![](https://www.questionpro.com/blog/wp-content/uploads/2018/07/53-infographic1-1.jpg)
ใน การวิเคราะห์ทางสถิติระดับของการวัดตัวแปรมีความสําคัญเนื่องจากมีผลต่อประเภทของการวิเคราะห์ที่เป็นไปได้ ข้อมูลที่ระบุให้รายละเอียดจํานวนน้อยที่สุดในขณะที่ข้อมูลช่วงเวลาและอัตราส่วนให้รายละเอียดในระดับสูงสุด ความแตกต่างเหล่านี้สะท้อนให้เห็นถึงความแตกต่างระหว่างการวัดหลักสี่ระดับ (เล็กน้อย ลําดับ ช่วงเวลา และอัตราส่วน)
เรียนรู้เกี่ยวกับ: ระดับการวิเคราะห์
เพื่อให้มีความเข้าใจในพื้นฐานของข้อมูลเล็กน้อยนี่คือสถานที่ที่จะอยู่ ในบล็อกนี้ เราจะพูดถึงพื้นฐานของ การวิเคราะห์ข้อมูลนี้ รวมถึงสิ่งที่เป็น วิธีระบุ และตัวอย่างบางส่วน
Nominal Data คืออะไร?
ข้อมูลที่ระบุคือข้อมูล “ติดป้ายกํากับ” หรือ “ตั้งชื่อ” ซึ่งสามารถแบ่งออกเป็นกลุ่มต่างๆที่ไม่ทับซ้อนกัน ข้อมูลจะไม่ถูกวัดหรือประเมินในกรณีนี้ มันถูกกําหนดให้กับหลายกลุ่ม กลุ่มเหล่านี้มีเอกลักษณ์และไม่มีองค์ประกอบร่วมกัน
ไม่สามารถสร้างลําดับของข้อมูลที่รวบรวมโดยใช้ข้อมูลที่ระบุได้ ดังนั้นหากคุณเปลี่ยนลําดับของข้อมูลความสําคัญของข้อมูลจะไม่เปลี่ยนแปลง
ในระบบการตั้งชื่อภาษาละติน “Nomen” หมายถึง – ชื่อ ข้อมูลที่ระบุนําเสนอความคล้ายคลึงกันระหว่างรายการต่างๆ แต่รายละเอียดเกี่ยวกับความคล้ายคลึงกันนี้อาจไม่เปิดเผย นี่เป็นเพียงการทําให้กระบวนการรวบรวมและวิเคราะห์ข้อมูลง่ายขึ้นสําหรับนักวิจัย ในบางกรณีเรียกอีกอย่างว่า “ข้อมูลหมวดหมู่”
หากข้อมูลไบนารีแสดงถึงข้อมูล “สองค่า” ข้อมูลนี้จะแสดงข้อมูล “หลายค่า” และไม่สามารถเป็นเชิงปริมาณได้ ถือว่าไม่ต่อเนื่อง ตัวอย่างเช่นสุนัขสามารถเป็นลาบราดอร์ได้หรือไม่
เรียนรู้เกี่ยวกับ: มาตราส่วนที่กําหนด
ลักษณะของข้อมูลที่ระบุ
เรามาพูดถึงลักษณะของข้อมูลเล็กน้อยโดยใช้คําถามนี้:
- Q. เชื้อชาติของคุณคืออะไร?
- เอเชียกลาง
- อินโดนีเซีย
- เอเชียตะวันตก
- ญี่ปุ่น
ตอนนี้ลักษณะสําคัญคือ:
- ข้อมูลที่ระบุไม่สามารถวัดปริมาณได้: มันจะอยู่ในรูปแบบของระบบการตั้งชื่อเสมอเช่นการสํารวจที่ส่งไปยังประเทศในเอเชียอาจมีคําถามเช่นคําถามที่กล่าวถึงในกรณีนี้
ในที่นี้ การวิเคราะห์ข้อมูลทางสถิติ ตรรกะ หรือตัวเลขเป็นไปไม่ได้ กล่าวคือ นักวิจัยไม่สามารถบวก ลบ หรือคูณข้อมูลที่รวบรวมได้ หรือสรุปว่าตัวแปร 1 มากกว่าตัวแปร 2 - ไม่มีคําสั่ง: ซึ่งแตกต่างจาก ข้อมูลลําดับข้อมูลที่ระบุไม่สามารถกําหนดลําดับที่แน่นอนได้ ในตัวอย่างข้างต้นลําดับของตัวเลือกคําตอบไม่เกี่ยวข้องกับคําตอบที่ผู้ตอบให้มา
- คุณสมบัติเชิงคุณภาพ: ข้อมูลที่รวบรวมจะมีคุณสมบัติเชิงคุณภาพเสมอ – ตัวเลือกคําตอบมีแนวโน้มสูงที่จะมีลักษณะเชิงคุณภาพ
- คํานวณค่าเฉลี่ยไม่ได้: ไม่สามารถกําหนดค่าเฉลี่ยได้แม้ว่าข้อมูลจะถูกจัดเรียงตามลําดับตัวอักษรก็ตาม ในตัวอย่างดังกล่าวข้างต้นเป็นไปไม่ได้ที่นักวิจัยจะคํานวณค่าเฉลี่ยของคําตอบที่ส่งสําหรับชาติพันธุ์เนื่องจากลักษณะเชิงคุณภาพของตัวเลือก
- สรุปโหมด: การขอให้กลุ่มตัวอย่างจํานวนมากส่งการตั้งค่าของพวกเขา – คําตอบที่พบบ่อยที่สุดคือโหมด ในตัวอย่างที่ให้ไว้หากภาษาญี่ปุ่นเป็นคําตอบที่ส่งโดยกลุ่มตัวอย่างส่วนใหญ่ก็จะเป็นโหมด
- ข้อมูลส่วนใหญ่เรียงตามตัวอักษร: ในกรณีส่วนใหญ่ข้อมูลที่ระบุจะเป็นตัวอักษรและไม่ใช่ตัวเลขตัวอย่างเช่นในกรณีที่กล่าวถึง ข้อมูลที่ไม่ใช่ตัวเลขยังสามารถแบ่งออกเป็นกลุ่มต่างๆ
เรียนรู้เพิ่มเติม: ข้อมูลเชิงปริมาณ
การวิเคราะห์ข้อมูลที่กําหนด
ข้อมูลที่ระบุส่วนใหญ่จะถูกรวบรวมผ่านคําถามที่ให้รายการรายการแก่ผู้ตอบให้เลือก เช่น
- คําถาม 1. คุณอาศัยอยู่ในรัฐใด ____ (ตามด้วยรายการดรอปดาวน์ของรัฐ)
- คําถาม 2. ปกติคุณเลือกรายการใดต่อไปนี้สําหรับท็อปปิ้งพิซซ่าของคุณ (เลือกทั้งหมดที่เกี่ยวข้อง)
- ผักโขม
- เป็ปเปอโรนี
- มะกอก
- ปลาซาร์ดีน
- ไส้กรอก
- เอ็กซ์ตร้าชีส
- หัว หอม
- มะเขือ เทศ
- อื่นๆ (โปรดระบุ) _______________
มีสามวิธีที่สามารถรวบรวมข้อมูลที่ระบุได้ ในตัวอย่างแรกผู้ตอบจะได้รับพื้นที่ในการเขียนในรัฐบ้านเกิดของตน นี่เป็น คําถามปลายเปิด ที่ในที่สุดจะถูกเข้ารหัสโดยแต่ละรัฐจะถูกกําหนดหมายเลข ข้อมูลนี้ยังสามารถมอบให้กับผู้ตอบในรูปแบบของรายการซึ่งพวกเขาจะเลือกตัวเลือกเดียว
ตัวอย่างที่สองอยู่ในรูปแบบของ คําถามคําตอบหลาย ข้อโดยที่แต่ละหมวดหมู่มีรหัส 1 (หากเลือก) และ 0 หากไม่ได้เลือก นอกจากนี้ยังรวมองค์ประกอบปลายเปิดที่ช่วยให้ผู้ตอบมีตัวเลือกในการเขียนในหมวดหมู่ที่ไม่รวมอยู่ในรายการ คําตอบ ‘อื่นๆ (โปรดระบุ)’ เหล่านี้จะต้องมีการเข้ารหัสหากต้องวิเคราะห์
ข้อมูลที่ระบุจะถูกวิเคราะห์โดยใช้เปอร์เซ็นต์และ ‘โหมด’ ซึ่งแสดงถึงการตอบสนองที่พบบ่อยที่สุด สําหรับคําถามที่กําหนด อาจมีคําตอบกิริยามากกว่าหนึ่งข้อ เช่น หากทั้งมะกอกและไส้กรอกถูกเลือกในจํานวนครั้งเท่ากัน
คําถามคําตอบหลายข้อ เช่น ตัวอย่างท็อปปิ้งพิซซ่าที่ระบุไว้ข้างต้น ช่วยให้นักวิจัยสามารถสร้างตัวแปรเมตริกที่สามารถใช้สําหรับการวิเคราะห์เพิ่มเติมได้ ในสถานการณ์สมมตินี้ ผู้ตอบสามารถเลือกตัวเลือกใด ๆ หรือทั้งหมดให้คุณมีตัวแปรที่มีช่วงจากศูนย์ (ไม่ได้เลือก) ถึงจํานวนสูงสุดของประเภท สิ่งนี้กลายเป็นเครื่องมือที่มีประโยชน์สําหรับ การแบ่งส่วนพฤติกรรมของผู้บริโภค
เรียนรู้เพิ่มเติม: การแบ่งส่วนตลาด
สถิติเชิงพรรณนา
การกระจายของข้อมูลสามารถกําหนดได้โดยใช้สถิติเชิงพรรณนา เราสามารถใช้วิธีการทางสถิติเชิงพรรณนาสองวิธีสําหรับข้อมูลนี้:
- ตารางการกระจายความถี่: สิ่งนี้ออกแบบมาเพื่อจัดระเบียบข้อมูลเล็กน้อยในบางลําดับ ตารางประเภทนี้ทําให้ง่ายต่อการดูจํานวนคําตอบสําหรับแต่ละหมวดหมู่ในตัวแปร
- แนวโน้มกลาง: สิ่งนี้เรียกกันทั่วไปว่าโหมด มันทําหน้าที่เป็นตัวชี้วัดว่าค่าส่วนใหญ่อยู่ที่ไหน อย่างไรก็ตามสามารถประมาณได้เพียงโหมดเดียวสําหรับข้อมูลนี้เนื่องจากเป็น เชิงคุณภาพเท่านั้น
เรียนรู้เกี่ยวกับ: การวิเคราะห์เชิงพรรณนา
การวิเคราะห์กราฟ
การวิเคราะห์กราฟิกเกี่ยวข้องกับการนําเสนอข้อมูลทั้งหมดในรูปแบบภาพ เช่นเดียวกับสถิติเชิงพรรณนา การแสดงภาพข้อมูลของคุณช่วยให้คุณเห็นสิ่งที่กําลังบอกได้ง่ายขึ้น วิธีการเหล่านี้สามารถใช้กับชุดข้อมูลทั้งหมดในตารางและตัวอย่างที่นํามาจากมัน
- แผนภูมิแท่ง: ความถี่ของการตอบสนองแต่ละครั้งจะแสดงเป็นแท่งที่เพิ่มขึ้นในแนวตั้งจากแกนนอนในแผนภูมิแท่ง ซึ่งส่วนใหญ่ใช้ ความสูงของแต่ละแท่งมีความสัมพันธ์ผกผันกับความถี่ของคําตอบที่เกี่ยวข้อง
- แผนภูมิวงกลม: ความถี่ร้อยละของแต่ละตัวอย่างของชุดข้อมูลที่ระบุสามารถแสดงด้วยแผนภูมิวงกลมซึ่งใช้เช่นกัน
โดยทั่วไปนักวิจัยจะใช้แผนภูมิวงกลมเพื่อแสดงเปอร์เซ็นต์ (หรือเศษส่วน) ในขณะที่แผนภูมิแท่งมักใช้เพื่อแสดงความถี่การกระจาย (โหมด)
การจัดหมวดหมู่ของข้อมูลที่ระบุ
ข้อมูลที่ระบุต้องมีการจัดหมวดหมู่ตามความเหมือนและความแตกต่างเพื่อวิเคราะห์อย่างเหมาะสม ในวิธีนี้นักวิจัยสามารถเปรียบเทียบผลการวิจัยของพวกเขาโดยจับคู่กับชุดข้อมูลที่คล้ายกันซึ่งยังไม่ได้รับการตรวจสอบ
- หมวดหมู่ที่ตรงกัน: ตัวอย่างจากชุดตัวแปรข้อมูลที่ระบุเดียวกันจะถูกจัดกลุ่มเข้าด้วยกันในประเภทที่ตรงกัน ผลลัพธ์ทางสถิติที่ได้รับการปรับปรุงเป็นเป้าหมายหลักของการจับคู่ ซึ่งทําได้โดยการลดอิทธิพลของปัจจัยที่ทําให้สับสน
- หมวดหมู่ที่ไม่ตรงกัน: ตัวอย่างที่ไม่ตรงกันประกอบด้วยตัวแปรที่ไม่เชื่อมต่อกัน เป็นการเลือกแบบสุ่มจากชุดข้อมูลต่างๆ ที่ไม่มีความเหมือนกัน
การทดสอบทางสถิติ
การทดสอบทางสถิติช่วยให้คุณสามารถทดสอบสมมติฐานได้โดยการเจาะลึกลงไปในข้อมูลที่ข้อมูลเปิดเผยในขณะที่สถิติเชิงพรรณนาการวิเคราะห์กราฟิกและการจัดหมวดหมู่จะสรุปเฉพาะข้อมูลเล็กน้อยสําหรับการวิเคราะห์ที่ตรงไปตรงมา ในการวิเคราะห์ทางสถิติการแยกความแตกต่างระหว่าง ข้อมูลหมวดหมู่และข้อมูลตัวเลข เป็นสิ่งสําคัญเนื่องจากข้อมูลหมวดหมู่เกี่ยวข้องกับหมวดหมู่หรือป้ายกํากับที่แตกต่างกันในขณะที่ข้อมูลตัวเลขประกอบด้วยปริมาณที่วัดได้
สําหรับข้อมูลเล็กน้อยและลําดับจะใช้การทดสอบทางสถิติที่ไม่ใช่พารามิเตอร์ ดังนั้น คุณอาจ ทําการทดสอบไคสแควร์ ยอดนิยมเมื่อตรวจสอบชุดข้อมูลที่ระบุ:
- ความดีของไคสแควร์ของการทดสอบความพอดี: การทดสอบนี้กําหนดว่าตัวอย่างข้อมูลเป็นเรื่องปกติของประชากรข้อมูลทั้งหมดหรือไม่ การทดสอบจะใช้เมื่อมีการรวบรวมข้อมูลผ่านการสุ่มตัวอย่างจากประชากรกลุ่มเดียว
- การทดสอบความเป็นอิสระของไคสแควร์: สิ่งนี้จะตรวจสอบความสัมพันธ์ระหว่างตัวแปรเล็กน้อยสองตัว การทดสอบสมมติฐานช่วยให้สามารถกําหนดความเป็นอิสระของตัวแปรที่ระบุสองตัวจากตัวอย่างเดียว
ตัวอย่างข้อมูลที่กําหนด
ในแต่ละตัวอย่างที่กล่าวถึงด้านล่างมีป้ายกํากับที่เกี่ยวข้องกับตัวเลือกคําตอบแต่ละตัวเลือกเพื่อวัตถุประสงค์ในการติดฉลากเท่านั้น ตัวอย่างเช่นในคําถามแรกสุนัขแต่ละสายพันธุ์จะได้รับหมายเลขในขณะที่ในคําถามที่สองทั้งสองเพศจะถูกกําหนดชื่อย่อที่สอดคล้องกันเพื่อความสะดวกเท่านั้น
- คําถาม 1. ในสหรัฐอเมริกามีคนจํานวนมากที่รักและเป็นเจ้าของสุนัข สําหรับ บริษัท ที่เกี่ยวข้องกับการดูแลสุนัขในขณะที่เจ้าของไม่อยู่คําถามเช่นนี้อาจเป็นประโยชน์ในการกรองตลาดเป้าหมายของพวกเขา: สุนัขสายพันธุ์ใดที่เป็นที่รักมากที่สุด?
- ดัลเมเชี่ยน – 1
- โดเบอร์แมน – 2
- ลาบราดอร์ – 3
- เยอรมันเชพเพิร์ด – 4
- คําถาม 2. สําหรับ บริษัท ตัวแทนท่องเที่ยวที่ต้องการเปิดตัวแผนการเดินทางสําหรับตัวอย่างบุคคลเท่านั้นนี่เป็นคําถามพื้นฐานที่สุด: ใครรักการเดินทางมากกว่ากัน?
- ผู้ชาย – M
- ผู้หญิง – W
- คําถาม 3. ตัวแทนอสังหาริมทรัพย์ที่ตั้งอยู่ในนิวยอร์กจะมีแนวโน้มสูงที่จะเข้าใจคําตอบสําหรับคําถามนี้: บ้านประเภทใดที่ผู้อยู่อาศัยในนิวยอร์กซิตี้ต้องการ
- อพาร์ตเมนต์ – A
- บังกะโล – B
- วิลล่า – C
เรียนรู้เกี่ยวกับ: ประเภทของเครื่องชั่งวัดแบบแปรผัน
การใช้ QuestionPro Research Suite สําหรับการรวบรวมและวิเคราะห์ข้อมูลที่ระบุ
QuestionPro Research Suite เป็นแพลตฟอร์มสําหรับการสํารวจและการวิจัยที่อาจใช้เพื่อตรวจสอบข้อมูลที่ระบุ แพลตฟอร์มนี้มีคุณสมบัติและเครื่องมือมากมายสําหรับการวิเคราะห์ข้อมูล เช่น:
- ประเภทคําถาม: ประเภทคําถาม รวมถึงคําถามแบบเลือกครั้งเดียว แบบเลือกได้หลายแบบ และแบบปลายเปิด มีอยู่ใน QuestionPro และสามารถใช้เพื่อรวบรวมข้อมูลที่ระบุได้
- การเก็บรวบรวมข้อมูล: QuestionPro เสนอตัวเลือกการรวบรวมข้อมูลที่หลากหลาย รวมถึงแบบสํารวจทางอินเทอร์เน็ต คําเชิญทางอีเมล และแบบสํารวจบนมือถือ
- การแสดงข้อมูลด้วยภาพ: แพลตฟอร์มนี้มีตัวเลือกการแสดงภาพข้อมูลแบบโต้ตอบ เช่น แผนภูมิวงกลมและกราฟแท่ง
- การวิเคราะห์ข้อมูล: โมดูลการตรวจสอบข้อมูลในตัวใน QuestionPro นําเสนอสถิติเชิงพรรณนาสําหรับการวิเคราะห์ข้อมูลที่ระบุ รวมถึงการแจกแจงความถี่และเปอร์เซ็นต์
- การแบ่งกลุ่ม: แพลตฟอร์มนี้มีคุณสมบัติการแบ่งกลุ่มที่ให้ผู้ใช้แบ่งข้อมูลเล็กน้อยออกเป็นกลุ่มตามลักษณะ การแบ่งส่วน ทางประชากร พฤติกรรม หรือจิตวิทยาต่างๆ
- รายงาน: QuestionPro เสนอรายงานที่ปรับแต่งได้สําหรับการสรุปและแบ่งปันสิ่งที่ค้นพบกับผู้มีอํานาจตัดสินใจ
ใช้ QuestionPro Research Suite เพื่อรวบรวมและวิเคราะห์ข้อมูลเล็กน้อยเพื่อเรียนรู้เกี่ยวกับผู้ชมของคุณ แพลตฟอร์มของเราช่วยให้คุณสร้างและแจกจ่ายแบบสํารวจประชากรออนไลน์เพื่อรวบรวมอายุ เพศ การศึกษา อาชีพ และอื่นๆ เครื่องมือสร้างภาพข้อมูลและโมดูลการวิเคราะห์ข้อมูลของเราจะช่วยให้คุณตีความผลลัพธ์ได้ทันที
เรียนรู้เกี่ยวกับ: มูลค่าการสั่งซื้อเฉลี่ย
ใช้โอกาสนี้เพื่อ พัฒนาทักษะการวิจัย และบรรลุวัตถุประสงค์ของคุณ เริ่มต้นเส้นทางการวิเคราะห์ข้อมูลเล็กน้อยของคุณทันทีด้วยการทดลองใช้ฟรี!
เรียนรู้เพิ่มเติม ทดลองใช้ฟรี