Dati ordinali: Definizione, analisi ed esempi

Se si lavora con i dati in qualsiasi modo, è necessario conoscere i quattro tipi di dati principali: nominali, ordinali, a intervalli e a rapporti. Questo blog si concentra sui dati ordinali. Ne definiremo, esploreremo le caratteristiche e forniremo esempi di questi dati.

Continuate a leggere per scoprire tutto quello che c’è da sapere su questi dati, sul loro utilizzo, sull’analisi e sulla differenza tra dati nominali e ordinali.

IMPARARE SU: Livello di analisi

Cosa sono i dati ordinali?

I dati ordinali sono un tipo statistico di dati quantitativi in cui le variabili esistono in categorie ordinate in modo naturale. Tuttavia, non può essere utilizzato per determinare la distanza tra le due categorie.

In statistica, un gruppo di numeri ordinali indica questidati, e un gruppo di questi dati viene rappresentato utilizzando una scala ordinale . La differenza principale tra dati ordinali e nominali è che gli ordinali hanno un ordine di categorie, mentre i nominali non lo hanno.

Per saperne di più: Scalanominale vs ordinale

Scala Likert è un esempio popolare di questi dati. Per una domanda come: “Per favore, esprimi l’importanza che il prezzo ha per te nell’acquisto di un prodotto”, una scala Likert avrà le seguenti opzioni, che sono codificate come 1,2,3,4 e 5 (numeri). 1 è inferiore a 2, che è inferiore a 3, che è inferiore a 4, che a sua volta è inferiore a 5.

Molto importante	Importante	Neutro	Non importante	Molto poco importante
1	2	3	4	5

I dati ordinali sono quindi una raccolta di variabili ordinali, cioè se le variabili sono in un ordine particolare, “basso, medio, alto”, possono essere rappresentate come questo tipo di dati. Ci sono due fattori importanti da considerare per questi dati:

• Più termini rappresentano un “ordine”, come “Alto, Più alto, Più alto” o “Soddisfatto, Insoddisfatto, Estremamente insoddisfatto”.
• La differenza tra le variabili non è uniforme.

Per saperne di più: Tipi di variabili di misura

Usi dei dati ordinali

Questi dati sono un tipo importante di dati in molti campi e hanno un’ampia gamma di utilizzi nella ricerca e nella pratica. In questa sede discuteremo alcuni usi chiave di questi dati:

• Sondaggi/Questionari

Viene utilizzata per sondaggi e questionari a causa della sua natura “ordinata”. L’analisi statistica viene utilizzata per raccogliere le risposte e categorizzare gli intervistati in base alle loro risposte. Nell’analisi statistica, la distinzione tra dati categorici e dati numerici è essenziale, poiché i dati categorici comportano categorie o etichette distinte, mentre i dati numerici consistono in quantità misurabili.

Gli approfondimenti di questa analisi vengono utilizzati per fare inferenze e trarre conclusioni sugli intervistati in relazione a variabili specifiche. Viene comunemente utilizzato per questo scopo grazie alla sua facilità di categorizzazione e collazione.

• Ricerca

I ricercatori utilizzano questo tipo di dati per raccogliere informazioni utili sull’oggetto della loro ricerca. I ricercatori medici, ad esempio, dovranno raccogliere dati per studiare gli effetti collaterali di un farmaco somministrato a 50 pazienti.

Dopo la somministrazione del farmaco, a ciascun paziente può essere chiesto di compilare un modulo che indichi la misura in cui sperimenta alcuni potenziali effetti collaterali.

• Servizio clienti

Questi dati vengono utilizzati dalle aziende per migliorare il servizio clienti complessivo. Quando i clienti utilizzano un servizio o acquistano un prodotto da un’azienda, spesso viene chiesto loro di compilare un modulo sulla loro esperienza. Aiuterà le aziende a migliorare il loro servizio clienti.

• Domande di lavoro

I datori di lavoro utilizzano occasionalmente una scala Likert quando raccolgono informazioni dai candidati durante il processo di candidatura. Ad esempio, quando un candidato si candida per una posizione di social media manager, si può utilizzare una scala Likert per determinare la familiarità del candidato con Facebook, Twitter, LinkedIn e così via.

Caratteristiche dei dati ordinali

Ecco cinque caratteristiche di questo tipo di dati, come le seguenti:

• Quali categorie descrivono meglio le sue ultime esperienze di acquisto di un prodotto/servizio?
  • Molto piacevole
  • Un po’ piacevole
  • Neutro
  • Un po’ sgradevole
  • Molto sgradevole

1. Stabilire una graduatoria relativa: nell’esempio sopra citato, un po’ piacevole è sicuramente peggiore di molto piacevole, o molto sgradevole è peggiore di un po’ sgradevole. C’è chiaramente un rango all’interno delle opzioni – che indica questotipo di dati.
2. Il valore dell’intervallo è sconosciuto: la variazione tra piacevole e gradevole potrebbe non essere la stessa della differenza tra un po’ spiacevole e molto spiacevole. Non è possibile includere questo intervallo utilizzando questi dati.
3. Misurare tratti non numerici: Tutte le opzioni di risposta dell’esempio precedente sono non numeriche e questi dati possono essere utilizzati per catturare sentimenti come la soddisfazione, la felicità, la frequenza e così via.
4. Aggiunta ai dati nominali: I dati nominali sono dati “etichettati”. It è l’etichettatura dei dati in un ordine specifico. Nell’esempio sopra citato, c’è un ordine notevole nelle opzioni, che lo rende un caso classico di questo tipo di dati.
5. I dati ordinali hanno una mediana: La mediana è il valore al centro di una scala che non è il valore medio e può essere calcolata con dati che hanno un ordine intrinseco.

Analisi dei dati ordinali

Questa analisi dei dati è un piano di analisi statistica per analizzare i dati con un ordine naturale o una classifica. Questo tipo di dati viene spesso raccolto attraverso sondaggi o questionari. Vediamo come analizzare i dati ordinali:

• Metodi semplici di analisi dei dati ordinali

Questi dati vengono presentati in formato tabellare per facilitare l’analisi da parte del ricercatore. I diagrammi a mosaico stabiliscono anche la relazione tra dati nominali e ordinali.

Ad esempio, se un’organizzazione intende analizzare il numero di dipendenti in ciascuna gerarchia per effettuare un processo di assunzione sistematico per l’anno successivo, può inserire questi dati in un formato tabellare ordinato. I responsabili delle risorse umane troveranno questi dati estremamente facili da consultare e analizzare per eventuali aggiornamenti futuri.

• Test U di Mann-Whitney

Il test U di Mann-Whitney è utilizzato per confrontare due gruppi di dati ordinali. Questo test permette al ricercatore di concludere che una variabile di un campione è maggiore o minore di un’altra variabile scelta a caso da un altro campione.

Ad esempio, i ricercatori psicologici possono studiare i modelli di comportamento per confrontare due diversi farmaci.

• Test di Kruskal-Wallis H

Per confrontare più di due gruppi di questi datiIn questo test non si presuppone che i dati provengano da una fonte particolare. Questo test conclude se la mediana di due o più gruppi è diversa. Mostra la differenza tra più di due gruppi. di questi dati.

Ad esempio, un ricercatore intende valutare l’impatto dello stress sul lavoro sulla qualità del lavoro. In questo caso, la variabile indipendente sarà lo stress sul lavoro, che idealmente avrà tre fasi: nessuno stress, troppo stress e stress gestibile, e la qualità del lavoro varierà da scarsa a eccellente .

Esempi di dati ordinali

È un tipo di dati categorici in cui le categorie hanno un ordine naturale o una classifica. Ecco alcuni esempi di questo tipo di dati:

• In una scuola con 3.000 studenti, ci sono diverse categorie: matricole, studenti del secondo anno, studenti del terzo anno e studenti dell’ultimo anno. Dopo l’inizio del mandato, questo è il conteggio di ogni categoria :
  • 1000 – Matricole
  • 800 – Studenti del secondo anno
  • 750 – Juniores
  • 450 – Anziani
• Un’organizzazione conduce un’indagine trimestrale sulla soddisfazione dei dipendenti che evidenzia questa domanda: “Quanto sei soddisfatto del tuo manager e dei tuoi colleghi?”.
  • Estremamente felice – 1
  • Felice – 2
  • Neurale – 3
  • Infelice – 4
  • Estremamente infelice – 5
• In base alle vostre preferenze, valutate questi 5 libri più venduti:
  • Fuoco e furia – 1
  • Una fedeltà superiore: Verità, bugie e leadership – 2
  • La donna alla finestra – 3
  • Il grande solo – 4
  • La sottile arte di fregarsene: Un approccio controintuitivo per vivere bene – 5

Differenza tra dati ordinali e dati nominali

In statistica i dati possono essere classificati in vari tipi in base alle loro caratteristiche e proprietà. I dati ordinali e i dati nominali sono due esempi di tali dati. Comprendere la differenza tra dati ordinali e nominali è importante in molte analisi statistiche perché determina quali metodi di analisi utilizzare. Qui scopriremo alcune differenze fondamentali tra questi due tipi di dati:

• I dati nominali sono dati categorizzati senza alcun ordine o classifica particolare. Ad esempio, il colore dei capelli, il sesso e il tipo di auto sono tutti esempi di dati nominali. I dati ordinali, invece, sono un tipo di dati che hanno un ordinamento o una classificazione naturale. Si tratta di dati categorici che possono essere classificati o ordinati in base a uno specifico attributo o caratteristica. Esempi di dati ordinali sono il livello di istruzione, la fascia di reddito o i voti.

• È possibile contare, classificare e categorizzare i dati nominali, ma non classificarli. D’altra parte, i dati ordinali possono classificare o ordinare, ma la distinzione tra ogni categoria non è sempre evidente o misurabile.
• I dati nominali utilizzano grafici a torta. I dati ordinali, invece, utilizzano un istogramma o un grafico a barre.

In che modo QuestionPro può aiutare a gestire i dati ordinali?

QuestionPro è una piattaforma software per sondaggi che fornisce alcune funzioni e strumenti per assistere ricercatori e analisti nel trattamento di vari tipi di dati, compresi quelli ordinali. QuestionPro può aiutare con questi dati in vari modi. Ecco alcuni esempi:

• Progettazione di sondaggi: È possibile creare rapidamente domande adatte alla raccolta dei dati utilizzando l’interfaccia di progettazione dei sondaggi di QuestionPro. Per creare le domande si possono usare scale di valutazione, scale Likert e altri tipi di scale di risposta ordinali.

• Raccolta dei dati: Ci sono molti modi per raccogliere dati con QuestionPro, tra cui sondaggi online, sondaggi per dispositivi mobili, sondaggi per chioschi e sondaggi su carta. Potete scegliere il metodo migliore per le vostre specifiche esigenze di ricerca.

• Analisi dei dati: QuestionPro dispone di una serie di potenti strumenti per l’analisi dei dati, creati appositamente per questi dati. Ad esempio, il software può calcolare la mediana, la modalità, l’intervallo, i quartili e altre statistiche descrittive. È inoltre possibile generare grafici e diagrammi adatti alla visualizzazione di questi dati, come box plot, istogrammi e diagrammi di dispersione.

IMPARARE SU: Analisi descrittiva

• Reporting: QuestionPro offre diverse opzioni di reporting per aiutarvi a comunicare le vostre intuizioni dopo aver raccolto e analizzato i dati. I report possono essere generati in vari formati, tra cui PDF, Excel e Word, e possono essere personalizzati per includere solo i dati rilevanti per la ricerca.

SAPERE SU: Valore medio dell’ordine

QuestionPro è uno strumento potente per lavorare con i dati ordinali e può aiutare a raccogliere, analizzare e riportare i dati in modo efficiente ed efficace.

PROVA GRATUITA SAPERNE DI PIÙ