Si vous travaillez avec des données, quelles qu’elles soient, vous devez connaître les quatre principaux types de données : nominales, ordinales, d’intervalle et de rapport. Ce blog se concentre sur les données ordinales. Nous définirons, explorerons les caractéristiques et fournirons des exemples de ces données.
Poursuivez votre lecture pour apprendre tout ce que vous devez savoir sur ces données, leur utilisation, leur analyse et la différence entre les données nominales et ordinales.
APPRENEZ-EN DAVANTAGE SUR LE SUJET : Niveau d’analyse
Qu’est-ce qu’une donnée ordinale ?
Les données ordinales sont un type statistique de données quantitatives dans lequel les variables existent dans des catégories ordonnées naturelles. Cependant, il ne permet pas de déterminer la distance entre les deux catégories.
En statistiques, un groupe de nombres ordinaux indique cesdonnées, et un groupe de ces données est représenté à l’aide d’une échelle ordinale . La principale différence entre les données ordinales et nominales est que les données ordinales ont un ordre de catégories alors que les données nominales n’en ont pas.
En savoir plus : Échellenominale et échelleordinale
Échelle de Likert est un exemple courant de ces données. Pour une question telle que : « Veuillez exprimer l’importance que vous accordez à la tarification lors de l’achat d’un produit », une échelle de Likert comportera les options suivantes, codées en 1, 2, 3, 4 et 5 (chiffres) : « Veuillez exprimer l’importance que revêt pour vous le prix d’achat d’un produit », une échelle de Likert comportera les options suivantes, codées 1, 2, 3, 4 et 5 (chiffres). 1 est inférieur à 2, qui est inférieur à 3, qui est inférieur à 4, qui est lui-même inférieur à 5.
| Très important | Important | Neutre | Sans importance | Très peu important |
| 1 | 2 | 3 | 4 | 5 |
Les données ordinales sont donc une collection de variables ordinales, c’est-à-dire que si vous avez des variables dans un ordre particulier – « faible, moyen, élevé », elles peuvent être représentées comme ce type de données. Deux facteurs importants doivent être pris en compte pour ces données :
- Plusieurs termes représentent un « ordre », tels que « élevé, plus élevé, plus élevé » ou « satisfait, insatisfait, extrêmement insatisfait ».
- La différence entre les variables n’est pas uniforme.
En savoir plus : Types de variables de mesure
Utilisation des données ordinales
Ces données constituent un type de données important dans de nombreux domaines et ont un large éventail d’utilisations dans la recherche et la pratique. Nous examinerons ici quelques utilisations clés de ces données :
Enquêtes/Questionnaires
Elle est utilisée pour les enquêtes et les questionnaires en raison de sa nature « ordonnée ». L’analyse statistique est utilisée pour collecter les réponses afin de classer les personnes interrogées en fonction de leurs réponses. Dans l’analyse statistique, il est essentiel de faire la distinction entre les données catégorielles et les données numériques, car les données catégorielles impliquent des catégories ou des étiquettes distinctes, tandis que les données numériques consistent en des quantités mesurables.
Les résultats de cette analyse sont utilisés pour faire des déductions et tirer des conclusions sur les répondants par rapport à des variables spécifiques. Il est couramment utilisé à cette fin en raison de sa facilité de catégorisation et de collationnement.
Recherche
Les chercheurs utilisent ce type de données pour collecter des informations utiles sur le sujet de leur recherche. Les chercheurs médicaux, par exemple, devront collecter des données pour étudier les effets secondaires d’un médicament administré à 50 patients.
Après l’administration du médicament, chaque patient peut être invité à remplir un formulaire indiquant dans quelle mesure il ressent certains effets secondaires potentiels.
Service à la clientèle
Ces données sont utilisées par les entreprises pour améliorer le service à la clientèle. Lorsque les clients utilisent un service ou achètent un produit auprès d’une entreprise, ils sont souvent invités à remplir un formulaire concernant leur expérience. Il aidera les entreprises à améliorer leur service à la clientèle.
Demandes d’emploi
Les employeurs utilisent parfois une échelle de Likert lorsqu’ils recueillent des informations auprès des candidats à l’emploi au cours de la procédure de candidature. Par exemple, lorsqu’un candidat postule pour un poste de responsable des médias sociaux, une échelle de Likert peut être utilisée pour déterminer le degré de familiarité du candidat avec Facebook, Twitter, LinkedIn, etc.
Caractéristiques des données ordinales
Voici cinq caractéristiques de ce type de données :
- Quelles catégories décrivent le mieux votre dernière expérience d’achat d’un produit ou d’un service ?
- Très agréable
- Plutôt agréable
- Neutre
- Quelque peu désagréable
- Très désagréable
- Établir un classement relatif: dans l’exemple susmentionné, » assez agréable » est nettement moins bon que « très agréable », ou « très désagréable » est moins bon que « assez désagréable ». Il y a clairement un rang dans les options, ce qui indique cetype de données .
- La valeur de l’intervalle est inconnue : la variation entre agréable et agréable peut ne pas être la même que la différence entre assez désagréable et très désagréable . Vous ne pouvez pas inclure cet intervalle en utilisant ces données.
- Mesurer des caractéristiques non numériques : Toutes les options de réponse de l’exemple précédent sont non numériques, et ces données peuvent être utilisées pour capturer des sentiments tels que la satisfaction, le bonheur, la fréquence, etc.
- Complément aux données nominales : Les données nominales sont des données « étiquetées ». It est constitué de données étiquetées dans un ordre spécifique. Dans l’échantillon mentionné ci-dessus, il existe un ordre notable dans les options, ce qui en fait un cas classique de ce type de données.
- Les données ordinales ont une médiane : La médiane est la valeur située au milieu d’une échelle qui n’est pas la valeur centrale, et elle peut être calculée avec des données qui ont un ordre inhérent.
Analyse des données ordinales
Cette analyse de données est un plan d’analyse statistique permettant d’analyser des données avec un ordre naturel ou un classement. Ce type de données est souvent recueilli par le biais d’enquêtes ou de questionnaires. Voyons comment vous pouvez analyser vos données ordinales :
- Méthodes simples d’analyse des données ordinales
Ces données sont présentées sous forme de tableaux pour faciliter l’analyse pour le chercheur. Les diagrammes en mosaïque établissent également la relation entre les données nominales et ordinales.
Par exemple, si une organisation a l’intention d’analyser le nombre d’employés dans chaque hiérarchie afin de mettre en place un processus d’embauche systématique pour l’année à venir, elle peut présenter ces données sous la forme d’un tableau ordonné. Les responsables des ressources humaines trouveront ces données extrêmement faciles à consulter et à analyser en vue de futures mises à jour.
- Test U de Mann-Whitney
Le test U de Mann-Whitney est utilisé pour comparer deux groupes de données ordinales. Ce test permet au chercheur de conclure qu’une variable d’un échantillon est plus ou moins grande qu’une autre variable choisie au hasard dans un autre échantillon.
Par exemple, les chercheurs en psychologie peuvent étudier les modèles de comportement pour comparer deux médicaments différents.
- Test H de Kruskal-Wallis
Pour comparer plus de deux groupes de ces donnéesIl convient d’utiliser le test H de Kruskal-Wallis – Dans ce test, il n’est pas supposé que les données proviennent d’une source particulière. Ce test permet de déterminer si la médiane de deux groupes ou plus est variée. Il montre la différence entre plus de deux groupes. de ces données.
Par exemple, un chercheur souhaite évaluer l’impact du stress au travail sur la qualité du travail. Dans ce cas, la variable indépendante sera le stress au travail qui, dans l’idéal, comportera trois stades : pas de stress, trop de stress et stress supportable, et la qualité du travail variera de médiocre à excellente .
Exemples de données ordinales
Il s’agit d’un type de données catégorielles où les catégories ont un ordre ou un classement naturel. Voici quelques exemples de ce type de données :
- Dans une école de 3 000 élèves, il y a plusieurs catégories : les étudiants de première année, les étudiants de deuxième année, les étudiants de deuxième année et les étudiants de troisième année. Après le début du mandat, c’est le décompte de chaque catégorie :
- 1000 – Nouveaux étudiants
- 800 – Sophomores
- 750 – Juniors
- 450 – Seniors
- Une organisation mène une enquête trimestrielle de satisfaction auprès de ses employés, en posant la question suivante : « Quel est votre degré de satisfaction à l’égard de votre supérieur et de vos collègues ? »
- Extrêmement heureux – 1
- Heureux – 2
- Neural – 3
- Malheureux – 4
- Extrêmement mécontent – 5
- Selon vos préférences, veuillez évaluer ces 5 livres à succès :
- Le feu et la fureur – 1
- Une plus grande loyauté : Vérité, mensonges et leadership – 2
- La femme à la fenêtre – 3
- La grande solitude – 4
- L’art subtil de s’en foutre : Une approche contre-intuitive pour vivre une bonne vie – 5
Différence entre les données ordinales et les données nominales
En statistique, les données peuvent être classées en différents types en fonction de leurs caractéristiques et de leurs propriétés. Les données ordinales et les données nominales sont deux exemples de ce type de données. Comprendre la différence entre les données ordinales et nominales est important dans de nombreuses analyses statistiques car cela détermine les méthodes d’analyse à utiliser. Nous verrons ici quelques différences essentielles entre ces deux types de données :
- Les données nominales sont des données classées sans ordre ou classement particulier. Par exemple, la couleur des cheveux, le sexe et les types de voitures sont tous des exemples de données nominales. Les données ordinales, quant à elles, sont un type de données ayant un ordre ou un classement naturel. Il s’agit de données catégoriques qui peuvent être classées ou ordonnées en fonction d’un attribut ou d’une caractéristique spécifique. Des exemples de données ordinales sont le niveau d’éducation, la fourchette de revenus ou les notes.
- Vous pouvez compter, classer et catégoriser des données nominales, mais vous ne pouvez pas les classer. En revanche, les données ordinales permettent de classer ou d’ordonner, mais la distinction entre chaque catégorie n’est pas toujours perceptible ou mesurable.
- Les données nominales sont représentées par des diagrammes à secteurs. En revanche, les données ordinales utilisent un histogramme ou un diagramme à barres.
Comment QuestionPro peut-il aider à gérer les données ordinales ?
QuestionPro est une plateforme logicielle d’enquête qui offre des fonctions et des outils pour aider les chercheurs et les analystes à traiter différents types de données, y compris les données ordinales. QuestionPro peut vous aider à exploiter ces données de différentes manières. Voici quelques exemples :
- Conception d’enquêtes : L’interface de conception d’enquêtes de QuestionPro vous permet de créer rapidement des questions adaptées à la collecte de données. Vous pouvez utiliser des échelles d’évaluation, des échelles de Likert et d’autres types d’échelles de réponse ordinale pour créer des questions.
- Collecte de données : QuestionPro permet de collecter des données de différentes manières, notamment par le biais d’enquêtes en ligne, d’enquêtes pour appareils mobiles, d’enquêtes pour kiosques et d’enquêtes sur papier. Vous pouvez choisir la méthode la mieux adaptée à vos besoins de recherche spécifiques.
- Analyse des données : QuestionPro dispose d’un ensemble d’outils puissants pour l’analyse des données, conçus spécialement pour ces données. Par exemple, le logiciel peut calculer la médiane, le mode, l’étendue, les quartiles et d’autres statistiques descriptives. Vous pouvez également générer des graphiques et des diagrammes adaptés à la visualisation de ces données, tels que des diagrammes en boîte, des histogrammes et des diagrammes de dispersion.
APPRENDRE À CONNAÎTRE : L’analyse descriptive
- Rapports : QuestionPro propose diverses options de reporting pour vous aider à communiquer vos idées après avoir collecté et analysé vos données. Les rapports peuvent être générés dans différents formats, y compris PDF, Excel et Word, et ils peuvent être personnalisés pour n’inclure que les données pertinentes pour votre recherche.
EN SAVOIR PLUS : Valeur moyenne des commandes
QuestionPro est un outil puissant pour travailler avec des données ordinales, et il peut vous aider à collecter, analyser et rapporter vos données de manière efficace.
