Les niveaux de mesure nominal, ordinal, d’intervalle et de rapport sont des échelles qui nous permettent de mesurer et de classer les données recueillies en variables bien définies à utiliser à différentes fins.
Il s’agit des quatre échelles utilisées principalement pour :
- Nominal: Utilisé pour classer les données en catégories ou groupes mutuellement exclusifs.
- Ordinal: Utilisé pour mesurer des variables dans un ordre naturel, comme l’évaluation ou le classement. Ils fournissent des informations significatives sur les attitudes, les préférences et les comportements en comprenant l’ordre des réponses.
- Intervalle: Utilisé pour mesurer des variables avec des intervalles égaux entre les valeurs. Ce type de mesure est souvent utilisé pour la température et le temps, ce qui permet des comparaisons et des calculs précis.
- Ratio: Permet d’effectuer des comparaisons et des calculs tels que des rapports, des pourcentages et des moyennes. Idéal pour la recherche dans des domaines tels que la science, l’ingénierie et la finance, où vous devez utiliser des ratios, des pourcentages et des moyennes pour comprendre les données.
Vous trouverez ci-dessous tout ce qu’il faut savoir sur ces niveaux de mesure, leurs caractéristiques, des exemples et la manière de les utiliser.
EN SAVOIR PLUS : Valeur moyenne des commandes
Niveaux de mesure en statistique
Pour effectuer une analyse statistique des données, il est important de comprendre les variables et ce qui doit être mesuré à l’aide de celles-ci.
Il existe différents niveaux de mesure dans les statistiques, et les données mesurées à l’aide de ces dernières peuvent être classées en deux grandes catégories : les données qualitatives et les données quantitatives. Examinons les échelles nominales, ordinales, d’intervalle et de rapport.
Tout d’abord, il convient de comprendre ce qu’est une variable. Une quantité dont la valeur change au sein de la population et qui peut être mesurée est appelée variable. Prenons l’exemple d’un échantillon de personnes ayant un emploi.
Les variables pour cet ensemble de la population peuvent être le secteur d’activité, la localisation, le sexe, l’âge, les compétences, le type d’emploi, les congés payés, etc. La valeur des variables varie en fonction de l’image du salarié.
Par exemple, il est pratiquement impossible de calculer le taux horaire moyen d’un travailleur aux États-Unis. Ainsi, un échantillon d’audience est sélectionné de manière aléatoire afin de représenter de manière appropriée l’ensemble de la population.
Le taux horaire moyen de cet échantillon est ensuite calculé. Des tests statistiques permettent de déterminer le taux horaire moyen d’une population plus large. Dans l’analyse statistique, il est essentiel de faire la distinction entre les données catégorielles et les données numériques, car les données catégorielles impliquent des catégories ou des étiquettes distinctes, tandis que les données numériques consistent en des quantités mesurables.
Le niveau de mesure d’une variable détermine le type de test statistique à utiliser. La nature mathématique d’une variable, ou en d’autres termes, la manière dont une variable est mesurée, est considérée comme le niveau de mesure.
Qu’est-ce que le nominal, l’ordinal, l’intervalle et le ratio ?
Nominal, Ordinal, Intervalle et Rapport sont définis comme les quatre échelles de mesure fondamentales utilisées pour capturer des données sous forme d’enquêtes et de questionnaires, chacune étant une question à choix multiples.
Chaque échelle est un niveau de mesure supplémentaire, ce qui signifie que chaque échelle remplit la fonction de l’échelle précédente, et toutes les échelles de questions d’enquêtes telles que Likert, différentielle sémantique, dichotomique, etc. sont dérivées de ces 4 niveaux fondamentaux de mesure des variables.
Avant d’examiner en détail les quatre niveaux d’échelles de mesure, avec des exemples, examinons brièvement ce que représentent ces échelles.
L’échelle nominale est une échelle de dénomination, où les variables sont simplement « nommées » ou étiquetées, sans ordre spécifique. L’échelle ordinale présente toutes ses variables dans un ordre spécifique, qui ne se limite pas à les nommer. L’échelle d’intervalle propose des étiquettes, un ordre, ainsi qu’un intervalle spécifique entre chacune de ses options variables.
L’échelle de rapport présente toutes les caractéristiques d’une échelle d’intervalle, et peut en outre prendre en compte la valeur « zéro » pour n’importe laquelle de ses variables.
APPRENEZ-EN PLUS SUR : Échelle d’évaluation graphique
Voici d’autres informations sur les quatre niveaux de mesure dans le domaine de la recherche et des statistiques : Nominal, Ordinal, Intervalle, Rapport.
Échelle nominale :1er niveau de mesure
Échelle nominale, également appelée échelle de variables catégorielles, est définie comme une échelle qui classe les variables dans des catégories distinctes et n’implique pas de valeur ou d’ordre quantitatif. Cette échelle est la plus simple des quatre échelles de mesure des variables. Les calculs effectués sur ces variables seront vains car les options n’ont pas de valeur numérique.
Dans certains cas, cette échelle est utilisée à des fins de classification – les nombres associés aux variables de cette échelle ne sont que des étiquettes pour la catégorisation ou la division. Les calculs effectués sur la base de ces chiffres seront vains car ils n’ont aucune signification quantitative.
Pour une question telle que
Où habitez-vous ?
- 1- Banlieues
- 2- Ville
- 3- Ville
L’échelle nominale est souvent utilisée dans les enquêtes et les questionnaires de recherche où seuls les intitulés des variables sont significatifs.
Par exemple, une enquête auprès des clients demandant « Quelle marque de smartphones préférez-vous ? » Options : « Apple »- 1, « Samsung »-2, « OnePlus »-3.
- Dans cette question de l’enquête En effet, seuls les noms des marques sont significatifs pour le chercheur qui mène une étude sur les consommateurs ou une netnographie. Il n’est pas nécessaire de passer une commande spécifique pour ces marques. Cependant, lorsqu’ils saisissent des données nominales, les chercheurs effectuent des analyses sur la base des étiquettes associées.
- Dans l’exemple ci-dessus, lorsqu’une personne interrogée choisit Apple comme marque préférée, la donnée saisie et associée sera « 1 ». Cela a permis de quantifier et de répondre à la question finale : combien de personnes interrogées ont choisi Apple, combien ont choisi Samsung et combien ont choisi OnePlus, et lequel est le plus élevé.
- C’est la base de la recherche quantitative, et l’échelle nominale est l’échelle de recherche la plus fondamentale.
Données et analyse de l’échelle nominale
Il y a deux façons principales d’utiliser les données de l’échelle nominale données à échelle nominale peuvent être collectées :
- En posant une question ouverte dont les réponses peuvent être codées selon un nombre d’étiquettes déterminé par le chercheur.
- L’autre solution pour collecter des données nominales consiste à inclure une question à choix multiple dans laquelle les réponses seront étiquetées.
Dans les deux cas, l’analyse des données recueillies se fera à l’aide de pourcentages ou de modes, c’est-à-dire la réponse la plus fréquente à la question. Il est possible qu’une même question ait plus d’un mode comme il est possible que deux favoris communs existent dans une population cible.
Exemples d’échelles nominales
- Genre
- Préférences politiques
- Lieu de résidence
| Quel est votre sexe ? | Quelle est votre préférence politique ? | Où habitez-vous ? |
|
|
|
Échelle nominale SPSS
Dans SPSS, vous pouvez spécifier le niveau de mesure en tant qu’échelle (données numériques sur une échelle d’intervalle ou de rapport), ordinal ou nominal. Les données nominales et ordinales peuvent être des chaînes alphanumériques ou numériques.
Lors de l’importation des données d’une variable dans le fichier d’entrée de SPSS, celui-ci la considère par défaut comme une variable d’échelle puisque les données contiennent essentiellement des valeurs numériques. Il est important de la transformer en valeur nominale ou ordinale ou de la conserver sous forme d’échelle, en fonction de la variable représentée par les données.
Échelle ordinale :2e niveau de mesure
Échelle ordinale est définie comme une échelle de mesure de variable utilisée pour décrire simplement l’ordre des variables et non la différence entre chacune d’entre elles. Ces échelles sont généralement utilisées pour représenter des idées non mathématiques telles que la fréquence, la satisfaction, le bonheur, un degré de douleur, etc. Il est assez facile de se souvenir de la mise en œuvre de cette échelle car « Ordinal » ressemble à « Ordre », ce qui est exactement l’objectif de cette échelle.
L’échelle ordinale conserve des qualités descriptives ainsi qu’un ordre intrinsèque, mais elle est dépourvue d’une origine d’échelle et, par conséquent, la distance entre les variables ne peut pas être calculée. Les qualités descriptives indiquent des propriétés d’étiquetage similaires à celles de l’échelle nominale, en plus desquelles l’échelle ordinale a également une position relative des variables. L’origine de cette échelle est absente, ce qui fait qu’il n’y a pas de point de départ fixe ou de « vrai zéro ».
Données ordinales et analyse
Données à échelle ordinale peuvent être présentées sous forme de tableaux ou de graphiques pour permettre au chercheur d’effectuer une analyse pratique des données collectées. Des méthodes telles que le test U de Mann-Whitney et le test H de Kruskal-Wallis peuvent également être utilisées pour analyser les données ordinales. Ces méthodes sont généralement mises en œuvre pour comparer deux ou plusieurs groupes ordinaux.
Le test U de Mann-Whitney permet aux chercheurs de conclure que la variable d’un groupe est plus grande ou plus petite qu’une autre variable d’un groupe sélectionné au hasard. Le test H de Kruskal-Wallis permet aux chercheurs d’analyser si deux groupes ordinaux ou plus ont la même médiane ou non.
En savoir plus : Échelle nominale et échelle ordinale
Exemples d’échelles ordinales
Le statut sur le lieu de travail, le classement des équipes dans les tournois, l’ordre de qualité des produits et l’ordre d’accord ou de satisfaction sont quelques-uns des exemples les plus courants de l’échelle ordinale. Ces échelles sont généralement utilisées dans les études de marché pour recueillir et évaluer le retour d’information relatif à la satisfaction du produit, à l’évolution des perceptions avec les mises à jour du produit, etc.
Par exemple, une question d’échelle sémantique différentielle telle que :
Quel est votre degré de satisfaction à l’égard de nos services ?
- Très insatisfait – 1
- Insatisfaits – 2
- Neutre – 3
- Satisfait – 4
- Très satisfait – 5
- Ici, l’ordre des variables est primordial, de même que l’étiquetage. Très insatisfait sera toujours pire qu’insatisfait et satisfait sera pire que très satisfait.
- C’est ici que l’échelle ordinale se situe un cran au-dessus de l’échelle nominale – l’ordre est pertinent pour les résultats, de même que leur dénomination.
- L’analyse des résultats en fonction de l’ordre et du nom devient un processus pratique pour le chercheur.
- S’ils souhaitent obtenir plus d’informations que celles qu’ils recueilleraient à l’aide d’une échelle nominale, ils peuvent utiliser l’échelle ordinale.
Cette échelle n’attribue pas seulement des valeurs aux variables, mais mesure également le rang ou l’ordre des variables, par exemple :
- Notes
- Satisfaction
- Le bonheur
Quel est votre degré de satisfaction à l’égard de nos services ?
- 1- Très insatisfait
- 2- Insatisfaits
- 3- Neural
- 4- Satisfait
- 5- Très satisfait
Échelle d’intervalles :3ème niveau de mesure
L’échelle d’intervalle est définie comme une échelle numérique où l’ordre des variables est connu ainsi que la différence entre ces variables. Les variables qui présentent des différences familières, constantes et calculables sont classées à l’aide de l’échelle d’intervalle. Il est également facile de se rappeler le rôle principal de cette échelle : « Intervalle » indique la « distance entre deux entités », ce que l’échelle d’intervalles permet de réaliser.
Ces échelles sont efficaces car elles ouvrent la voie à l’analyse statistique des données fournies. La moyenne, la médiane ou le mode peuvent être utilisés pour calculer la tendance centrale de cette échelle. Le seul inconvénient de cette échelle est qu’il n’y a pas de point de départ prédéfini ou de véritable valeur zéro.
APPRENEZ-EN DAVANTAGE SUR LE SUJET : Niveau d’analyse
L’échelle d’intervalle contient toutes les propriétés de l’échelle ordinale, en plus d’offrir un calcul de la différence entre les variables. La principale caractéristique de cette échelle est la différence d’équidistance entre les objets.
Prenons l’exemple d’une échelle de température Celsius/Fahrenheit –
- 80 degrés est toujours plus élevé que 50 degrés et la différence entre ces deux températures est la même que la différence entre 70 degrés et 40 degrés.
- De plus, la valeur 0 est arbitraire car il existe des valeurs négatives de température, ce qui fait de l’échelle de température Celsius/Fahrenheit un exemple classique d’échelle d’intervalle.
- L’échelle d’intervalle est souvent choisie dans les cas de recherche où la différence entre les variables est un mandat – ce qui ne peut être réalisé en utilisant une échelle nominale ou ordinale. L’échelle d’intervalle quantifie la différence entre deux variables alors que les deux autres échelles ne permettent d’associer qu’une observation qualitative des valeurs avec des variables.
- Les valeurs moyennes et médianes d’une échelle ordinale peuvent être évaluées, contrairement aux deux échelles précédentes.
- En statistique, l’échelle d’intervalle est fréquemment utilisée car elle permet non seulement d’attribuer une valeur numérique aux variables, mais aussi d’effectuer des calculs sur la base de ces valeurs.
Même si les échelles d’intervalle sont étonnantes, elles ne calculent pas la valeur du « vrai zéro », c’est pourquoi l’échelle suivante entre en jeu.
Données et analyse des intervalles
Toutes les techniques applicables à l’analyse des données nominales et ordinales sont également applicables aux données d’intervalle. En dehors de ces techniques, il existe quelques méthodes d’analyse telles que les statistiques descriptives, l’analyse de la corrélation et de la régression, qui sont largement utilisées pour analyser les données d’intervalle.
L’analyse statistique descriptive est le terme donné à l’analyse des données numériques qui aide à décrire, dépeindre ou résumer les données d’une manière significative et permet de calculer la moyenne, la médiane et le mode.
EN SAVOIR PLUS : Recherche descriptive et recherche corrélationnelle
Exemples d’échelles d’intervalles
- Dans certains cas, les échelles d’attitude sont considérées comme des échelles d’intervalle.
- Outre l’échelle de température, le temps est également un exemple très courant d’échelle d’intervalle, car les valeurs sont déjà établies, constantes et mesurables.
- Les années civiles et le temps font également partie de cette catégorie d’échelles de mesure.
- Échelle de Likert, Net Promoter Score , Échelle différentielle sémantiqueTableau matriciel bipolaire, etc. sont les exemples d’échelles d’intervalle les plus utilisés.
Les questions suivantes relèvent de la catégorie des échelles d’intervalle :
- Quel est le revenu de votre famille ?
- Quelle est la température dans votre ville ?
Échelle des rapports :4ème niveau de mesure
Échelle des ratios est définie comme une échelle de mesure des variables qui non seulement produit l’ordre des variables mais fait également connaître la différence entre les variables ainsi que l’information sur la valeur du vrai zéro. Il est calculé en supposant que les variables ont une option pour zéro, que la différence entre les deux variables est la même et qu’il existe un ordre spécifique entre les options.
Avec l’option du zéro vrai, diverses statistiques inférentielles et techniques d’analyse descriptive peuvent être appliquées aux variables. Outre le fait que l’échelle de rapport fait tout ce que peuvent faire les échelles nominale, ordinale et d’intervalle, elle permet également d’établir la valeur du zéro absolu. Les meilleurs exemples d’échelles de rapport sont le poids et la taille. Dans les études de marché, une échelle de ratio est utilisée pour calculer la part de marché, les ventes annuelles, le prix d’un produit à venir, le nombre de consommateurs, etc.
- L’échelle des ratios fournit les informations les plus détaillées car les chercheurs et les statisticiens peuvent calculer la tendance centrale à l’aide de techniques statistiques telles que la moyenne, la médiane, le mode, et des méthodes telles que la moyenne géométrique, le coefficient de variation ou la moyenne harmonique peuvent également être utilisées sur cette échelle.
- L’échelle de rapport intègre les caractéristiques de trois autres échelles de mesure de variables, à savoir l’étiquetage des variables, l’importance de l’ordre des variables et une différence calculable entre les variables (qui sont généralement équidistantes).
- En raison de l’existence d’une véritable valeur zéro, l’échelle des rapports n’a pas de valeurs négatives.
- Pour décider quand utiliser une échelle de rapport, le chercheur doit observer si les variables présentent toutes les caractéristiques d’une échelle d’intervalle, ainsi que la présence de la valeur zéro absolue.
- La moyenne, le mode et la médiane peuvent être calculés à l’aide de l’échelle des rapports.
Données et analyse des ratios
À un niveau fondamental, les données de l’échelle des ratios sont de nature quantitative, ce qui explique que toutes les techniques d’analyse quantitative telles que SWOT, TURF, tableau croisé, Conjoint, etc. peuvent être utilisées pour calculer les données des ratios. Certaines techniques, telles que SWOT et TURF, analysent les données de ratio de manière à ce que les chercheurs puissent créer des feuilles de route sur la manière d’améliorer les produits ou les services, tandis que les tableaux croisés sont utiles pour comprendre si les nouvelles caractéristiques seront utiles au marché cible ou non.
Exemples d’échelles de rapport
Les questions suivantes relèvent de la catégorie des échelles de proportion :
- Quelle est la taille actuelle de votre fille ?
- Moins de 5 pieds.
- 5 pieds 1 pouce – 5 pieds 5 pouces
- 5 pieds 6 pouces- 6 pieds
- Plus de 6 pieds
- Quel est votre poids en kilogrammes ?
- Moins de 50 kilogrammes
- 51- 70 kilogrammes
- 71- 90 kilogrammes
- 91-110 kilogrammes
- Plus de 110 kilogrammes
En savoir plus : Intervalle vs. rapport Échelle & Population vs. échantillon
Niveaux de mesure : Principales caractéristiques
Les quatre échelles de mesure des données – nominale, ordinale, d’intervalle et de rapport – sont très souvent discutées dans l’enseignement universitaire. Le tableau ci-dessous, facile à retenir, pourrait vous aider dans votre test de statistiques.
| Offres : | Nominal | Ordinaire | Intervalle | Ratio |
| La séquence des variables est établie | – | Oui | Oui | Oui |
| Mode | Oui | Oui | Oui | Oui |
| Médiane | – | Oui | Oui | Oui |
| Moyenne | – | – | Oui | Oui |
| La différence entre les variables peut être évaluée | – | – | Oui | Oui |
| Addition et soustraction de variables | – | – | Oui | Oui |
| Multiplication et division de variables | – | – | – | Oui |
| Zéro absolu | – | – | – | Oui |
Conclusion
La compréhension des niveaux de mesure est cruciale dans la recherche, car elle affecte le type d’analyse qui peut être effectué et les conclusions qui peuvent être tirées des données. En comprenant les différences entre les données nominales, ordinales, d’intervalle et de rapport, les chercheurs peuvent prendre des décisions plus éclairées sur les tests statistiques appropriés à utiliser et sur la manière d’interpréter leurs résultats.
N’oubliez pas que le choix du niveau de mesure approprié est une étape cruciale dans la conception d’une étude de recherche. Prenez donc le temps d’examiner attentivement le niveau de mesure le plus approprié à votre question de recherche et à vos données.
QuestionPro propose différents types de questions qui vous permettront de collecter des données pour n’importe quelle variable, ainsi que de puissants outils d’analyse et des plateformes de gestion des données pour exploiter tout le potentiel de vos études.
