Définition des données ordinales:
Les données ordinales sont un type statistique de données quantitatives dans lesquelles des variables existent dans des catégories ordonnées naturelles. La distance entre deux catégories n’est pas établie à l’aide de données ordinales.
En statistique, un groupe de nombres ordinaux indique des données ordinales et un groupe de données ordinales est représenté à l’aide d’une échelle ordinale. La principale différence entre les données nominales et ordinales est que les ordinaux ont un ordre de catégories alors que les nominaux n’en ont pas.
En savoir plus: L’échelle de Likert est un exemple de données ordinales populaire. Pour une question telle que: « Veuillez exprimer l’importance que la tarification revêt pour vous d’acheter un produit. », une échelle de Likert aura les options suivantes qui sont codées en 1,2,3,4 et 5 (nombres)” 1 est inférieur à 2, qui est inférieur à 3, qui est inférieur à 4, qui à son tour est inférieur à 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. Il y a deux facteurs importants à considérer pour les données ordinales –
- Il existe plusieurs termes qui représentent « l’ordre” tels que « Élevé, Plus élevé, Plus élevé” ou « Satisfait, Insatisfait, Extrêmement Insatisfait”.
- La différence entre les variables n’est pas uniforme.
En savoir plus: Types de variables de mesure
Caractéristiques des données ordinales :
Pour une question comme celle-ci, voici cinq caractéristiques des données ordinales :
- Laquelle des catégories suivantes décrit le mieux vos dernières expériences d’achat avec un produit/service?
- Très agréable
- Quelque peu agréable
- Neutre
- Quelque peu Désagréable
- Très Désagréable
- Établir un rang relatif: Dans l’exemple mentionné ci-dessus, Un peu agréable est certainement pire que très agréable ou très désagréable est pire que quelque peu désagréable. Il y a clairement un rang dans les options – ce qui est un signe de données ordinales.
- La valeur de l’intervalle est inconnue: La variation entre très agréable et quelque peu agréable n’a pas besoin d’être la même que la différence entre quelque peu désagréable et très désagréable. Cet intervalle ne peut pas être conclu à l’aide de l’échelle ordinale.
- Mesurer des traits non numériques: Dans l’exemple donné, toutes les options de réponse sont non numériques et des données ordinales similaires peuvent être utilisées pour capturer des sentiments tels que la satisfaction, le bonheur, la fréquence, etc.
- Add-on aux données nominales : Les données nominales sont des données « étiquetées « . Les données ordinales sont étiquetées données dans un ordre spécifique. Dans l’exemple de mention ci-dessus, il existe un ordre notable dans les options, ce qui en fait un cas classique de données ordinales.
- Les données ordinales ont une médiane: La médiane est la valeur au milieu mais pas la valeur moyenne d’une échelle et peut être calculée avec des données qui ont un ordre inné.
Analyse des données ordinales:
- Méthodes faciles d’analyse des données ordinales:
Les données ordinales sont présentées sous forme de tableau, ce qui facilite l’analyse pour le chercheur. Les diagrammes en mosaïque sont également utilisés pour établir la relation entre les données nominales et ordinales.
Par exemple, si une organisation a l’intention d’analyser le nombre d’employés dans chaque hiérarchie pour établir un processus d’embauche systématique pour l’année à venir, elle peut mettre ces données dans un format tabulaire ordonné. Les responsables RH trouveront ces données extrêmement faciles à consulter et à analyser pour toute mise à jour future.
- Test U de Mann-Whitney:
Pour comparer deux groupes de données ordinales, le test U de Mann-Whitney doit être utilisé. – Ce test permet à un chercheur de conclure qu’une variable d’un échantillon est supérieure ou inférieure à une autre variable sélectionnée au hasard dans un autre échantillon.
Par exemple, un chercheur en psychologie peut comprendre divers modèles de comportement existants afin qu’une analyse de deux médicaments différents puisse être observée et évaluée.
- Test H de Kruskal–Wallis:
Pour comparer plus de deux groupes ordinaux, le test H de Kruskal–Wallis doit être utilisé – Dans ce test, il n’y a aucune hypothèse que les données proviennent d’une source particulière. Ce test conclut si la médiane de deux groupes ou plus est variée. Il montrera la différence entre plus de deux groupes de données ordinales.
Par exemple, si un chercheur a l’intention d’évaluer l’impact du stress au travail sur la qualité du travail, la variable indépendante sera le stress au travail qui, idéalement, comportera trois étapes: pas de stress, trop de stress et stress gérable et la qualité du travail variera de médiocre à excellente.
Exemples de données ordinales:
- Dans une école de 3000 élèves, il existe différentes catégories– étudiants de première année, étudiants de deuxième année, juniors, seniors. Après le début du terme, c’est le compte de chaque catégorie :
- 1000 – Étudiants de première année
- 800 – étudiants de deuxième année
- 750 – juniors
- 450 -Seniors
- Une organisation mène un sondage trimestriel de satisfaction des employés qui met principalement en évidence cette question: » À quel point êtes-vous heureux avec votre manager et vos pairs? »
- Extrêmement heureux -1
- Heureux-2
- Neural-3
- Malheureux – 4
- Extrêmement malheureux – 5
- Selon vos préférences, veuillez noter ces 5 livres les plus vendus:
- Fire and Fury – 1
- Une fidélité plus élevée: Vérité, Mensonges et Leadership – 2
- La Femme à la Fenêtre – 3
- La Grande Seule – 4
- L’Art Subtil de Ne Pas Donner de F*ck: Une Approche Contre–intuitive pour Vivre une Bonne Vie – 5