In nominal measurement the numerica

In nominal measurement the numerical values just "name" the attribute uniquely. No ordering of the cases is implied. For example, jersey numbers in basketball are measures at the nominal level. A player with number 30 is not more of anything than a player with number 15, and is certainly not twice whatever number 15 is.

In ordinal measurement the attributes can be rank-ordered. Here, distances between attributes do not have any meaning. For example, on a survey you might code Educational Attainment as 0=less than high school; 1=some high school.; 2=high school degree; 3=some college; 4=college degree; 5=post college. In this measure, higher numbers mean more education. But is distance from 0 to 1 same as 3 to 4? Of course not. The interval between values is not interpretable in an ordinal measure.

In interval measurement the distance between attributes does have meaning. For example, when we measure temperature (in Fahrenheit), the distance from 30-40 is same as distance from 70-80. The interval between values is interpretable. Because of this, it makes sense to compute an average of an interval variable, where it doesn't make sense to do so for ordinal scales. But note that in interval measurement ratios don't make any sense - 80 degrees is not twice as hot as 40 degrees (although the attribute value is twice as large).

Finally, in ratio measurement there is always an absolute zero that is meaningful. This means that you can construct a meaningful fraction (or ratio) with a ratio variable. Weight is a ratio variable. In applied social research most "count" variables are ratio, for example, the number of clients in past six months. Why? Because you can have zero clients and because it is meaningful to say that "...we had twice as many clients in the past six months as we did in the previous six months."

It's important to recognize that there is a hierarchy implied in the level of measurement idea. At lower levels of measurement, assumptions tend to be less restrictive and data analyses tend to be less sensitive. At each level up the hierarchy, the current level includes all of the qualities of the one below it and adds something new. In general, it is desirable to have a higher level of measurement (e.g., interval or ratio) rather than a lower one (nominal or ordinal).

ผลลัพธ์ (ไทย) 1:

ในการวัดที่กำหนด ค่าตัวเลขเพียง "ชื่อ" แอตทริบิวต์เฉพาะ ไม่มีการสั่งซื้อกรณีนัย เช่น หมายเลขเสื้อในบาสเกตบอลจะวัดที่ระดับที่กำหนด ผู้เล่นหมายเลข 30 ไม่เพิ่มเติมอะไรมากกว่าผู้เล่นหมายเลข 15 และไม่แน่นอนสองเป็นหมายเลขใด 15ในการวัดลำดับ แอตทริบิวต์สามารถสั่งยศ ที่นี่ ระยะทางระหว่างแอตทริบิวต์ที่ไม่มีความหมาย ตัวอย่างเช่น การสำรวจ คุณอาจรหัสการศึกษาบรรลุเป็น 0 =ต่ำกว่ามัธยม 1 =มัธยมบาง.; 2 =ระดับมัธยม 3 =บางวิทยาลัย 4 =วิทยาลัยการศึกษา 5 =วิทยาลัยโพสต์ ในวัดนี้ ตัวเลขที่สูงหมายถึง การศึกษาเพิ่มเติม แต่เป็นระยะทาง 0-1 เช่นเดียวกับ 3-4 แน่นอนไม่ ช่วงระหว่างค่า interpretable ในการวัดลำดับไม่ได้ในช่วงการวัด ระยะทางระหว่างแอตทริบิวต์มีความหมาย ตัวอย่างเช่น เมื่อเราวัดอุณหภูมิ (องศาฟาเรนไฮต์), ระยะ 30-40 จะเหมือนห่างกัน 70-80 ช่วงระหว่างค่าเป็น interpretable ด้วยเหตุนี้ มันทำให้รู้สึกจะคำนวณเฉลี่ยของตัวแปรช่วง ที่ไม่เป็นเรื่องทำเครื่องชั่งลำดับ แต่หมายเหตุที่ในช่วงวัดอัตราส่วนใด ๆ - 80 องศา ไม่สองร้อนเป็น 40 องศา (แม้ว่าค่าแอตทริบิวต์มีสองขนาดใหญ่)ในที่สุด ในการวัดอัตราส่วน มีเสมอศูนย์สัมบูรณ์ที่มีความหมาย หมายความ ว่า คุณสามารถสร้างความหมายเศษส่วน (หรืออัตรา) กับตัวแปรอัตราส่วน น้ำหนักเป็นตัวแปรอัตราส่วน ในการวิจัยทางสังคมที่ใช้ ตัวแปร "การนับ" ส่วนใหญ่มีอัตราส่วน เช่น จำนวนลูกค้าใน 6 เดือน ทำไม เนื่อง จากคุณสามารถมีไคลเอนต์ศูนย์ และเนื่อง จากมันมีความหมายจะบอกว่า "... เรามีลูกค้าสองเท่าหลายใน 6 เดือน ตามเราใน 6 เดือน"มันเป็นสิ่งสำคัญในการจดจำว่ามีลำดับชั้นทั้งในระดับของการวัดความคิด ในระดับต่ำกว่าวัด สมมติฐานมักจะ มีจำกัดน้อย และการวิเคราะห์ข้อมูลมักจะ มีน้อย แต่ละระดับค่าลำดับชั้น ระดับปัจจุบันรวมทั้งหมดของคุณสมบัติหนึ่งที่อยู่ด้านล่าง และเพิ่มสิ่งใหม่ ๆ ทั่วไป น่าจะมีระดับสูงขึ้นของการวัด (เช่น ช่วงหรืออัตราส่วน) มากกว่าหนึ่งต่ำกว่า (น้อย หรือลำดับ)

ผลลัพธ์ (ไทย) 2:

ในการวัดที่ระบุค่าตัวเลขเพียงแค่ "ชื่อ" แอตทริบิวต์ที่ไม่ซ้ำกัน ไม่มีการสั่งซื้อของกรณีที่บอกเป็นนัย ๆ ยกตัวอย่างเช่นหมายเลขนิวเจอร์ซีย์ในการเล่นบาสเกตบอลเป็นมาตรการในระดับเล็กน้อย ผู้เล่นที่มีจำนวน 30 ไม่เกินอะไรมากกว่าผู้เล่นที่มีจำนวน 15 และไม่แน่นอนสองครั้งสิ่งที่หมายเลข 15.

วัดลำดับแอตทริบิวต์ที่สามารถเป็นอันดับที่สั่งซื้อ ที่นี่ระยะทางระหว่างคุณลักษณะที่ไม่ได้มีความหมายใด ๆ ตัวอย่างเช่นในการสำรวจที่คุณอาจรหัสศึกษาที่สำเร็จเป็น 0 = น้อยกว่าโรงเรียนมัธยม; 1 = บางโรงเรียนมัธยม .; 2 = ระดับโรงเรียนมัธยม; 3 = วิทยาลัยบาง; 4 = ระดับวิทยาลัย; 5 = โพสต์วิทยาลัย ในวัดนี้ตัวเลขที่สูงขึ้นหมายถึงการศึกษามากขึ้น แต่เป็นระยะทาง 0-1 เช่นเดียวกับ 3-4? ไม่แน่นอน ช่วงเวลาระหว่างค่าไม่ interpretable ในมาตรการลำดับ.

ในช่วงการวัดระยะห่างระหว่างคุณลักษณะที่จะมีความหมาย ตัวอย่างเช่นเมื่อเราวัดอุณหภูมิ (ฟาเรนไฮต์) ระยะทาง 30-40 จะเหมือนกันเป็นระยะทาง 70-80 ช่วงเวลาระหว่างค่าเป็น interpretable ด้วยเหตุนี้จึงทำให้ความรู้สึกในการคำนวณค่าเฉลี่ยของตัวแปรช่วงเวลาที่มันไม่ได้ทำให้ความรู้สึกที่จะทำเช่นนั้นสำหรับเครื่องชั่งลำดับ แต่ทราบว่าในอัตราส่วนการวัดช่วงเวลาที่ไม่ทำให้รู้สึกใด ๆ . - 80 องศาไม่ได้เป็นสองเท่าร้อนถึง 40 องศา (แม้ว่าค่าแอตทริบิวต์เป็นสองเท่าของขนาดใหญ่)

สุดท้ายในการวัดอัตราการมีเสมอสัมบูรณ์ที่มีความหมาย ซึ่งหมายความว่าคุณสามารถสร้างส่วนที่มีความหมาย (หรือ Ratio) ที่มีตัวแปรอัตราส่วน น้ำหนักเป็นตัวแปรอัตราส่วน ในการวิจัยทางสังคมนำมาใช้มากที่สุด "นับ" ตัวแปรอัตราส่วนตัวอย่างเช่นจำนวนของลูกค้าในอดีตหกเดือน ทำไม? เพราะคุณสามารถมีลูกค้าศูนย์และเพราะมันมีความหมายที่จะบอกว่า " ... เรามีลูกค้าเป็นสองเท่าในอดีตที่ผ่านมาหกเดือนในขณะที่เราทำในหกเดือนก่อน."

มันเป็นสิ่งสำคัญที่จะรับรู้ว่ามีลำดับชั้นในโดยนัย ระดับของความคิดที่วัด อยู่ในระดับที่ต่ำกว่าของการวัดสมมติฐานมีแนวโน้มที่จะเข้มงวดน้อยลงและการวิเคราะห์ข้อมูลมีแนวโน้มที่จะมีความสำคัญน้อย ในแต่ละระดับขึ้นลำดับชั้นในระดับปัจจุบันรวมทั้งหมดของคุณภาพของหนึ่งด้านล่างนี้ค่ะและเพิ่มสิ่งใหม่ ๆ โดยทั่วไปแล้วมันเป็นที่พึงปรารถนาที่จะมีระดับที่สูงขึ้นของการวัด (เช่นช่วงเวลาหรืออัตรา) มากกว่าที่ต่ำกว่าหนึ่ง (ตามที่ระบุหรือลำดับ)

ผลลัพธ์ (ไทย) 3:

ในการวัดค่าเป็นตัวเลขค่าแค่ " ชื่อ " คุณลักษณะเฉพาะ . ไม่มีการสั่งซื้อของผู้ป่วยโดยนัย ตัวอย่างเช่น ตัวเลข ใน Jersey บาสเกตบอลมาตรการในระดับปกติ ผู้เล่นเบอร์ 30 ก็ไม่ได้อะไรนอกจากผู้เล่นหมายเลข 15 และแน่นอนไม่ได้สองครั้งที่เลขที่ 15 มี .ในการวัดอันดับคุณลักษณะสามารถจัดอันดับสั่ง ที่นี่ ระยะทางระหว่างแอตทริบิวต์ไม่มีความหมาย ตัวอย่างเช่น ในการสำรวจคุณจะรหัสระดับการศึกษา 0 = น้อยกว่าโรงเรียนมัธยม ; 1 = บางโรงเรียน มัธยมศึกษาตอนปลาย 2 = 3 = บางวิทยาลัย ปริญญา 4 = 5 = โพสต์วิทยาลัย ในวัดนี้ ตัวเลขที่สูงขึ้นหมายถึงการศึกษาเพิ่มเติม แต่ระยะห่างจาก 0 เป็น 1 เดียวกับ 3 4 ไม่ใช่แน่นอน ช่วงระหว่างค่าไม่ interpretable ในวัด . .ช่วงเวลาในการวัดระยะห่างระหว่างแอตทริบิวต์ไม่มีความหมาย ตัวอย่างเช่น เมื่อเราวัด ( ฟาเรนไฮต์ ) อุณหภูมิ , ระยะทางจาก 30-40 เท่ากับระยะห่างจาก 70-80 . ช่วงเวลาระหว่างค่านิยม interpretable . เพราะนี้มันทำให้รู้สึกเพื่อคำนวณค่าเฉลี่ยของช่วงตัวแปรที่ไม่เข้าท่าเลยสำหรับช่วงระดับ แต่ทราบว่าในอัตราส่วนวัดช่วงเวลาที่ไม่สมเหตุสมผล - 80 องศา ไม่ใช่สองครั้งเป็นร้อน 40 องศา ( แม้ว่าค่าของแอททริบิวต์เป็นสองเท่าขนาดใหญ่ )ในที่สุดในการวัดอัตราส่วนมีเสมอสัมบูรณ์นั้นมีความหมาย ซึ่งหมายความว่าคุณสามารถสร้างส่วนที่มีความหมาย ( หรืออัตราส่วน ) ที่มีสัดส่วนของตัวแปร น้ำหนักคือ อัตราส่วนของตัวแปร ในการวิจัยทางสังคมมากที่สุด " นับ " ตัวแปรอัตราส่วนที่ใช้ เช่น จำนวนลูกค้าในหกเดือนที่ผ่านมา ทำไม ? เพราะคุณสามารถมีศูนย์ลูกค้าและเพราะมันมีความหมายว่า " . . . . . . . เราได้สองครั้งเป็นจำนวนมากลูกค้าในหกเดือนที่ผ่านมาที่เราทำก่อนหน้านี้หกเดือน .มันเป็นสิ่งสำคัญที่จะยอมรับว่ามีลำดับขั้นนัยในระดับแนวคิดการวัด ในระดับของการวัด สมมติฐานที่มักจะเข้มงวดน้อยกว่า และวิเคราะห์ข้อมูลที่มักจะมีความไวน้อย ในแต่ละระดับที่ขึ้นชั้นระดับปัจจุบันรวมถึงคุณภาพของคนใต้ และเพิ่มเรื่องใหม่ โดยทั่วไปมันเป็นที่พึงปรารถนาที่จะมีการวัดในระดับที่สูงขึ้น ( เช่น ช่วงเวลาหรือ Ratio ) มากกว่าที่ต่ำ ( ปกติหรือกฎหมาย )