Podstawy badań behawioralnych: proste definicje zmiennych i miar

W tym artykule omówimy niektóre podstawowe terminy analizy ilościowej.

6689062, CC0, przez Pixabay

Jakościowa i ilościowa analiza statystyczna może być bardzo pomocna dla firmy lub organizacji, które chcą sformułować skuteczną strategię marketingową. Jednak zrozumienie statystyk jakościowych i ilościowych oraz ich narzędzi może być bardzo zagmatwane. W tym artykule podjęto próbę zrozumienia podstawowych terminów związanych z analizą ilościową.

Zmienne

Zmienna to obserwowalna cecha obiektu lub zdarzenia, którą można opisać zgodnie z dobrze zdefiniowaną klasyfikacją lub schematem pomiaru.

Przykłady zmiennych badanych w badaniach behawioralnych lub społecznych obejmują: płeć, dochód, wykształcenie, klasę społeczną, produktywność organizacyjną, orientację na zadania, pamięć przypominającą, pamięć rozpoznawczą i osiągnięcia (Kerlinger i Lee, 2001).

Zmienne niezależne i zależne

Zmienna niezależna to zjawisko, na które manipuluje badacz i przewiduje się, że będzie miało wpływ na inne zjawiska (Williams i Monge, 2001). Przykładem zmiennej niezależnej może być metoda nauczania, leczenie lub schemat treningowy.

Zmienna zależna to zjawisko, na które ma wpływ manipulacja przez badacza innym zjawiskiem. Na przykład osiągnięcie jest efektem metody nauczania, wyleczeniem lub nie efektem leczenia, a wyższy poziom umiejętności lub nie (osiągnięcie) efektem treningu.

Załóżmy, że badacz edukacyjny chce wiedzieć, w jaki sposób określony styl nauczania wpływa na uczenie się w klasie i zmierzy różnicę, dając uczniom test wstępny przed zastosowaniem stylu nauczania, a następnie ponownie testując tych samych uczniów. Zmienną niezależną byłaby nowa metoda nauczania (przyczyna), a zmienną zależną byłyby wynikowe wyniki testów lub wynik lub skutek).

Zmienne aktywne i atrybutowe

Kerlinger i Lee dokonują kolejnego rozróżnienia w zmiennych między aktywnymi a atrybutami.

Zmienna aktywna to zmienna, którą można manipulować. Zmienne aktywne są również nazywane zmiennymi eksperymentalnymi. Przykładami tego typu zmiennych są metody nauczania, schematy treningowe i tym podobne, które można zmieniać, aby ocenić ich wpływ na zjawiska.

Zmienna atrybutu to zmienna, której nie można manipulować. Przykładem zmiennej atrybutu jest płeć, rasa, stan psychiczny i / lub jakakolwiek cecha, która jest wrodzona lub zaprogramowana i której nie można zmienić.

Zmienne kategorialne i ciągłe

Trzecia para ważnych zmiennych to zmienne kategorialne i ciągłe (Kerlinger i Lee).

Zmienne kategorialne należą do miary o charakterze nominalnym i demograficznym. Oznacza to, że są używane do celów klasyfikacji do wzajemnie wykluczających się kategorii. Jako tacy nie mają rangi, a zatem mają równy status, taki jak płeć, wiek, rasa, preferencje religijne i przynależność polityczna.

Zmienne ciągłe to takie, które mają uporządkowany sens wartości w pewnym zakresie, z teoretyczną nieskończoną liczbą wartości w tym zakresie. Przykładem tego typu zmiennej jest inteligencja, którą można określić jako wysoką, średnią lub niską w zależności od wyników testów osiągnięć.

Skale pomiarowe w analizie statystycznej

W analizie statystycznej wyróżnia się cztery podstawowe poziomy pomiaru.

Nominalna skala

Skala nominalna jest najsłabszą formą pomiaru statystycznego. Badacze używają skali nominalnej do klasyfikowania obserwacji bez zamiaru porządkowania lub oceniania wyników pod względem ważności. Takie obserwacje obejmują podkreślenie koloru oczu, rasy, religii, narodowości i tym podobnych.

Skala porządkowa

Skala porządkowa obejmuje skalę nominalną, ale stara się uszeregować odpowiedzi z pewnym „większym niż” lub „mniejszym niż”. Na przykład kwestionariusz badawczy może zostać zaprojektowany w celu sprawdzenia, jak bardzo dorośli lubią korzystać z mediów społecznościowych, takich jak Facebook, lub wyniki wyścigów konnych mogą być wymienione w kolejności ukończenia.

Zarówno nominalne, jak i porządkowe skale pomiaru są używane przede wszystkim w analizie jakościowej.

Skale przedziałowe i wskaźnikowe

Trzecią formą pomiaru statystycznego jest skala interwałowa. Pierwszą cechą charakterystyczną skal przedziałowych i ilorazowych jest to, że poziom istotności jest traktowany jako znane i równe przedziały. Drugą cechą charakterystyczną tych poziomów lub skal jest to, że mają one charakter ilościowy. Ponadto można do nich zastosować niektóre lub wszystkie operacje arytmetyczne.

Ważność i niezawodność

W Reasoning with Statistics Frederick Williams i Peter Monge (2001) zauważyli:

Innymi słowy, zawsze istnieje możliwość, że wybrana metoda rzeczywiście doprowadzi do statystycznego szaleństwa. Aby zapewnić wyniki określonej analizy statystycznej, potencjalny badacz musi wziąć pod uwagę koncepcje trafności i rzetelności.

Ważność

Trafność w badaniach behawioralnych lub społecznych wskazuje stopień, w jakim skale mierzą to, co badacze twierdzą, że mierzą. Williams & Monge zwracają uwagę, że „kwestia trafności to kwestia„ dopasowania ”między tym, co badacz zdefiniował jako cechy zjawiska, a tym, co opisał w języku pomiaru” (s. 29).

Na przykład pojęcie trafności może stawiać takie pytanie, jak „w jakim stopniu wyniki osiągnięć na egzaminie odnoszą się do zachowania wiedzy z określonego przedmiotu?”. W absurdalnej skrajności pojęcie trafności zostałoby naruszone, gdyby nauczyciel zdał egzamin z części 4 tekstu z historii Stanów Zjednoczonych, podczas gdy chciała wiedzieć, ile jej uczniowie nauczyli się z części 5 tekstu matematycznego. Podobnie badaczka nauk społecznych byłaby nie w porządku, gdyby mierzyła postrzeganie stylu przywództwa, przeprowadzając test osobowości.

Niezawodność

Rzetelność w badaniach behawioralnych odnosi się do wewnętrznej i zewnętrznej spójności pomiaru. Niezawodność stara się wiedzieć, czy wybrane narzędzie pomiaru dałoby takie same wyniki, gdyby zostało zastosowane w dokładnie takich samych warunkach.