Qualitative Datenstatistiken sind eine von zwei großen Gruppen von Datenforschern, die Rückschlüsse auf eine größere Population ziehen. Viele Forscher verwenden Stichproben aus einer größeren Population, um spezifische Statistiken zu sammeln. Qualitative Datenstatistiken nähern oder charakterisieren normalerweise die aus der Stichprobe gesammelten Daten. Zu den Datentypen in dieser Statistikgruppe gehören Nominal-, Ordinal-, Intervall- und Verhältnisvariablen, die alle in einer Studie von besonderer Bedeutung sind. Forscher können gesammelte Daten manipulieren, um spezifische Informationen über die Stichprobe – und damit die Bevölkerung – anzuzeigen, um eine Hypothese zu stützen oder nicht.
Die obigen qualitativen Datenstatistikgruppen werden allgemein als Variablen bezeichnet. Die zwei Arten von Variablen, die in einer Studie vorkommen, sind unabhängig und abhängig. Unabhängige Variablen können diejenigen Elemente sein, die experimentell manipuliert wurden, oder solche, die die abhängige Variable beeinflussen. Die abhängige Variable wird in einer Studie gemessen, um zu bestimmen, wie sich die unabhängige – und andere mögliche Variablen – darauf auswirken. Die Identifizierung von Variablen kann ein etwas mühsamer Prozess sein.
Nominale Variablen sind qualitative Datenstatistiken, die keine Reihenfolge oder sequentielle Rangfolge haben. Kurz gesagt, der Spitzname verlangt, dass diese Daten nur nach Namen organisiert oder getrennt werden. Antworten wie Ja oder Nein auf eine Frage oder das Geschlecht der Teilnehmer – männlich oder weiblich – gehören beispielsweise zu den häufigsten Nominaldaten. Forscher benötigen die Informationen möglicherweise, um einfach grundlegende Merkmale der Personen in der Studie zu definieren.
Ordinale Variablen stellen Daten dar, die in eine geordnete Reihe fallen. Diese Daten können entstehen, wenn ein Forscher eine Frage stellt, die eine Reihe von Antworten erfordert. Beispielsweise sind Antworten, die von schlecht oder mittelmäßig bis gut oder ausgezeichnet reichen, ordinal. Einige Studien können diese Antworten mit Zahlen versehen, z. B. eins, zwei, drei und vier. Dies ermöglicht es dem Forscher, die Daten für die Studie einzuordnen.
Intervallvariablen haben einen gleichen Abstand zwischen den Zahlen in qualitativen Datenstatistiken. Temperatur oder Alter sind Beispiele, die in den gesammelten Daten erscheinen können. Der Schlüssel für diesen Datentyp ist, dass Null keine Option ist. Die Informationen hier unterliegen möglicherweise auch nicht bestimmten Regeln, wie etwa mathematischen Unterschieden zwischen Daten. Beispielsweise kann 10 im Datensatz nicht fünf mal zwei darstellen.
Die letzte Gruppe der qualitativen Datenstatistik sind Verhältnisvariablen. Diese Zahlen haben gleiche Abstände zwischen den Daten und haben auch einen echten Nullpunkt. Auch Teilnummern wie 2.1 oder 3.3 sind in dieser Gruppe möglich. Forscher müssen vorsichtig sein, um Verhältnisdaten aus Intervallen in ihren Studien korrekt zu identifizieren.