PARTAGEZ L’ARTICLE SUR
L’échelle nominale, contrairement aux autres échelles des quatre niveaux de mesure, utilise des « balises » ou des « étiquettes » pour associer la valeur au rang. Elle différencie les éléments en fonction des catégories auxquelles ils appartiennent. Une échelle nominale ne dépend pas des nombres car elle traite des attributs non numériques.
Par exemple, dans unmarathon, tous les concurrents reçoivent un numéro. Ces numéros servent à identifier les concurrents. Les chiffres n’ont aucun lien avec le résultat de la course ou avec les caractéristiques des personnes.
Une échelle nominale peut avoir à la fois des variables qualitatives et quantitatives. Par exemple, votre appartenance religieuse, votre genre, votre pays ou votre ville, votre état matrimonial, etc. peuvent être considérés comme un type d’échelle nominale.
Un exemple d’échelle nominale est :
Quel est ton genre ?
Nous rencontrons des échelles nominales dans nos activités quotidiennes.
Afin de collecter des données à l’aide de l’échelle nominale, vous devez utiliser une enquête de type questionnaire. Ces questions peuvent être de plusieurs types. Certaines sont listées ci-dessous :
Questions ouvertes : Ce type de questionnaire permet au répondant de répondre librement.
Il peut inclure une question suivie d’un espace blanc pour y répondre. Par exemple :
Ou il peut inclure une question, puis une liste d’options à sélectionner.
Questions à réponses multiples: ce type de questions permet au répondant de sélectionner plus d’une option comme choix de réponse. Cependant, vous avez le contrôle pour limiter le nombre de choix qu’un répondant peut donner.
Par exemple, une question suivie de « choisissez seulement deux options ».
Questions fermées-ouvertes : Ce modèle de questions combine les caractéristiques des questions ouvertes et des questions à réponses multiples. Les « ouvertures » pour ces types de questions ont l’option « autres » pour que les répondants mettent leur réponse personnelle si leur choix ne figure pas sur la liste.
Par exemple:
Du fait que les échelles nominales sont souvent de nature qualitative, la question du calcul et de l’analyse prête souvent à confusion. Les numéros attribués aux éléments n’ont pas de valeur numérique. Cela signifie qu’aucun calcul arithmétique ne peut être effectué sur des données obtenues par échelle nominale.
Mode ou pourcentage: L’égalité ou l’appartenance à l’ensemble ou la méthode de regroupement peut être utilisée pour analyser les données nominales. Après avoir rassemblé les données, vous pouvez les regrouper dans des catégories distinctes. Le mode ou le pourcentage de chaque catégorie peut alors être calculé.
Par exemple, après avoir collecté des données basées sur l’appartenance religieuse de toutes les personnes de votre institut, vous pouvez classer les répondants en groupes séparés.
Après avoir segmenté les répondants, vous pouvez quantifier le pourcentage de chaque groupe par rapport au nombre total de participants.
En revanche, la médiane ou la moyenne ne peuvent être calculées car elles n’auraient aucun sens. Les qualités de l’attribut peuvent être mises dans n’importe quel ordre car le classement des variables n’a pas de sens.
Interprétation graphique: Les diagrammes à secteurs et les diagrammes à barres sont deux techniques utiles pour l’analyse des données nominales.
Graphique à secteurs : Vous pouvez utiliser un graphique à secteurs pour représenter la valeur en pourcentage de vos résultats
Diagramme à barres: La hauteur de chaque barre peut représenter la fréquence des catégories en fonction des réponses. Diagramme à barres: La hauteur de chaque barre peut représenter la fréquence des catégories en fonction des réponses.
Les données recueillies après chaque enquête doivent être regroupées en fonction des caractéristiques. Cela aide les chercheurs à évaluer les données analysées par rapport aux données non analysées.
Il existe deux catégories d’évaluation des données nominales. Ce sont les échantillons appariés et les échantillons non appariés.
Dans cette catégorie, les données ayant des caractéristiques similaires sont jumelées. Le but est d’apparier chaque répondant des échantillons qui partagent les mêmes caractéristiques à l’exception de celui qui doit être évalué.
Cela aide à recevoir de meilleures statistiques en contrôlant les autres variables indésirables des données.
Par exemple, vous pouvez collecter des données sur vos employés qui ont contracté la Covid-19 en contrôlant la catégorie « grippe virale » après avoir fait correspondre la liste avec le nombre d’employés.
La catégorie appariée comprend deux types de tests.
La catégorie comprend des paires aléatoires choisies à des fins d’analyse. Contrairement à la catégorie appariée, il s’agit d’un échantillon indépendant.
Par exemple, lorsque vous souhaitez connaître les effets de l’huile capillaire et que vous sélectionnez 100 participants quel que soit leur état de santé.
La catégorie non appariée comprend deux tests.
L’échelle nominale peut être utilisée pour collecter des données à des fins officielles ainsi que pour des enquêtes à grande échelle.
En savoir plus
Nous utilisons des cookies sur notre site web pour vous offrir la meilleure expérience de navigation et pour adapter la publicité. En continuant à utiliser notre site web, vous nous donnez votre accord pour l'utilisation des cookies. Lire la suite
prénom | Domaine | Objectif | Expiration | Type |
---|---|---|---|---|
hubspotutk | www.voxco.com | HubSpot functional cookie. | 1 year | HTTP |
lhc_dir_locale | amplifyreach.com | --- | 52 years | --- |
lhc_dirclass | amplifyreach.com | --- | 52 years | --- |
prénom | Domaine | Objectif | Expiration | Type |
---|---|---|---|---|
_fbp | www.voxco.com | Facebook Pixel advertising first-party cookie | 3 months | HTTP |
__hstc | www.voxco.com | Hubspot marketing platform cookie. | 1 year | HTTP |
__hssrc | www.voxco.com | Hubspot marketing platform cookie. | 52 years | HTTP |
__hssc | www.voxco.com | Hubspot marketing platform cookie. | Session | HTTP |
prénom | Domaine | Objectif | Expiration | Type |
---|---|---|---|---|
_gid | www.voxco.com | Google Universal Analytics short-time unique user tracking identifier. | 1 days | HTTP |
MUID | bing.com | Microsoft User Identifier tracking cookie used by Bing Ads. | 1 year | HTTP |
MR | bat.bing.com | Microsoft User Identifier tracking cookie used by Bing Ads. | 7 days | HTTP |
IDE | doubleclick.net | Google advertising cookie used for user tracking and ad targeting purposes. | 2 years | HTTP |
_vwo_uuid_v2 | www.voxco.com | Generic Visual Website Optimizer (VWO) user tracking cookie. | 1 year | HTTP |
_vis_opt_s | www.voxco.com | Generic Visual Website Optimizer (VWO) user tracking cookie that detects if the user is new or returning to a particular campaign. | 3 months | HTTP |
_vis_opt_test_cookie | www.voxco.com | A session (temporary) cookie used by Generic Visual Website Optimizer (VWO) to detect if the cookies are enabled on the browser of the user or not. | 52 years | HTTP |
_ga | www.voxco.com | Google Universal Analytics long-time unique user tracking identifier. | 2 years | HTTP |
_uetsid | www.voxco.com | Microsoft Bing Ads Universal Event Tracking (UET) tracking cookie. | 1 days | HTTP |
vuid | vimeo.com | Vimeo tracking cookie | 2 years | HTTP |
prénom | Domaine | Objectif | Expiration | Type |
---|---|---|---|---|
__cf_bm | hubspot.com | Generic CloudFlare functional cookie. | Session | HTTP |
prénom | Domaine | Objectif | Expiration | Type |
---|---|---|---|---|
_gcl_au | www.voxco.com | --- | 3 months | --- |
_gat_gtag_UA_3262734_1 | www.voxco.com | --- | Session | --- |
_clck | www.voxco.com | --- | 1 year | --- |
_ga_HNFQQ528PZ | www.voxco.com | --- | 2 years | --- |
_clsk | www.voxco.com | --- | 1 days | --- |
visitor_id18452 | pardot.com | --- | 10 years | --- |
visitor_id18452-hash | pardot.com | --- | 10 years | --- |
lpv18452 | pi.pardot.com | --- | Session | --- |
lhc_per | www.voxco.com | --- | 6 months | --- |
_uetvid | www.voxco.com | --- | 1 year | --- |