鬍鬚曾統計顧問
  • 首頁
  • 最新消息
  • 統計學課程
    • 基礎統計SPSS
    • 行銷數量分析課程介紹
    • 信效度分析
    • 基礎迴歸分析
    • PLS結構方程式
  • 關於我們
  • 隱私政策
  • 統計學懶人包

 統計學懶人包

熱門搜尋:  標準化 | 問卷前測 | 交叉分析

【比率尺度:最高階尺度,但使用要注意】

11/2/2018

0 評論

 
比率尺度是所有尺度最高階的,它具備前面所有尺度的特性(類別、順序、區間)。

最常見的例子就是銷售量..來看看它如何具備所有尺度特性

具有區間尺度特性 (等距): 銷售量10與11,11與12都差1
具有順序尺度特性: 銷售量20000比10000大
具有類別尺度特性: 可以根據一個標準將銷售量進一步分類成不同類別,如高、中、低

比率尺度提供的資訊相對於其他尺度而言是最多且明確,譬如,你問一個人的每月可支配所得是多少?________
他說,24444,這就是一個比率尺度的回答,相當明確 
如果你用順序尺度 (選項間可比大小可是不等距,看看50001以上那個類別吧)
未滿10000
10001到20000
20001到30000
30001到40000
40001到50000
50001以上 
這個人就會選20001-30000,可是你不知道確切的數字

或是如果用類別尺度
所得低
所得中
所得高


這樣不就更不明確?

但是雖然比率尺度可以得到明確資訊,有時在現實上我們不太可能用比率尺度直接去問人,特別是當這個問題比較敏感時

像剛剛的收入就是啦? 你在問卷上問請問你的每月可支配收入是多少____
大部分的人都會忽略這題不填,因為這攸關個人隱私,或是有可能會謊報。
為了降低這種困境,我們實務上還是比較常用順序尺度問月收入,因為受試者不用很明確告知你它的所得,所以他們比較會願意填而且比較不會謊報
如果我是24444我勾20001-30000至少我可以假裝我是30000。

在問卷上請受試者填比率尺度,還有一個問題,就是你在考驗受試者的記憶

請問你一年內看了多少次電影?___

如果你很少看電影,這題還好回答,萬一你將電影當成家常便飯呢?

再來看另一個例子,請問你一個月上網幾次?__

這很難回答是吧!

如果用比較低階的尺度,就會比較好回答,至少受試者如果因為太多次記不起來,它可以勾選 “100次以上"

如果用比率尺度,受試者就可能會因為太難回答而選擇略過不答或是亂答。

所以如果要在問卷問題中用比率尺度,你可要謹慎選擇"參考的時間點",到底要一年以內、還是半年、還是一個月還是一周?這你可能在正式問卷前先做個小前測測試一下你的受試者是否能夠輕鬆回答

但比率尺度其實在某些資料很常用,且不會有上述問題!像是銷售量、收益、總銷貨成本等等會計或財務的資料,可以輕易從公司取得,或是考試分數,如果你是老師,你可以輕易知道因為就是你打分數的。

比率尺度的特性就是有絕對的零點,當所得為0時就是真的沒有所得,不像區間尺度,區間尺度沒有絕對零點,就算是0也還是有東西。所以,比率尺度可以做乘除運算。

那麼我們就已經將所有的變數尺度概念講完了,接下來你要開始簡單學、做的好了嗎!
0 評論



發表回覆。

    圖片

    我是誰

    鬍鬚曾,政大博士,為人和善客氣,看起來呆呆萌萌的,喜歡分享簡單統計知識,熱心幫助有需要的人,做事認真,常常忘記要照顧自己

    查文章

    十月 2024
    十月 2022
    九月 2022
    十月 2021
    九月 2021
    八月 2021
    十月 2020
    二月 2020
    一月 2020
    十二月 2019
    十一月 2019
    十月 2019
    九月 2019
    八月 2019
    七月 2019
    六月 2019
    五月 2019
    四月 2019
    二月 2019
    一月 2019
    十二月 2018
    十一月 2018
    十月 2018

    類別

    全部
    勉勵與期許
    問卷前測
    問卷設計
    基礎統計概念
    大數據分析
    抽樣
    推論統計
    進階統計
    進階統計
    關於鬍鬚曾

    RSS 訂閱


隱私政策  |  部落格  |  關於鬍鬚曾  |  免費好康  |  輔大永續研究中心


Hours

M-F: 11 am - 5pm

Facebook

點我

Email

[email protected]
  • 首頁
  • 最新消息
  • 統計學課程
    • 基礎統計SPSS
    • 行銷數量分析課程介紹
    • 信效度分析
    • 基礎迴歸分析
    • PLS結構方程式
  • 關於我們
  • 隱私政策
  • 統計學懶人包