公称変数は、研究のオブジェクトがグループ化されたクラスまたはカテゴリを識別する値をとるものです。たとえば、変数「髪の色」は人々を茶色、黒、ブロンドの髪などにグループ化します。
公称スケールは、クラスに属するすべてのクラスが調査中の属性またはプロパティに関して同等または同等になるように、明確に定義された排他的なクラスで、特定の品質に従って調査単位を識別、グループ化、および区別します。
男と女のアイコン。出典：pixabay.com
クラスは名前または識別番号によって区別されるため、数値や確立された順序はありません。たとえば、変数sexには、男性と女性の2つのクラスがあります。数字の1と2も使用でき、それぞれ男性と女性のカテゴリーを表します。これらの番号は単なる任意の識別子です。
これらのタイプのメジャーでは、名前またはラベルがオブジェクトに割り当てられます。指定された標本または定義のほとんどの名前は、研究対象の名目上の測定値に割り当てられた「値」です。
2つのオブジェクトに同じ名前が関連付けられている場合、それらのオブジェクトは同じカテゴリに属します。これが、名目測定が持つ唯一の意味です。
コンセプトと特徴
名目スケールは最も基本的なものであり、このスケールで測定される変数は、1つ以上の一意で観測された特性、属性、またはプロパティに基づいて、学習単位（オブジェクト、人など）をクラスに分類します。
クラスまたはカテゴリには名前または番号がありますが、これらは単にラベルまたは識別子として機能し、量的な区別ではなくカテゴリに分類され、純粋に分類機能を果たします。
それらは算術的に操作できず、順序（昇順または降順）または階層（大なり小なり）を反映していません。観測値を最小から最大、または小から大の順に並べることはできません。つまり、どのカテゴリもまた、変数の違いのみを反映しています。
2つのクラスの名義変数は、変数sex（男性または女性）など、二分法と呼ばれます。3つ以上のカテゴリを持つ変数は、マルチコトミックまたはポリホットミックと呼ばれます。例：職業変数（労働者、大工、医者など）。
名義変数は同値関係のみを確立します。つまり、特定の学習対象は、クラスを定義する特性を持っているか、持っていないかのどちらかです。
名目変数を使用して、比率、パーセンテージ、および比率の計算を行うことができ、それらを使用して、調査された変数の各クラスのイベント数の頻度カウントまたは集計が実行されます。これらのタイプの変数で処理できる中心傾向の尺度はモードです。
名目変数の例
名目スケールで測定された変数の例：
-国籍（アルゼンチン、チリ、コロンビア、エクアドル、ペルーなど）。
-色（白、黄、青、黒、オレンジなど）。
-目の色（黒、茶色、青、緑など）。
-キャリアによる学生の分類（管理-1、システム-2、電子機器-3、法律-4など）。（番号は値または順序のないコードです）
-婚姻状況（単身、既婚、未亡人、離婚、コモンローの組合）。
-職業（エンジニア、弁護士、医者、教師など）。
-セックス（男性、女性）。
-宗教団体（キリスト教徒、イスラム教徒、カトリック教徒など）。
-政治的所属（リベラル、保守的、独立など）。
-学校のタイプ（公立または私立）。
-人種（白、黒、黄色、メスティーゾなど）。
-血液型（O、A、B、AB）。
-例の説明
サッカーの試合の参加者
サッカーの試合に参加した参加者をカウントすると、名目変数「性別による出席率」を定義できます。カウントは、試合に参加した男性と女性の数を報告しますが、分類変数は性別です。
サッカーの試合で大衆を2つのカテゴリーに分けます。どちらのグループも、他のグループよりも優先されません。最後に、各参加者がどのグループに属するかは間違いないため、カテゴリは排他的です。
労働政策のメリット
あなたは、国の労働政策に改革が適用される前の人々の意見を知りたいのです。「利子」の変数は労働政策の利点であり、調査では5つの可能性のある肯定的な結果があります。
すべての回答は、「はい」または「いいえ」の値を持つ名目上の尺度で測定されます。その他の結果には、回答者が得られると信じているが調査値の一部ではないすべての利点が含まれます。
肯定的または否定的な回答の数は、どの側面においても改善するかしないかを検討する合計の回答者の割合を計算するために必要ですが、これらの割合は、ある利点が別の利点よりも大きいという観点からは意味がありません。
最後に、結果に自然な順序はありません。たとえば、より多くのお金の代わりにより良いヘルスケアを最初に置くことができ、結果はまったく変わりません。
人の出生国
出生国は名目上の変数であり、その値は国の名前です。この変数を操作するために、この情報を数値でコード化すると便利です。アルゼンチンで生まれた人にはコード1、ボリビアコード2、カナダコード3などを割り当てます。
このコーディングにより、コンピューターのカウントと情報収集機器の管理が容易になります。ただし、さまざまなカテゴリに番号を割り当てているため、これらの番号を操作することはできません。たとえば、1 + 2は3と等しくありません。つまり、アルゼンチン+ボリビアはカナダにならない。
参考文献
- Coronado、J.（2007）。測定スケール。パラダイママガジン。unitec.edu.coから復元されました。
- フロイント、R。; ウィルソン、W ;; モール、D（2010）。統計的手法。第三版 Academic Press-Elsevier Inc.
- ガラス、G。スタンリー、J。（1996）。社会科学には適用されない統計的手法。Prentice Hall Hispanoamericana SA
- 可愛い。; マーシャル、W ;; Wathen、S.（2012）。ビジネスと経済に適用される統計。第15版 McGraw-Hill / Interamericana Editores SA
- Orlandoni、G.（2010）。統計的測定スケール。Telos Magazine。ojs.urbe.eduから回復しました。
- シーゲル、S。Castellan、N.（1998）。行動科学に適用されるノンパラメトリック統計。第4版 エディトリアルTrillas SA
- （2019）。測定のレベル。en.wikipedia.orgから回復。