Cover scale

Données ordinales

Essayez gratuitement une enquête par sondage Voxco Online !

SHARE THE ARTICLE ON

Il existe quatre échelles de mesure principales utilisées à des fins de classification :

  1. Nominal, où les nombres identifient et classifient les objets.
  2. Ordinale, où les nombres indiquent la position relative des objets, mais pas l’ampleur de la différence entre eux.
  3. Intervalle, où les différences entre les objets peuvent être comparées, et où le point zéro est arbitraire.
  4. Ratio, où le point zéro est fixe et où le rapport des valeurs d’échelle peut être calculé.

Dans cet article, nous nous intéresserons plus particulièrement aux « données ordinales » et à leurs exemples.

Ordinal Data3

Qu'est-ce qu'une donnée ordinale?

Le mot « ordinal » vient du latin tardif « ordinalis » qui signifie « relatif à l’ordre dans une série ». Par conséquent, comme son nom l’indique, les données ordinales sont des données/informations qui ont un ordre ou une échelle fixe. Largement utilisé dans les études de marché, c’est un type de données catégoriques et statistiques dans lequel les variables sont ordonnées sans distances définies entre les catégories connues.

Les données ordinales sont représentées à l’aide d' »échelles ordinales ». Les échelles ordinales vous permettent de déterminer si un objet possède moins ou plus d’une certaine caractéristique qu’un autre. Toutefois, il est important de noter que les échelles ordinales ne précisent pas à quel point cette différence est moindre ou plus importante.

Deux facteurs importants doivent être pris en compte en ce qui concerne les données ordinales :

  • La différence entre les variables sur l’échelle ordinale n’est pas toujours la même.
  • Plusieurs termes peuvent être utilisés pour représenter l' »ordre ».

Pour mieux comprendre ces facteurs, examinons une forme populaire de données ordinales : l’échelle de likert. Cette échelle, utilisée dans les études de marché ou les questionnaires, est généralement une échelle en cinq points où les personnes interrogées peuvent choisir entre « pas du tout d’accord », « pas d’accord », « neutre », « d’accord » et « tout à fait d’accord ». Cette échelle a un ordre clair. Cependant, il n’y a aucun moyen d’identifier les différences entre les variables de cette échelle. La différence entre « tout à fait d’accord » et « d’accord » peut être plus ou moins grande que la différence entre « pas d’accord » et « pas du tout d’accord ».

See Voxco in action

Caractéristiques des données ordinales

Examinons l’exemple suivant pour mieux comprendre les caractéristiques des données ordinales :

Choisissez une réponse en fonction de ce que vous pensez de l’affirmation suivante.

J’aime le travail que je fais.

  • Tout à fait d’accord
  • D’accord
  • Neutre
  • Pas d’accord
  • Pas du tout d’accord
  1. A une valeur médiane: Les échelles de données ordinales ont une valeur médiane. Il ne s’agit pas nécessairement de la valeur médiane de l’échelle et elle peut être calculée en utilisant des données qui ont un ordre inné.
  2. Pas de normalisation de l’échelle d’intervalle: Un intervalle standard ne peut pas être défini en utilisant une échelle ordinale. Dans l’exemple ci-dessus, la différence entre « tout à fait d’accord » et « d’accord » peut ne pas être la même que la différence entre « neutre » et « pas d’accord ».
  3. Extension des données nominales: Les données ordinales sont considérées comme une extension des données nominales. En effet, les données nominales sont des données « nommée », et les données ordinales sont également des données » nommées », mais avec un rang ou un ordre spécifique.
  4. Elles peuvent mesurer des caractéristiques non numériques/qualitatives: Comme le montre l’exemple ci-dessus, où les questions visent à saisir la satisfaction d’un répondant au travail, les données ordinales peuvent être utilisées pour mesurer les sentiments et d’autres variables qualitatives requises pour les études de marché.
  5. Établir un rang relatif: dans l’exemple ci-dessus, il est établi que « Tout à fait d’accord » signifie que la personne est plus d’accord avec l’affirmation qu’elle ne l’aurait été si elle avait choisi « d’accord ». Cela reflète la présence de rangs relatifs.
  6. Peut mesurer des valeurs numériques: Certaines échelles ordinales peuvent être numériques. Par exemple, si vous deviez évaluer votre satisfaction au travail sur une échelle de 1 à 10. Même les échelles qui ne sont pas numériques peuvent recevoir des rangs s’il s’agit d’une échelle ordinale. Cependant, les opérations numériques ne peuvent pas être effectuées sur ces valeurs.
[Enregistrement gratuit du webinaire]

Vous voulez savoir comment augmenter les taux de réponse à vos enquêtes ?

Apprenez à rencontrer les répondants là où ils se trouvent, à les inciter à répondre à l'enquête tout en offrant une expérience transparente, à chaque fois!

Analyse des données ordinales

  • Test de la somme des rangs de Wilcox

Le test de Wilcox rank-sum, également connu sous le nom de test U de Mann-Whitney, est un test statistique qualitatif utilisé pour étudier deux groupes d’échantillons indépendants. Il permet au chercheur de comparer deux échantillons provenant de deux groupes de données ordinales différents. Il permet de déterminer s’ils sont supérieurs ou inférieurs l’un à l’autre.

  • Test H de Kruskal-Wallis

Ce test est utilisé pour définir si la médiane de deux groupes ou plus varie, et peut montrer la différence entre deux groupes de données sur une échelle ordinale.

Exemples de données ordinales

Un chercheur mène une étude sur les attitudes sociales à l’égard de la marijuana et la question suivante est posée dans le cadre d’une enquête pour cette recherche:

Ordinal Data1 1
Ordinal Data2 1
  • Les variables nominales ne peuvent pas être ordonnées alors que les variables ordinales le peuvent.
  • Les valeurs quantitatives ne peuvent pas être associées aux variables nominales mais peuvent l’être aux variables ordinales. Cependant, les nombres associés aux variables ordinales ne peuvent être utilisés pour effectuer une quelconque évaluation arithmétique.