Forskningsmetodik för nybörjare

Ikon

Just another WordPress.com weblog

Datanivåer och sätt att svara

När man jobbar med kvantitativa metoder så är de data man sysslar med på fyra olika nivåer: Nominalskalenivå, Ordinalskalenivå, Intervallskalenivå och Kvotskalenivå.

Den första datanivån (som egentligen alltid kan användas) är nominalskalenivån. Ordet ”nomen” kommer från latin och betyder ”namn”. Nominalskalan används för allting som kan kategoriseras, egentligen allting, för det går ju att dela in alla företeelser i klasser som ”X” och ”inte X”.

Nästa datanivå är ordinalskalenivån. Data på ordinalskalenivå kan rangordnas. Många gånger använder man ”frågeskalor” som  bör behandlas som ordinalskaledata. Sådana frågeskalor kan se ut som denna:

smärtskattning

 

Andra typer av ordinalskalor kan skapas med svarsalternativ i enkäter som:

O   Instämmer helt

O   Instämmer delvis

O   Instämmer i någon mån

O   Instämmer inte alls

Det som utmärker ordinalskalor är alltså att ”stegen” i skalan är rangordnade. AVSTÅNDET mellan de olika skalstegen behöver inte vara lika stora och det är också ofta så att skalorna subjektivt uppfattas och används på olika sätt för olika personer. Alltså, resultaten för person A och person B är inte självklart jämförbara.

Exempelvis när man använder en VAS skala (Visual analog scale), så uppfattar och använder olika personer skalan på olika vis. Person A och Person B sätter sina kryss på skalorna på lite olika vis:

 Person A:  ____x_xx__x____x___________________________

Person B:   ___________x_xx_x__x_______________________

Skulle vi nu utifrån detta egentligen kunna uttala oss om att det finns en faktiskt skillnad mellan A och B?

Nej, men vi skulle kunna uttala oss om att det finns en skillnad mellan hur A och B svarar.

Intervallskalenivån har förutom rangordnade data också lika stora skalsteg. Om intervallskalor har en 0-punkt är den godtyckligt vald. Det klassiska exemplet brukar vara Celsius-skalan. o-punkten på Celsiusskalan som traditionellt varit definierad som fryspunkten för vatten (vid vissa standardiserade förhållanden)*

Det som skiljer intervallskaledata från nästa nivå (kvotskaledata) är att det egentligen inte går att tala om kvoter på denna nivå, som att säga att 10°C skulle vara hälften så varmt som 20°C är, när man tänker efter lite fel. De flesta statistiska metoder fungerar trots allt utmärkt för data på intervallskalenivå.

Slutligen finns kvotskalenivån och skillnaden gentemot intervallskaledata är att 0-punkten inte är godtycklig utan motsvarar något verkligt förhållande. När det gäller temperatur har vi den ”absoluta 0-punkten” och grader Kelvin (som alltså är en kvotskala). Andra enkla exempel på mätningar med kvotskala är hur många cigaretter en person röker per dag. Det finns en tydlig 0-punkt och det är meningsfullt att säga att röker man 20 cigaretter per dag så röker man dubbelt så mycket som om man röker 10 cigaretter per dag.

* Definitionen som gäller efter 1954 är ytterligare förfinad.

Postat i:Övrigt,

Välkommen!

Ja, dags att sjösätta detta lätt överambitiösa projekt med att göra en forskningsmetodikblogg, men det är inte ett helt nytt projekt för jag har i alla fall tänkt på det sådär ett år.

Sidan är tänkt att vara till en hjälp för mina studenter och förhoppningsvis fungera som folkbildning för andra intresserade också. Förhoppningsvis kan jag med tiden knyta forskare till bloggen som har andra metodkunskaper än jag (och kanske från andra ämnesområden) för att få ett bra djup och god  bredd i olika ingångar på forskning. Nu från början blir dock bara min blogg.

Du som tittar in, välkommen och hoppas du får lite hjälp (när jag fått in lite texter) med vad du undrar över. Skriv gärna frågor också, för då får jag inspiration till vad som vore bra att skriva små texter om.

Postat i:Övrigt,