Meetniveau verwijst naar de specifieke manier waarop een variabele wordt gemeten binnen wetenschappelijk onderzoek, en meetschaal verwijst naar het specifieke hulpmiddel dat een onderzoeker gebruikt om de gegevens op een georganiseerde manier te sorteren, afhankelijk van het meetniveau dat ze hebben geselecteerd.
Het kiezen van meetniveau en -schaal zijn belangrijke onderdelen van het onderzoeksontwerpproces omdat ze nodig zijn voor het systematisch meten en categoriseren van data, en dus ook voor het analyseren ervan en het trekken van conclusies die als valide worden beschouwd.
Binnen de wetenschap zijn er vier veelgebruikte meetniveaus en meetschalen: nominaal, ordinaal, interval en ratio . Deze werden ontwikkeld door psycholoog Stanley Smith Stevens, die erover schreef in een artikel uit 1946 in Science , getiteld ' On the Theory of Scales of Measurement '. Elk meetniveau en de bijbehorende schaal kunnen een of meer van de vier meeteigenschappen meten, waaronder identiteit, grootte, gelijke intervallen en een minimumwaarde van nul .
Er is een hiërarchie van deze verschillende meetniveaus. Met de lagere meetniveaus (nominaal, ordinaal) zijn aannames doorgaans minder beperkend en zijn gegevensanalyses minder gevoelig. Op elk niveau van de hiërarchie bevat het huidige niveau alle kwaliteiten van het niveau eronder, naast iets nieuws. Over het algemeen is het wenselijk om hogere meetniveaus (interval of verhouding) te hebben in plaats van een lager. Laten we elk meetniveau en de bijbehorende schaal eens bekijken in volgorde van laag naar hoog in de hiërarchie.
Het nominale niveau en de schaal
Een nominale schaal wordt gebruikt om de categorieën te benoemen binnen de variabelen die u in uw onderzoek gebruikt. Dit soort schaal geeft geen rangorde of rangschikking van waarden; het geeft eenvoudigweg een naam voor elke categorie binnen een variabele, zodat u ze tussen uw gegevens kunt volgen. Dat wil zeggen, het voldoet aan de meting van identiteit, en identiteit alleen.
Veelvoorkomende voorbeelden binnen de sociologie zijn het nominaal volgen van geslacht (mannelijk of vrouwelijk) , ras (wit, zwart, Spaans, Aziatisch, Indiaans, enz.) En klasse (arm, arbeidersklasse, middenklasse, hogere klasse). Natuurlijk zijn er nog vele andere variabelen die men op een nominale schaal kan meten.
Het nominale meetniveau wordt ook wel een categorische maatstaf genoemd en wordt als kwalitatief beschouwd. Bij het doen van statistisch onderzoek en het gebruik van dit meetniveau, zou men de modus, of de meest voorkomende waarde, gebruiken als een maatstaf voor de centrale tendens .
Het ordinale niveau en de schaal
Ordinale schalen worden gebruikt wanneer een onderzoeker iets wil meten dat niet gemakkelijk te kwantificeren is, zoals gevoelens of meningen. Binnen zo'n schaal worden de verschillende waarden voor een variabele progressief geordend, wat de schaal nuttig en informatief maakt. Het voldoet aan zowel de eigenschappen van identiteit als van omvang. Het is echter belangrijk op te merken dat een dergelijke schaal niet kwantificeerbaar is - de precieze verschillen tussen de variabele categorieën zijn onkenbaar.
Binnen de sociologie worden ordinale schalen vaak gebruikt om de opvattingen en meningen van mensen over sociale kwesties, zoals racisme en seksisme, te meten, of hoe belangrijk bepaalde kwesties voor hen zijn in de context van politieke verkiezingen. Als een onderzoeker bijvoorbeeld wil meten in hoeverre een bevolking gelooft dat racisme een probleem is, kunnen ze een vraag stellen als "Hoe groot is racisme in onze huidige samenleving?" en geef de volgende antwoordopties: "het is een groot probleem", "het is een beetje een probleem", "het is een klein probleem" en "racisme is geen probleem."
Bij gebruik van dit meetniveau en deze schaal is het de mediaan die de centrale tendens aangeeft.
Het intervalniveau en de schaal
In tegenstelling tot nominale en ordinale schalen, is een intervalschaal een numerieke schaal die het mogelijk maakt om variabelen te ordenen en een nauwkeurig, kwantificeerbaar begrip geeft van de verschillen ertussen (de intervallen ertussen). Dit betekent dat het voldoet aan de drie eigenschappen van identiteit, grootte en gelijke intervallen.
Leeftijd is een veel voorkomende variabele die sociologen volgen met behulp van een intervalschaal, zoals 1, 2, 3, 4, enz. Men kan ook niet-interval, geordende variabele categorieën omzetten in een intervalschaal om statistische analyse te vergemakkelijken. Het is bijvoorbeeld gebruikelijk om inkomen te meten als een bereik , zoals $ 0- $ 9.999; $ 10.000- $ 19.999; $ 20.000 - $ 29.000, enzovoort. Deze bereiken kunnen worden omgezet in intervallen die het stijgende inkomensniveau weerspiegelen, door 1 te gebruiken om de laagste categorie aan te geven, 2 de volgende, dan 3, enz.
Intervalschalen zijn vooral handig omdat ze niet alleen de frequentie en het percentage van variabele categorieën in onze gegevens kunnen meten, maar ons ook in staat stellen om naast de mediaan ook het gemiddelde te berekenen. Belangrijk is dat met het intervalniveau van de meting ook de standaarddeviatie kan worden berekend .
Het verhoudingsniveau en de schaal
De verhoudingsschaal van meten is bijna hetzelfde als de intervalschaal, maar het verschilt doordat het een absolute waarde van nul heeft, en dus is het de enige schaal die aan alle vier de meeteigenschappen voldoet.
Een socioloog zou een ratioschaal gebruiken om het werkelijke verdiende inkomen in een bepaald jaar te meten, niet onderverdeeld in categorische bereiken, maar variërend van $ 0 naar boven. Alles wat vanaf het absolute nulpunt kan worden gemeten, kan worden gemeten met een ratioschaal, zoals bijvoorbeeld het aantal kinderen dat een persoon heeft, het aantal verkiezingen waarop iemand heeft gestemd, of het aantal vrienden van een ander ras dan de beantwoorder.
Men kan alle statistische bewerkingen uitvoeren zoals met de intervalschaal, en zelfs meer met de ratioschaal. In feite wordt het zo genoemd omdat men verhoudingen en breuken uit de gegevens kan maken wanneer men een verhoudingsniveau van meting en schaal gebruikt.
Bijgewerkt door Nicki Lisa Cole, Ph.D.
