Ikke alle data oprettes ens. Det er nyttigt at klassificere datasæt efter forskellige kriterier. Nogle er kvantitativ, og nogle er kvalitativ. Nogle datasæt er kontinuerlige, og andre er diskrete.
En anden måde at adskille data på er at klassificere dem i fire niveauer af måling: nominel, ordinal, interval og forhold. Forskellige måleniveau kræver forskellige statistiske teknikker. Vi vil se på hvert af disse niveauer af måling.
Nominelt måleniveau
Det nominelle måleniveau er det laveste af de fire måder at karakterisere data på. Nominal betyder "kun i navn", og det skal hjælpe med at huske, hvad dette niveau handler om. Nominelle data omhandler navne, kategorier eller etiketter.
Data på det nominelle niveau er kvalitative. Øjne farver, ja eller nej svar på en undersøgelse, og favorit morgenmadsprodukter handler alle om det nominelle måleniveau. Selv nogle ting med tal der er knyttet til dem, såsom et nummer på bagsiden af en fodboldtrøje, er nominelle, da det bruges til at "navngive" en individuel spiller på banen.
Data på dette niveau kan ikke ordnes på en meningsfuld måde, og det giver ingen mening at beregne ting som midler og standardafvigelser.
Ordinært måleniveau
Det næste niveau kaldes det ordinære målingsniveau. Data på dette niveau kan bestilles, men der kan ikke tages forskelle mellem de data, der er meningsfulde.
Her skal du tænke på ting som en liste over de ti største byer at bo. Dataene, her ti byer, er rangeret fra en til ti, men forskellene mellem byerne giver ikke meget mening. Der er ingen måde fra kun at se på placeringerne for at vide, hvor meget bedre livet er i by nummer 1 end by nummer 2.
Et andet eksempel på dette er bogstavkarakterer. Du kan bestille ting, så A er højere end en B, men uden andre oplysninger er der ingen måde at vide, hvor meget bedre en A er fra en B.
Som med nominelt niveau, data på ordinalt niveau bør ikke bruges i beregninger.
Målingsinterval
Målingsniveauet omhandler data, der kan bestilles, og hvor forskelle mellem dataene giver mening. Data på dette niveau har ikke et udgangspunkt.
Det Fahrenheit og Celsius skalaer af temperaturer er begge eksempler på data på interval niveau af måling. Du kan tale om at 30 grader er 60 grader mindre end 90 grader, så forskelle giver mening. Dog er 0 grader (i begge skalaer) koldt, som det måtte være, ikke det totale fravær af temperatur.
Data på intervalniveauet kan bruges i beregninger. Imidlertid mangler data på dette niveau en type sammenligning. Selvom 3 x 30 = 90, er det ikke korrekt at sige, at 90 grader Celsius er tre gange så varm som 30 grader Celsius.
Målingsniveau
Det fjerde og højeste målingsniveau er forholdet. Data på forholdsniveauet har alle funktionerne i intervalletiveauet ud over en nulværdi. På grund af tilstedeværelsen af et nul giver det nu mening at sammenligne forholdene mellem målinger. Sætninger som "fire gange" og "to gange" er meningsfulde på forholdsniveauet.
Afstande i ethvert målesystem giver os data på forholdsniveauet. En måling som 0 fod giver mening, da den ikke repræsenterer nogen længde. Yderligere er 2 fod dobbelt så lang som 1 fod. Så der kan dannes forhold mellem dataene.
Ved forholdsmålsniveauet kan ikke kun summer og forskelle beregnes, men også forhold. Én måling kan deles med en hvilken som helst ikke-nøjagtig måling, og der vil resultere i et meningsfuldt tal.
Tænk før du beregner
På grund af en liste over personnummer er det muligt at foretage alle mulige beregninger med dem, men ingen af disse beregninger giver noget meningsfuldt. Hvad er et socialsikringsnummer divideret med et andet? Et komplet spild af din tid, da Social Security-numrene er på det nominelle måleniveau.
Når du får nogle data, skal du tænke Før du beregner. Målingsniveauet, du arbejder med, vil bestemme, hvad det giver mening at gøre.