El nivel de medición se refiere a la relación entre los valores asignados a los atributos para una variable. ¿Qué significa eso? Comience con la idea de la variable, en este ejemplo «Afiliación del partido».
Esa variable tiene una serie de atributos. Supongamos que en este contexto electoral particular, los únicos atributos relevantes son «republicanos», «demócratas» e «independientes». Para los fines de analizar los resultados de esta variable, asignamos arbitrariamente los valores 1, 2 y 3 a los tres atributos. El nivel de medición describe la relación entre estos tres valores. En este caso, simplemente estamos utilizando los números como marcadores de posición más cortos para los términos de texto más largos. No asumimos que los valores más altos significan «más» de algo y los números más bajos significan «menos». No asumimos que el valor de 2 significa que los demócratas son dos veces algo que los republicanos son. No asumimos que los republicanos están en primer lugar o tienen la más alta prioridad solo porque tienen el valor de 1. En este caso, solo usamos los valores como un nombre más corto para el atributo. Aquí, describiríamos el nivel de medición como «nominal».
Primero, conocer el nivel de medición lo ayuda a decidir cómo interpretar los datos de esa variable. Cuando sabe que una medida es nominal (como la que se acaba de describir), entonces sabe que los valores numéricos son solo códigos cortos para los nombres más largos. En segundo lugar, conocer el nivel de medición lo ayuda a decidir qué análisis estadístico es apropiado sobre los valores asignados. Si una medida es nominal, entonces sabe que nunca promediaría los valores de los datos o realizaría una prueba t en los datos.
Típicamente hay cuatro niveles de medición que se definen:
- Nominal
- Ordinal
- Intervalo
- Relación
En la medición nominal, los valores numéricos simplemente «nombre» el atributo de manera única. No se implica el orden de los casos. Por ejemplo, los números de jersey en el baloncesto son medidas a nivel nominal. Un jugador con el número 30 no es más de nada que un jugador con el número 15, y ciertamente no es el doble de lo que sea el número 15.
¿Qué es una variable de intervalo?
Una variable categórica, también llamada variable nominal, es para categorías mutuamente excluyentes, pero no ordenadas. Por ejemplo, su estudio podría comparar cinco genotipos diferentes. Puede codificar los cinco genotipos con números si lo desea, pero el pedido es arbitrario y cualquier cálculo (por ejemplo, calcular un promedio) no tendrá sentido.
Una variable ordinal, es aquella en la que el orden es importante, pero no la diferencia entre los valores. Por ejemplo, puede pedir a los pacientes que expresen la cantidad de dolor que sienten en una escala de 1 a 10. Una puntuación de 7 significa más dolor que una puntuación de 5, y eso es más de una puntuación de 3. Pero la diferencia entre el 7 y el 5 pueden no ser lo mismo que entre 5 y 3. Los valores simplemente expresan un orden. Otro ejemplo serían las calificaciones de películas, de*a *****.
Una variable de intervalo es una donde la diferencia entre dos valores es significativa. La diferencia entre una temperatura de 100 grados y 90 grados es la misma diferencia que entre 90 grados y 80 grados.
Una variable de relación tiene todas las propiedades de una variable de intervalo, pero también tiene una definición clara de 0.0. Cuando la variable es igual a 0.0, no hay nada de esa variable. Variables como altura, peso, actividad enzimática son variables de relación. La temperatura, expresada en F o C, no es una variable de relación. Una temperatura de 0.0 en cualquiera de esas escalas no significa ‘sin calor. Sin embargo, la temperatura en Kelvin es una variable de relación, ya que 0.0 Kelvin realmente significa ‘sin calor’. Otro ejemplo de contador es pH. No es una variable de relación, ya que ph = 0 solo significa 1 molar de H+. y la definición de molar es bastante arbitraria. Un pH de 0.0 no significa ‘sin acidez’ (¡todo lo contrario!). Al trabajar con variables de relación, pero no variables de intervalo, puede observar la relación de dos mediciones. Un peso de 4 gramos es el doble de peso de 2 gramos, porque el peso es una variable de relación. Una temperatura de 100 grados C no es dos veces más caliente que 50 grados C, porque la temperatura C no es una variable de relación. Un pH de 3 no es el doble de ácido que un pH de 6, porque el pH no es una variable de relación.
Las categorías no son tan claras como suenan. ¿Qué tipo de variable es el color? En algunos experimentos, diferentes colores se considerarían nominales. Pero si el color se cuantifica por longitud de onda, entonces el color se consideraría una variable de relación. El esquema de clasificación realmente es algo confuso.
¿Qué es la escala de intervalo en psicologia?
El punto de los grados en ambas escalas tiene intervalos iguales de exactamente un grado. Por ejemplo, la distancia entre 29 y 30 grados es la misma que la distancia entre 99 y 100 grados.
Sin embargo, debido a la ausencia de cero absoluto, no puede saber por cuánto la temperatura es más alta o más baja. Por ejemplo, no puede decir si 40 grados está dos veces caliente como 20 grados o si -20 grados es la mitad de frío que -40 grados.
¡Aprenda a conocer a los encuestados donde están, realice la finalización de la encuesta mientras ofrece una experiencia perfecta, cada vez!
- En una escala de intervalo, los datos recopilados se pueden agregar, restarse y multiplicarse. La escala permite calcular el grado de diferencia, pero no la relación entre ellos.
- Una escala de relación permite no solo suma, resta y multiplicación, sino también división. Es decir, puede calcular la relación de los valores.
- Cálculo
- En el caso de una escala de intervalo, para descubrir la tendencia central, el modo, la mediana y la media aritmética se permite. La dispersión estadística permite el rango y la desviación estándar. El coeficiente de variación no está permitido porque la escala de intervalo no puede definir la relación.
- En una escala de relación, puede usar media geométrica y armónica junto con el modo y mediana para determinar la tendencia central. Además, se permite el rango y el coeficiente de variación para medir la dispersión estadística.
- En una escala de relación, la división entre dos unidades es significativa. Mientras que en una escala de intervalo no tienen ningún significado.
- Magnitud
- En una escala de intervalo con el tamaño de datos disponible se puede medir y la magnitud de la variable como los múltiples factores de una unidad definida. El caso de la escala de relación es de modo que la magnitud como múltiple es un factor de una unidad desafiada en términos de otro.
- Cero
- Una escala de intervalo puede tener valores negativos porque el punto cero no significa una ausencia de valor. Cero grados Celsius no significa la ausencia de temperatura.
- En una escala de relación, no hay valores negativos. El cero en una escala de relación significa una ausencia total de variables.
- Por ejemplo, si está realizando una encuesta para averiguar la cantidad de experiencia laboral que tienen los recién llegados en su oficina. En este caso, si alguien responde con cero, significa que no tiene experiencia laboral previa.
- El tiempo y la duración son dos ejemplos de escala de intervalo y relación respectivamente.
- El tiempo es el valor de la escala de intervalo porque no hay cero. No puedes decir cuándo comenzó el tiempo.
- La duración es un caso de escala de relación para el hecho de que la duración tiene un punto de partida. El cero en duración tiene una presencia significativa. Se nota que 20 días son dos veces de 10 días.
- Una escala de relación puede medir cualquier datos que tenga características de «puntos cero». Una escala de relación es ideal para medir la edad, el peso, la altura, etc. En la investigación de marketing, puede calcular las ventas, las acciones, el volumen del cliente, etc.
- Una escala de intervalo se utiliza principalmente para recopilar comentarios basados en el acuerdo, el nivel de satisfacción o la probabilidad. Se encuentra comúnmente en las encuestas de tipo de pregunta donde la elección de las opciones se escala tan que se les puede asignar un valor numérico para calcular.
La escala de intervalo y relación tiene variables cuantitativas y son de mayor nivel en los cuatro niveles de medición. Sin embargo, hay ciertas diferencias que los distinguen.
La investigación de mercado y el proceso de obtención de ideas están evolucionando. Con la IA y la automatización cada vez más comunes en la mayoría de las verticales, era solo cuestión de tiempo antes de que comenzaran a jugar un papel importante en la investigación también.
¿Qué es una escala de intervalo en psicologia?
En psicología mediante la medición, entendemos la atribución de números a objetos o eventos. Ciertas relaciones entre números corresponden a ciertas relaciones entre las características de los objetos.
Valores de escala: valores digitales que se tienen en cuenta en una escala. En este contexto, también estamos hablando de escala. Un caso particular de entidades nominalmente puestas a escala son las entidades binarias (entidades dicotómicas): características con solo dos valores (a menudo codificados 0/1).
También podemos preguntarnos: ¿Qué es una escala estadística? Una escalada representa una regla que atribuye un valor de observación (una fecha) para la característica de interés en cada observación en una unidad estadística de una muestra. Este valor es entonces la expresión especial de la característica…. El contenido de la información determina el nivel de escala.
Hay tres niveles diferentes de escala: escalas nominales, ordinales y cardinales. Permiten clasificar el contenido de información de los datos considerados, por ejemplo, el de un estudio.
Ordinal. Una variable se puede usar como tratamiento ordinal cuando sus valores representan categorías que tienen un orden natural (por ejemplo… las variables métricas son, por ejemplo, modificando (en años) o ingresos (en unidades monetarias).
La escala cardinal, también llamada escala métrica, mide las características cuantitativas. El término escala cardinal incluye la escala de intervalo, la escala de relación y la escala absoluta. Los valores digitales cuantitativos permiten la mayoría de los cálculos y comparaciones estadísticas.
¿Qué es el nivel de intervalo?
Cada uno de nosotros tiene más o menos de moda para generalizar. Aquellos cuyas profesiones se llaman estadísticos. Estos últimos usan técnicas inductivas. Los otros se basan en representaciones mentales. Por lo tanto, existen dos métodos de generalización: el juicio con un cortador de cookies, a veces ilustrado por los escritos del mostrador, y las estadísticas inferenciales, a veces ilustradas en este sitio.
El primer método no está exento de interés (ver la larga serie de obras de J. M. Gourio, en Robert Laffont o Éditions que leí). Aunque nunca se representa en el teatro o en el cine, al menos hasta donde sabemos, el segundo también merece que nos detengamos allí. Consiste en inducir observaciones hechas en una muestra aleatoria para obtener la estimación de los parámetros en una población global. Las estimaciones son puntuales (uso de estimadores) o valores de playas (que en cualquier caso se establecen a partir de estimadores) asociadas con una probabilidad de confundirse debido a una muestra no representativa.
Por lo tanto, el analista de datos estima un parámetro de una población, por ejemplo, su promedio, su proporción o su varianza, de una estadística de muestra. Se construye un intervalo de confianza alrededor del estimador, que es una variable aleatoria por la razón correcta de que si la muestra hubiera sido diferente, el parámetro no se habría estimado de manera idéntica. Por lo tanto, este «perímetro de seguridad» no se basa en el parámetro real que se estimará, ya que se desconoce. El intervalo es en sí mismo aleatorio.
Por lo tanto, si decimos «el promedio real tiene 95 oportunidades de 100 para estar en este intervalo», tomamos el problema al revés. Es como si consideráramos el promedio real como una variable aleatoria y nuestro intervalo como estándar. Por otro lado, está de moda decir «la probabilidad de que este intervalo incluya el promedio de la población es igual a 0.95».
Esta probabilidad se llama nivel de confianza o un coeficiente de confianza. Esta es la probabilidad de éxito asociada con nuestra estimación. Si lo observamos η (êta) y llamamos α (alfa) la probabilidad de cometer un error de primera especie (nivel de significado), tenemos 1 – η = α.
Artículos Relacionados:
