Sorszám Adatok Meghatározása:
Sorszám adatok statisztikai típusú mennyiségi adatok, amelyben a változók létezik a természetben előforduló rendelt kategóriák. A két kategória közötti távolságot nem ordinális adatok alapján állapítják meg.
a statisztikákban a sorszámok egy csoportja a sorszámadatokat jelzi, a sorszámadatok egy csoportja pedig egy sorszámskála segítségével jelenik meg. A fő különbség a névleges és az ordinális adatok között az, hogy az ordinal kategóriarendszerrel rendelkezik, míg a nominális nem.
Tudjon meg többet: Nominal vs Ordinal
Likert Scale egy népszerű ordinal adat példa. Olyan kérdés esetén, mint például: “kérjük, fejezze ki annak fontosságát, hogy az árképzés egy termék megvásárlásához szükséges.”, a Likert skála a következő opciókkal rendelkezik, amelyek 1,2,3,4-re és 5-re vannak kódolva (számok). 1 kisebb, mint 2, ami kisebb, mint 3, ami kisebb, mint 4, ami viszont kisebb, mint 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. Két fontos tényezőt kell figyelembe venni az ordinális adatoknál –
- több olyan kifejezés létezik, amelyek “rendet” képviselnek, például “magas, magasabb, legmagasabb” vagy “elégedett, elégedetlen, rendkívül elégedetlen”.
- a változók közötti különbség nem egységes.
további információ: Típusú Mérési Változók
Sorszám Adatok Jellemzők:
A kérdés, mint például az alábbi, itt van öt sorszám adatok jellemzők:
- , Amely az alábbi kategóriák a legjobban leírja az utolsó beszerzési tapasztalatok a termék/szolgáltatás?
- Nagyon Kellemes
- Némileg Kellemes
- Semleges
- Némileg Kellemetlen
- Nagyon Kellemetlen
- létrehoz egy relatív rang: a fent említett példa, Kissé kellemes egyértelműen rosszabb, mint a nagyon kellemes vagy kellemetlen rosszabb, mint a kissé kellemetlen. Nyilvánvalóan van egy rang a lehetőségeken belül-ami a rendszámok jele.
- az intervallum értéke nem ismert: a nagyon kellemes és kissé kellemes közötti különbség nem lehet ugyanaz, mint a kissé kellemetlen és nagyon kellemetlen különbség. Ezt az intervallumot nem lehet A sorskála segítségével lezárni.
- mérje meg a nem numerikus tulajdonságokat: az adott példában az összes válasz opció nem numerikus, hasonlóan ordinális adatok felhasználhatók olyan érzések rögzítésére, mint az elégedettség, a boldogság, a frekvencia stb.
- kiegészítő a névleges adatokhoz: a névleges adatok “címkézett” adatok. Ordinal adatok címkézett adatok egy adott sorrendben. A fenti említés minta, van egy figyelemre méltó sorrendben a lehetőségek, ami miatt egy klasszikus esetben a rendszám adatok.
- az ordinális adatok medián értékűek: A medián a skála középső, de nem középső értéke, amelyet veleszületett rendű adatokkal lehet kiszámítani.
Sorszám Adatok Elemzése:
- Könnyű módszerek Sorszám Adatok elemzése:
Sorszám adatok bemutatott egy táblázatos formában, ami elemzés könnyebb a kutató. Mozaikos parcellákat is használnak a névleges és az ordinális adatok közötti kapcsolat megállapítására.
például, ha egy szervezet elemezni kívánja az egyes hierarchiák alkalmazottainak számát, hogy szisztematikus felvételi folyamatot hajtson végre a következő évre – ezeket az adatokat megrendelt táblázatos formátumban helyezhetik el. HR vezetők fogja találni ezeket az adatokat rendkívül könnyű hivatkozni, majd elemezni a jövőbeli frissítések.
- Mann-Whitney U teszt:
két ordinális adatcsoport összehasonlításához a Mann-Whitney U tesztet kell használni. – Ez a teszt lehetővé teszi a kutató számára, hogy arra a következtetésre jusson, hogy az egyik mintából származó változó nagyobb vagy kisebb, mint egy másik mintából véletlenszerűen kiválasztott változó.
például egy pszichológiai kutató megértheti a különböző létező viselkedési mintákat, hogy két különböző gyógyszer elemzése megfigyelhető és értékelhető legyen.
- Kruskal-Wallis h teszt:
Több mint két ordinális csoport összehasonlításához Kruskal–Wallis h tesztet kell használni – ebben a tesztben nincs feltételezés, hogy az adatok egy adott forrásból származnak. Ez a vizsgálat azt a következtetést vonja le, hogy két vagy több csoport mediánja változatos-e. Megmutatja a különbséget több mint két ordinális adatcsoport között.
például, ha egy kutató értékelni kívánja a munkahelyi stressz hatását a munka minőségére – a független változó a munkahelyi stressz lesz, amely ideális esetben három szakaszból áll: nincs stressz, túl sok stressz, kezelhető stressz és a munka minősége a szegényektől a kiválóig változik.
Ordinal Data Examples:
- egy 3000 tanulóval rendelkező iskolában különböző kategóriák vannak-gólyák, másodikosok, juniorok, idősek. A kifejezés kezdete után ez az egyes kategóriák száma :
- 1000 – Gólya
- 800 – Másodikosok
- 750 – Junior
- 450 – Idősek
- Egy szervezet végzi a negyedéves dolgozói elégedettség felmérés, amely elsősorban kiemeli ezt a kérdést: “Milyen boldog vagy te, a menedzser pedig társaik?”
- rendkívül boldog-1
- Happy – 2
- neurális – 3
- boldogtalan – 4
rendkívül boldogtalan – 5
- Fire and Fury-1
- magasabb hűség: Igazság, hazugság és vezetés-2
- a nő az ablakban – 3
- a nagy egyedül – 4
- a finom művészet, hogy nem ad egy F*ck: a Counterintuitive megközelítés él egy jó élet – 5