in natürlich vorkommenden geordneten Kategorien existieren. Der Abstand zwischen zwei Kategorien wird nicht anhand von Ordnungsdaten ermittelt.
In der Statistik gibt eine Gruppe von Ordinalzahlen Ordinaldaten an, und eine Gruppe von Ordinaldaten wird mithilfe einer Ordinalskala dargestellt. Der Hauptunterschied zwischen nominalen und ordinalen Daten besteht darin, dass ordinal eine Reihenfolge von Kategorien hat, nominal nicht.
Mehr erfahren: Nominal vs Ordinal
Die Likert-Skala ist ein beliebtes Beispiel für Ordinaldaten. Für eine Frage wie: „Bitte drücken Sie die Bedeutung aus, die der Preis für Sie hat, um ein Produkt zu kaufen.“, eine Likert-Skala hat die folgenden Optionen, die auf 1,2,3,4 und 5 (Zahlen) codiert sind. 1 ist kleiner als 2, was kleiner als 3 ist, was kleiner als 4 ist, was wiederum kleiner als 5 ist.
| 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. Für Ordinaldaten sind zwei wichtige Faktoren zu berücksichtigen:
- Es gibt mehrere Begriffe, die „Ordnung“ darstellen, z. B. „Hoch, Höher, am höchsten“ oder „Zufrieden, unzufrieden, Äußerst unzufrieden“.
- Der Unterschied zwischen Variablen ist nicht einheitlich.
Erfahren Sie mehr: Arten von Messgrößen
Ordinale Datenmerkmale:
Für eine Frage wie die folgende finden Sie hier fünf ordinale Datenmerkmale:
- Welche der folgenden Kategorien beschreibt Ihre letzten Einkaufserfahrungen mit einem Produkt / einer Dienstleistung am besten?
- Sehr angenehm
- Etwas angenehm
- Neutral
- Etwas unangenehm
- Sehr unangenehm
- Stellen Sie einen relativen Rang fest: Im oben genannten Beispiel ist etwas angenehm definitiv schlechter als sehr angenehm oder sehr unangenehm ist schlimmer als etwas unangenehm. Es gibt eindeutig einen Rang innerhalb der Optionen – was ein Zeichen für Ordnungsdaten ist.
- Wert des Intervalls ist unbekannt: Die Variation zwischen sehr angenehm und etwas angenehm muss nicht die gleiche sein wie die Differenz zwischen etwas unangenehm und sehr unangenehm. Dieses Intervall kann nicht mit der Ordinalskala geschlossen werden.
- Nicht numerische Merkmale messen: Im gegebenen Beispiel sind alle Antwortoptionen nicht numerisch und ähnlich ordinale Daten können verwendet werden, um Gefühle wie Zufriedenheit, Glück, Häufigkeit usw. zu erfassen.
- Add-on zu Nominaldaten: Nominaldaten sind „beschriftete“ Daten. Ordinaldaten sind beschriftete Daten in einer bestimmten Reihenfolge. In dem oben genannten Beispiel gibt es eine bemerkenswerte Reihenfolge in den Optionen, die es zu einem klassischen Fall von Ordinaldaten macht.
- Ordinale Daten haben einen Median: Median ist der Wert in der Mitte, aber nicht der mittlere Wert einer Skala und kann mit Daten berechnet werden, die eine angeborene Ordnung haben.
Ordinale Datenanalyse:
- Einfache Methoden der ordinalen Datenanalyse:
Ordinale Daten werden in einem tabellarischen Format dargestellt, das die Analyse für den Forscher erleichtert. Mosaikplots werden auch verwendet, um die Beziehung zwischen nominalen und ordinalen Daten herzustellen. Wenn eine Organisation beispielsweise beabsichtigt, die Anzahl der Mitarbeiter in jeder Hierarchie zu analysieren, um einen systematischen Einstellungsprozess für das kommende Jahr durchzuführen, kann sie diese Daten in einem geordneten Tabellenformat ablegen. HR-Führungskräfte finden diese Daten extrem einfach zu beziehen und für zukünftige Updates zu analysieren.
- Mann-Whitney-U-Test:
Um zwei ordinale Datengruppen zu vergleichen, sollte der Mann-Whitney-U-Test verwendet werden. – Dieser Test ermöglicht es einem Forscher zu dem Schluss, dass eine Variable aus einer Stichprobe größer oder kleiner ist als eine andere Variable, die zufällig aus einer anderen Stichprobe ausgewählt wurde.Zum Beispiel kann ein psychologischer Forscher verschiedene bestehende Verhaltensmuster verstehen, so dass eine Analyse von zwei verschiedenen Medikamenten beobachtet und ausgewertet werden kann.
- Kruskal–Wallis–H–Test:
Um mehr als zwei Ordinalgruppen zu vergleichen, sollte der Kruskal-Wallis-H-Test verwendet werden – Bei diesem Test wird nicht davon ausgegangen, dass die Daten aus einer bestimmten Quelle stammen. Dieser Test kommt zu dem Schluss, ob der Median von zwei oder mehr Gruppen variiert wird. Es wird der Unterschied zwischen mehr als zwei ordinalen Datengruppen angezeigt. Zum Beispiel, wenn ein Forscher beabsichtigt, die Auswirkungen von Stress bei der Arbeit auf die Qualität der Arbeit zu bewerten – die unabhängige Variable wird Stress bei der Arbeit sein, die idealerweise drei Stufen haben wird: kein Stress, zu viel Stress und handhabbarer Stress und die Qualität der Arbeit wird von schlecht bis ausgezeichnet variieren.
Ordinaldatenbeispiele:
- In einer Schule mit 3000 Schülern gibt es verschiedene Kategorien – Erstsemester, Studenten im zweiten Jahr, Junioren, Senioren. Nach Beginn des Semesters ist dies die Anzahl jeder Kategorie :
- 1000 – Freshmen
- 800 – Sophomores
- 750 – Juniors
- 450 – Seniors
- Eine Organisation führt eine vierteljährliche Mitarbeiterzufriedenheitsumfrage durch, die in erster Linie diese Frage hervorhebt: „Wie glücklich sind Sie mit Ihrem Manager und Kollegen?“
- Extrem glücklich – 1
- Glücklich – 2
- Unglücklich – 3
- Unglücklich – 4
- Extrem Unglücklich – 5
- Bitte bewerten Sie diese 5 meistverkauften Bücher nach Ihren Wünschen:
- Feuer und Wut – 1
- Eine höhere: Wahrheit, Lügen und Führung – 2
- Die Frau im Fenster – 3
- Der große Allein – 4
- Die subtile Kunst, kein F * ck zu geben: Ein kontraintuitiver Ansatz für ein gutes Leben – 5