داده های ترتیبی

داده های ترتیبی به دسته هایی در یک متغیر طبقه بندی می شوند که در انجام پایان نامه دارای ترتیب رتبه طبیعی هستند. با این حال، فاصله بین دسته ها ناهموار یا ناشناخته است.

به عنوان مثال، متغیر “تکرار تمرین بدنی” را می توان به موارد زیر طبقه بندی کرد:

1. هرگز 2. به ندرت 3. گاهی اوقات 4. اغلب 5. همیشه
نظم واضحی برای این دسته بندی ها وجود دارد، اما نمی توان گفت که تفاوت بین «هرگز» و «به ندرت» دقیقاً مشابه تفاوت بین «گاهی» و «اغلب» است. بنابراین این مقیاس ترتیبی است.

فهرست مطالب

سطوح اندازه گیری

ترتیبی دومین سطح از 4 سطح سلسله مراتبی اندازه گیری است: اسمی، ترتیبی، فاصله و نسبت. سطوح اندازه گیری نشان می دهد که داده ها چگونه دقیق ثبت می شوند. در حالی که متغیرهای اسمی و ترتیبی دسته بندی هستند، متغیرهای فاصله و نسبت کمی هستند. داده های اسمی با داده های ترتیبی متفاوت است زیرا نمی توان آنها را در یک ترتیب رتبه بندی کرد. داده‌های فاصله زمانی با داده‌های ترتیبی متفاوت است، زیرا تفاوت بین امتیازهای مجاور برابر است.

نمونه هایی از مقیاس های ترتیبی

در تحقیقات علمی اجتماعی، متغیرهای ترتیبی اغلب شامل رتبه‌بندی‌هایی درباره نظرات یا برداشت‌ها، یا عوامل جمعیت‌شناختی هستند که در سطوح یا براکت‌ها (مانند وضعیت اجتماعی یا درآمد) طبقه‌بندی می‌شوند.

نحوه جمع آوری داده های ترتیبی

متغیرهای ترتیبی معمولاً با استفاده از سؤالات نظرسنجی بسته ارزیابی می شوند که به شرکت کنندگان چندین پاسخ ممکن برای انتخاب می دهد. اینها کاربر پسند هستند و به شما امکان می دهند داده ها را بین شرکت کنندگان به راحتی مقایسه کنید.

انتخاب سطح اندازه گیری

برخی از انواع داده ها را می توان در بیش از یک سطح ثبت کرد. به عنوان مثال، برای متغیر سن: شما می توانید داده های ترتیبی را با درخواست از شرکت کنندگان برای انتخاب از بین چهار گروه سنی، مانند سوال بالا، جمع آوری کنید. شما می توانید داده های نسبت را با پرسش از شرکت کنندگان برای سن دقیق آنها جمع آوری کنید. سطح دقیق تر همیشه برای جمع آوری داده ها ترجیح داده می شود زیرا به شما امکان می دهد عملیات ریاضی و تحلیل های آماری بیشتری انجام دهید.

داده های مقیاس لیکرت

در علوم اجتماعی، داده های ترتیبی اغلب با استفاده از مقیاس لیکرت جمع آوری می شوند. مقیاس‌های لیکرت از 4 یا بیشتر سؤال از نوع لیکرت با مجموعه‌ای از موارد پاسخ برای شرکت‌کنندگان تشکیل شده است. از آنجایی که این مقادیر دارای نظم طبیعی هستند، گاهی اوقات به صورت مقادیر عددی کدگذاری می شوند. به عنوان مثال، 1 = هرگز، 2 = به ندرت، 3 = گاهی اوقات، 4 = اغلب، و 5 = همیشه.

اما توجه به این نکته مهم است که همه عملیات ریاضی را نمی توان روی این اعداد انجام داد. اگرچه می توانید بگویید که دو مقدار در مجموعه داده شما مساوی یا نابرابر هستند (= یا ≠) یا اینکه یک مقدار بزرگتر یا کوچکتر از مقدار دیگر است (< یا >)، نمی توانید به طور معناداری مقادیر را از یکدیگر اضافه یا کم کنید. این هنگام جمع آوری آمار توصیفی در مورد داده های شما مرتبط می شود.

نحوه تجزیه و تحلیل داده های ترتیبی

داده های ترتیبی را می توان با آمار توصیفی و استنباطی تجزیه و تحلیل کرد.

آمار توصیفی

می توانید از این آمار توصیفی با داده های ترتیبی استفاده کنید:

توزیع فرکانس به صورت اعداد یا درصد،
حالت یا میانه برای یافتن گرایش مرکزی،
محدوده برای نشان دادن تغییرپذیری

گرایش مرکزی

گرایش مرکزی مجموعه داده های شما جایی است که بیشتر ارزش های شما نهفته است. حالت، میانگین و میانه سه معیار رایج برای سنجش گرایش مرکزی هستند. در حالی که تقریباً همیشه می توان حالت را برای داده های ترتیبی یافت، میانه را فقط در برخی موارد می توان یافت.

میانگین را نمی توان با داده های ترتیبی محاسبه کرد. یافتن میانگین مستلزم انجام عملیات حسابی مانند جمع و تقسیم بر روی مقادیر موجود در مجموعه داده است. از آنجایی که تفاوت بین امتیازهای مجاور با داده های ترتیبی ناشناخته است، این عملیات را نمی توان برای نتایج معنی دار انجام داد.

تغییرپذیری

برای ارزیابی متغیر بودن مجموعه داده های خود، می توانید حداقل، حداکثر و محدوده را بیابید. شما باید داده های خود را به صورت عددی برای آنها کدنویسی کنید.

مثال: یافتن محدوده
ابتدا، داده های خود را با اختصاص یک عدد به هر پاسخ، به ترتیب از کمترین به بالاترین کد کنید:
1 = کاملاً مخالفم
2 = مخالف
3 = نه مخالف و نه موافق
4 = موافقم
5 = کاملا موافقم
برای یافتن حداقل و حداکثر، به دنبال کمترین و بالاترین مقادیری باشید که در مجموعه داده شما ظاهر می شود. حداقل 1 و حداکثر 5 است.

برای محدوده، حداقل را از حداکثر کم کنید:

محدوده = 5 – 1 = 4

محدوده به شما یک ایده کلی از تفاوت گسترده نمرات شما با یکدیگر می دهد. از این اطلاعات، می توانید نتیجه بگیرید که حداقل یک پاسخ در دو انتهای مقیاس وجود دارد.

آزمون های آماری

به نظر می آید که آمار استنباطی کمک کننده است تا فرضیه های علمی را آزمایش کنید. این آزمون ها بر اندازه گیری داده های ترتیبی شما تمرکز دارد. اینها تست های ناپارامتریک هستند.

تست‌های پارامتریک زمانی استفاده می‌شوند که داده‌های شما معیارهای خاصی را داشته باشند، مانند توزیع نرمال. در حالی که آزمون های پارامتریک میانگین ها را ارزیابی می کنند، آزمون های ناپارامتریک اغلب میانه ها یا رتبه ها را ارزیابی می کنند.

یک دیدگاه ثبت کنید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *