آموزش spss

شما اینجا هستید

صفحه اصلی

سطوح اندازه گیری داده ها

سطوح اندازه گیری داده ها

اولین گام در تجزیه و تحلیل داد ها، فهم ساده مفاهیم داده ها است. بوسیله دسته بندی داده ها با توجه به سطوح اندازه گیری آنها، مفاهیم داده ها، بهتر و آسان تر قابل فهم است. کتب درسی استاندارد چهار نوع از سطوح اندازه گیری داده ها را مشخص کرده اند. داده های اسمی، ترتیبی، فاصله ای و نسبی

 

1- سطح اندازه گیری اسمی

سطح اندازه گیری اسمی به این معناست که در آنچه که توسط مقادیر نشان داده می شود هیچ نظم و ترتیبی وجود ندارد. یک مثال ساده «کشور» است.  امکان دارد ما کشور ها بر اساس حروف الفبا یا با توجه به وسعت و یا بر اساس جمعیت آنها مرتب کنیم اما در این متغیر ترتیب های مختلف برای لیست کردن کشور ها با هم تفاوتی ندارد و متغیر «کشور» یک متغیر اسمی است. همیشه به این نکته باید توجه داشت که متغیر چه چیزی را نشان می دهد در این جا مقادیری نظیر جمعیت و یا وسعت مهم نیستند بلکه مهم این است که این متغیر چه چیزی را نشان می دهد . یک مثال گمراه کننده در این باره متغیر «کد پستی» است. کد پستی در حقیقت بیانگر مناطق جغرافیایی است که هیچ ترتیبی را نشان نمی دهد بنابراین متغیر «کد پستی» یک متغیر اسمی است.

2- سطح اندازه گیری ترتیبی

سطح اندازگیری ترتیبی به این معناست که یک ترتیب واضح از داده ها وجود دارد اما مقادیر داده ها، واحد اندازه گیری مشخصی ندارند. یک نمونه از مثال های  معمولی در این زمینه که به مقیاس یا طیف لیکرت معروف است مقیاس دید افراد نسبت به دیگران می باشد.

  1. خوب
  2. خنثی
  3. بد

بوضوح می بینیم که در احساسات نشان داده شده بوسیله این مقادیر یک نظم مشخص وجود دارد. خنثی بین بد و خوب است. با این حال ما هیچ گزینه ای که موارد ما بین این مقادیر را نشان دهد نداریم. به عنوان مثال پاسخ دهنده ای که اغلب هرچیزی را بد ارزیابی می کند ممکن است احساس کند که خنثی در واقع به خوب نزدیکتر است تا به بد. این مطلب در شکل زیر نشان داده شده است.

 

فواصل بین دسته های جواب برای متغیرهای رتبه ای نامعلوم هستند.

راه دیگر ی برای بیان این مطلب این است که احساسات بیان شده در اینجا واحد اندازه گیری معینی ندارند. در اینجا  مقادیر داده های متغیر را به صورت دلخواه تعیین کرده ایم. ما از اعداد 1، 2 و 3 برای نشان دادن بد، خنثی و خوب استفاده کردیم اما ممکن است بجای آن از اعداد 1، 1.5 و 3 استفاده کنیم که درست به خوبی همان اعداد 1،2 و 3 هستند. توجه داشته باشید که این انتخاب دلخواه، نتایج محاسبات مربوط به متغیر ها را تعیین می کند. به همین دلیل عملیات ریاضی در متغیر های ترتیبی معنا و مفهومی ندارد هر چند که محاسبات بر روی متغیر های ترتیبی بطور معمول با فرض برابری فواصل انجام می شود.

مثال دیگر در این زمینه در خصوص اندازه گیری درآمد ماهانه می باشد.

  1. کمتر از 10/000/000 ریال
  2. از 10/000/000 ریال تا 20/000/000 ریال
  3. 20/000/000 ریال و بیشتر

توجه کنید که این متغیر، یک متغیر ترتیبی است. این سه مقدار در حقیقت دسته بندی میزان درآمد ماهیانه را نشان می دهد و واحد اندازه گیری معینی ندارد. در اینجا خواهیم گفت که درآمد در سطح ترتیبی اندازه گیری شد. ما می توانیم همین متغیر را بوسیله پرسیدن مقدار دقیق میزان درآمد افراد در سطح نسبی اندازه گیری کنیم. نکته اینجاست که یک متغیر (مانند درآمد) گاهی می تواند در سطوح مختلف اندازه گیری شود.

3- سطح اندازه گیری فاصله ای

سطح اندازه گیری فاصله ای شامل یک واحد اندازه گیری معین است اما نقطه صفر طبیعی ندارد. متغیر های فاصله ای واقعی کم هستند. یکی از مثالهای این متغیر، دما بر حسب درجه سانتیگراد است. در این متغیر واحد اندازه گیری مشخص است زیرا هر درجه سانتیگراد مقدار معین و مشابهی (فاصله) از دما را نشان می دهد.با این حال درجه سانتیگراد صفر با توجه به درجه دما به معنی «هیچ» نیست. بدون یک نقطه صفر طبیعی، ضرب و تقسیم معنی دار نیست یعنی معنی و مفهومی ندارد که بگوییم که 40 درجه سانتیگراد دو برابر گرمتر از 20 درجه سانتیگراد است.

4- سطح اندازه گیری نسبی

سطح اندازه گیری نسبی بر یک واحد اندازه گیری معین و یک نقطه صفر طبیعی دلالت دارد. مانند وزن بر حسب کیلوگرم. کیلوگرم یک واحد اندازه گیری معین است زیرا همیشه وزن دقیق را نشان می دهد. بنابراین متوجه شدیم که منظور از نقطه صفر طبیعی چیست. منظور از نقطه صفر طبیعی این است که صفر «هیچ» را نشان می دهد در اینجا صفر به نداشتن وزن اشاره دارد. در مباحث آماری از نقطه صفر مطلق معمولاً اجتناب می شود زیرا متغیر های نسبی ممکن است مقادیر منفی داشته باشند مثلاً تراز حساب بانکی ممکن است منفی باشد اما یک واحد معین اندازه گیری دارد –در این مورد ریال- و صفر یعنی «هیچ». این نقطه صفر طبیعی در حقیقت امکان ضرب و تقسیم داده ها را فراهم می کند و نسبت مقادیر معنی دار است و می توانیم بگوییم که 000/2 ریال دو برابر 000/1 ریال و یا چهار برابر 500 ریال است.

سطوح اندازه گیری کلاسیک کمبود ها و نقاط ضعف

ما در خصوص اهمیت سطوح اندازه گیری در بالا بحث کردیم و گفتیم که دلیل اهمیت آن این است که تجزیه و تحلیل داده را آسان می کند. با این حال وقتی به اکثر تکنیک های آماری نگاه می کنیم، می بینیم که :

- متغیر های دو وجهی رفتار متفاوتی نسبت به سایر متغیر ها دارند اما سطوح اندازه گیری کلاسیک آنها را تشخیص نمی دهد.

- با متغیر های کمی (فاصله ای و نسبی) همیشه بطور یکسان رفتار می شود.

- متغیر های دسته ای (اسمی و ترتیبی) گاهی رفتار مشابه دارند و گاهی نه.

برای رفع این مسائل، طبقه بندی مفید تر زیر پیشنهاد می شود.

- متغیر های دو وجهی متغیر هایی هستند که دقیقاً دو مقدار مجزا دارند. مفید خواهد بود که متغیر های دو وجهی، به عنوان سطوح اندازه گیری مجزا در نظر گرفته شوند زیرا آنها نیازمند روشهای متفاوت تحلیل نسبت به انواع دیگر متغیر ها می باشند . مانند آزمون T مستقل و آزمون Binomial در SPSS. متغیر های دو وجهی گاهی به عنوان متغیر های باینری نیز شناخته می شوند.

- متغیر های قیاسی متغیر هایی هستند که محاسبات ریاضی در آنها معنی دار نیست. بنابراین متغیر های قیاسی شامل متغیر های اسمی و متغیر های ترتیبی است. ما برخی اوقات آنها را از هم تشخیص می دهیم و برخی اوقات تشخیص نمی دهیم. متغیر های قیاسی گاهی به عنوان متغیر های کیفی نیز شاخته می شوند زیرا آنها بجای کمیت، کیفیت را بیان می کنند.

- متغیر های متریک متغیر هایی هستند که محاسبات ریاضی در آنها معنی دار است. و شامل متغیر های فاصله ای و نسبی است. ما هیچوقت آنها را از هم متمایز نمی کنیم و روشهای تحلیلی مشابهی را برای آنها بکار می بریم. متغیرهای متریک همچنین به عنوان متغیر های کمی شناخته می شوند زیرا آنها بجای کیفیت، کمیت را بیان می کنند.

به هر حال این نظر من در خصوص سطوح اندازه گیری داده ها بود و امیدوارم که برای شما مفید واقع شود.

 

از توجه شما سپاسگزارم.

مهندس مجتبی فیاض:مدرس دوره های آموزشی spss

(مبتدی،متوسط،پیشرفته،تخصصی)

آدرس ایمیل من: mojtaba_fayaz@yahoo.com

شماره همراه: 09131171497

ارتباط با ما

مهندس مجتبی فیاض

همراه : ۰۹۱۳۱۱۷۱۴۹۷

ایمیل:mojtaba_fayaz@yahoo.com

سامانه پیام کوتاه:

۳۰۰۰۶۱۳۲۰۰۸۰۰۰

کانال تلگرام:

spss19withfayaz@

 

دعوت به همکاری

راههای ارتباطی جهت اعلام تمایل به همکاری با تیم تحقیق، پژوهش و تحلیل آماری

در تلگرام

09131171497

 یا learnwithfayaz@