Les statistiques de données qualitatives sont l’un des deux grands groupes de données que les chercheurs utilisent pour faire des inférences sur une population plus large. De nombreux chercheurs utilisent des échantillons d’une population plus large pour recueillir des statistiques spécifiques. Les statistiques de données qualitatives se rapprochent ou caractérisent généralement les données recueillies à partir de l’échantillon. Les types de données de ce groupe de statistiques comprennent des variables nominales, ordinales, d’intervalle et de rapport, qui ont toutes une utilisation spécifique dans une étude. Les chercheurs peuvent manipuler les données recueillies pour montrer des informations spécifiques sur l’échantillon – et donc la population – afin de soutenir ou non une hypothèse.
Les groupes de statistiques de données qualitatives ci-dessus sont communément appelés variables. Les deux types de variables qui se produisent dans une étude sont indépendantes et dépendantes. Les variables indépendantes peuvent être les éléments manipulés expérimentalement ou ceux qui affectent la variable dépendante. La variable dépendante est mesurée dans une étude pour déterminer comment les variables indépendantes – et d’autres variables possibles – l’affectent. L’identification des variables peut être un processus quelque peu fastidieux.
Les variables nominales sont des statistiques de données qualitatives qui n’ont pas d’ordre ou de classement séquentiel. En bref, le surnom exige que ces données soient organisées ou séparées par leur nom uniquement. Par exemple, les réponses comme oui ou non à une question ou le sexe des participants (homme ou femme) sont parmi les données nominales les plus courantes. Les chercheurs peuvent avoir besoin de ces informations pour simplement définir les caractéristiques de base des individus dans l’étude.
Les variables ordinales représentent des données qui entrent dans une série ordonnée. Ces données peuvent survenir lorsqu’un chercheur pose une question qui nécessite une série de réponses. Par exemple, les réponses qui vont de médiocre ou passable à bonne ou excellente sont ordinales. Certaines études peuvent attribuer des chiffres à ces réponses, comme un, deux, trois et quatre. Cela permet au chercheur de classer les données de l’étude.
Les variables d’intervalle ont un espace égal entre les nombres dans les statistiques de données qualitatives. La température ou l’âge sont des exemples qui peuvent apparaître dans les données recueillies. La clé pour ce type de données est que zéro n’est pas une option. Les informations ici peuvent également ne pas relever de règles spécifiques, telles que les différences mathématiques entre les données. Par exemple, 10 peut ne pas représenter cinq fois deux dans l’ensemble de données.
Le dernier groupe de statistiques de données qualitatives est constitué des variables de ratio. Ces chiffres ont des espaces égaux entre les données et ont également un véritable point zéro. Des nombres partiels, tels que 2.1 ou 3.3, peuvent également être possibles dans ce groupe. Les chercheurs doivent veiller à identifier correctement les données de ratio à partir de l’intervalle dans leurs études.
SmartAsset.