- المفهوم والخصائص
- أمثلة على المتغيرات الاسمية
- - شرح الأمثلة
- الحاضرون في مباراة كرة القدم
- الاستفادة من سياسات العمل
- بلد ولادة الشخص
- المراجع
A المتغير الاسمي واحد هو أن يأخذ القيم التي تحدد فئة أو فئة التي يتم تجميع الكائنات من الدراسة. على سبيل المثال ، "لون الشعر" المتغير يجمع الناس إلى شعر بني ، أسود ، أشقر ، إلخ.
يحدد المقياس الاسمي وحدات الدراسة ويصنفها ويميزها ، وفقًا لجودة معينة ، في فئات محددة بوضوح وحصرية ، بحيث يكون كل من ينتمون إلى فئة متساوية أو مكافئة فيما يتعلق بالسمة أو الخاصية قيد الدراسة.
أيقونات رجل وامرأة. المصدر: pixabay.com
يتم تمييز الفئات بالأسماء أو عن طريق تحديد الأرقام ، بحيث لا يكون لها قيمة عددية أو ترتيب محدد. على سبيل المثال: الجنس المتغير له فئتان ، ذكر وأنثى ؛ يمكن أيضًا استخدام الرقمين 1 و 2 ، لتمثيل فئتي الذكور والإناث ، على التوالي. هذه الأرقام هي مجرد معرفات عشوائية.
في هذه الأنواع من المقاييس ، يتم تخصيص الأسماء أو التسميات للكائنات. اسم معظم العينات أو التعريفات المعينة هو "القيمة" المخصصة للمقياس الاسمي لموضوع الدراسة.
إذا كان هناك كائنان لهما نفس الاسم المرتبط بهما ، فإنهما ينتميان إلى نفس الفئة ، وهذا هو المعنى الوحيد الذي تحمله المقاييس الاسمية.
المفهوم والخصائص
المقياس الاسمي هو الأكثر بدائية والمتغيرات المقاسة على هذا المقياس تصنف وحدات الدراسة (كائنات ، أشخاص ، إلخ) إلى فئات ، بناءً على واحد أو أكثر من الخصائص أو السمات أو الخصائص الفريدة والملاحظة.
تحتوي الفئات أو الفئات على اسم أو رقم ، ولكنها تعمل فقط كتسميات أو معرّفات ، فهي تقوم بعمل تمييزات قاطعة وليست كمية ، وهي تخدم وظيفة تصنيف بحتة.
لا يمكن التلاعب بها حسابيًا ، فهي لا تعكس الترتيب (تصاعديًا أو تنازليًا) أو التسلسل الهرمي (أعلى أو أقل) ، ولا يمكن ترتيب الملاحظات من الأصغر إلى الأكبر أو من الصغير إلى الكبير ، أي أنه لا يوجد أي من الفئات أعلى من التسلسل الهرمي. آخر ، فهي تعكس فقط الاختلافات في المتغير.
تسمى المتغيرات الاسمية ذات الفئتين ثنائية التفرع ، مثل الجنس المتغير (ذكر أو أنثى). تسمى المتغيرات التي تحتوي على ثلاث فئات أو أكثر متعددة الأجزاء أو متعددة الجزيئات. على سبيل المثال: متغير المهنة (عامل ، نجار ، طبيب ، إلخ).
المتغيرات الاسمية تؤسس فقط علاقات التكافؤ ؛ وهذا يعني أن موضوعًا معينًا للدراسة إما أن يكون له السمة التي تحدد الطبقة أو لا.
باستخدام المتغيرات الاسمية ، يمكن إجراء حسابات النسب والنسب المئوية والنسب ، ومعها يتم إجراء حسابات التكرار أو جداول عدد الأحداث في كل فئة من المتغير المدروس. مقياس الاتجاه المركزي الذي يمكن التعامل معه مع هذه الأنواع من المتغيرات هو الوضع.
أمثلة على المتغيرات الاسمية
أمثلة على المتغيرات المقاسة بالمقياس الاسمي:
- الجنسية (أرجنتينية ، تشيلية ، كولومبية ، إكوادورية ، بيروفية ، إلخ).
- الألوان (أبيض ، أصفر ، أزرق ، أسود ، برتقالي ، إلخ).
- لون العيون (أسود ، بني ، أزرق ، أخضر ، إلخ).
- تصنيف الطلاب حسب الوظائف (الإدارة - 1 ؛ الأنظمة - 2 ؛ الإلكترونيات - 3 ؛ القانون - 4 ؛ إلخ). (الرقم عبارة عن رمز بدون قيمة أو طلب)
- الحالة الاجتماعية (أعزب ، متزوج ، أرمل ، مطلق ، زواج عام).
- المهنة (مهندس ، محام ، طبيب ، مدرس ، إلخ).
- الجنس (ذكر ، أنثى).
- الانتماء الديني (مسيحي ، مسلم ، كاثوليكي… إلخ).
- الانتماء السياسي (ليبرالي ، محافظ ، مستقل ، إلخ).
- نوع المدرسة (عامة أو خاصة).
- العرق (أبيض ، أسود ، أصفر ، مستيزو ، إلخ).
- فصائل الدم (O، A، B، AB).
- شرح الأمثلة
الحاضرون في مباراة كرة القدم
إذا تم إحصاء الحضور في مباراة كرة قدم ، فيمكن تحديد المتغير الاسمي "الحضور حسب الجنس". يشير الإحصاء إلى عدد الرجال وعدد النساء الذين حضروا المباراة ، ولكن متغير التصنيف هو الجنس.
قسّم الجمهور في لعبة كرة القدم إلى فئتين ولا تفضل أي مجموعة على الأخرى. أخيرًا ، الفئات حصرية لأنه لا يوجد شك في المجموعة التي ينتمي إليها كل من الحاضرين.
الاستفادة من سياسات العمل
تريد أن تعرف رأي الناس قبل تطبيق الإصلاحات في سياسات العمل في بلد ما. متغير "الفائدة" هو فوائد سياسات العمل ، وفي الاستطلاع توجد خمس نتائج إيجابية محتملة: المزيد من المال ، رعاية طبية أفضل ، تقاعد أفضل ، توازن بين العمل / الأسرة وغيرها.
يتم قياس جميع الردود على مقياس اسمي مع قيم نعم أو لا. وتشمل نتيجة الآخرين جميع تلك الفوائد التي يعتقد المستجيبون أنهم سيحصلون عليها ، ولكنها ليست جزءًا من قيم الاستطلاع.
عدد الإجابات الإيجابية أو السلبية ضروري لحساب النسبة المئوية للمستجيبين من الإجمالي الذين يعتبرون أنهم سيتحسنون أم لا في أي من الجوانب ، ولكن هذه النسب المئوية ليس لها معنى من وجهة نظر أن إحدى الفوائد أكبر من الأخرى.
أخيرًا ، لا يوجد ترتيب طبيعي للنتائج ، يمكنك وضع رعاية صحية أفضل أولاً بدلاً من المزيد من المال ، على سبيل المثال ، ولا يغير النتيجة على الإطلاق.
بلد ولادة الشخص
بلد الميلاد هو متغير اسمي قيمه هي أسماء البلدان. لأغراض العمل مع هذا المتغير ، من الملائم إجراء تدوين رقمي لتلك المعلومات ، فنحن نخصص الرمز 1 لمن ولدوا في الأرجنتين ، ورمز بوليفيا 2 ، ورمز كندا 3 ، وما إلى ذلك.
يسهل هذا الترميز عد الكمبيوتر وإدارة أدوات جمع المعلومات. ومع ذلك ، وبما أننا خصصنا أرقامًا لفئات مختلفة ، فلا يمكننا معالجة هذه الأرقام. على سبيل المثال ، 1 + 2 لا يساوي 3 ؛ أي أن الأرجنتين + بوليفيا لا ينتج عنها كندا.
المراجع
- كورونادو ، ج. (2007). موازين القياس. مجلة Paradigmas. تعافى من unitec.edu.co.
- فرويند ، ر. ويلسون ، دبليو. موهر ، د. (2010). أساليب إحصائية. الطبعة الثالثة. Academic Press-Elsevier Inc.
- زجاج ، جي ؛ ستانلي ، ج. (1996). الأساليب الإحصائية غير المطبقة في العلوم الاجتماعية. Prentice Hall Hispanoamericana SA
- جذاب.؛ مارشال ، دبليو. واثين ، س. (2012). الإحصائيات المطبقة على الأعمال والاقتصاد. الطبعة الخامسة عشرة. McGraw-Hill / Interamericana Editores SA
- أورلاندوني ، ج. (2010). المقاييس الإحصائية. مجلة Telos. تعافى من ojs.urbe.edu.
- سيجل ، إس. كاستيلان ، ن. (1998). الإحصاء اللامعلمي المطبق على العلوم السلوكية. الطبعة الرابعة. التحرير Trillas SA
- (2019). مستوى القياس. تعافى من en.wikipedia.org.