名目データと序数データ:定義と例

データサイエンスを扱うとき、順序データと名目データの違いは何かを理解する必要があります。
データサイエンティストは、データセットがノミナルまたは順序のどちらであるかに基づいて、適用するデータ分析のタイプを決定する方法を決定します。このページでは

を学習します:

• ノミナルデータとは何ですか、順序データとは何ですか？
  定義と例
• 名目データと順序データ：主な違い
• 比較表：PDFのインフォグラフィック。

公称値と順序値は、データ測定の2つの異なるレベルです。 あなたの変数の測定のレベルを理解することはデータの分野で働くとき重大な能力である。

言い換えると、データをラベル付けする方法は”スケール”として知られています。 実際には、4つの測定スケールがあります：公称、順序、間隔、および比率。 これらは単に、異なるタイプの変数を分類する方法を表しています。

: 定義、例、主要特性

まず、名目データスケールは、定量的な値の任意のタイプなしで、単に変数をラベル付けするために使用されることを明確にしましょう。 “ノミナル”という名前は、”名前”を意味するラテン語の”nomen”に由来しています。

それを定義しましょう：

名目データは、単純な命名システムによって区別される項目です。 職業など、数値のないデータです。 名目上のデータは、他の番号付きアイテムに関連する注文に適用せずに、物に名前を付けるだけです。

名目上のデータと変数について最も一般的な考え方は、名前が付けられているということです。

ノミナルデータはカテゴリカルデータとも呼ばれます。 名目上のスケールでは、被験者は異なるカテゴリにのみ割り当てられます。 これらのカテゴリにグループ化された値には意味のある順序はありません。 階層はありません。 たとえば、性別と職業は名目上のレベル値です。

では、名目データと変数の重要な特性を合計しましょう:

上記のインフォグラフィックをPDFでダウンロード

• 名目データを定量化することはできません。
• また、どのタイプの注文にも割り当てることはできません。
• 値は個別のカテゴリにのみ割り当てられます。
• これらのカテゴリには意味のある順序はありません。

公称スケール

公称スケールは、非数値データをカテゴリに入れます。 実際には、名目上のスケールは単に”ラベル”と呼ばれることができます。「公称スケールは相互に排他的（重複なし）であり、数値的な問題はありません。

例えば、国を大陸に入れる。 例：ブルガリアはヨーロッパの国です。

興味深いメモ：2つのカテゴリ（例えば、女性/男性）のみを持つ名目上のスケールは、”二分法”と呼ばれています。”

名目データの例:

上記のインフォグラフィックをPDFでダウンロード

• 性別（女性、男性）
• 宗教（モスリン、仏教、キリスト教）
• 髪の色（ブロンド、ブラウン、ブルネット、赤など。
• 住宅スタイル（牧場の家、モダニズム、アールデコ）
• 婚姻状況（結婚、シングル、未亡人）
• 民族性（ヒスパニック系、アジア系）
• 目の色（青、緑、茶色）。

上記の例からわかるように、カテゴリへの固有の順序付けはありません。 目の色は、いくつかのカテゴリ（青、緑、茶色）を持つカテゴリ変数であり、これらを最高から最低に順序付ける方法はありません。

実際には、市場セグメンテーションの例の多くは、名目スケールと測定を作成するための基礎です。

序数データ：定義、例、キー特性

序数データを定義する必要がある場合は、序数がどこにあるかを示していることを伝える必要があります。 これは名目上のデータとの重要な違いです。

序数データは、スケール上の位置によって何らかの順序に配置されたデータです。 例えば、彼らは優位性を示すかもしれません。 ただし、順序数では順序数しか表示されないため、算術演算を行うことはできません。

順序データと変数は、カテゴリ変数と量的変数の間にあると見なされます。 つまり、順序データは、値が順序付けされたカテゴリデータです。
ノミナルデータと比較すると、第二のものは、値が順序付けられて配置することができないカテゴリデータです。

序数と値は、名目上の情報を提供することに加えて、方向を示します。

順序データに数値を割り当てて相対位置を表示することもできます。 しかし、私たちはそれらの数字で数学をすることはできません。 たとえば、”第一、第二、第三…など。「これを念頭に置いて、順序変数を量的変数のように扱うことはできません。

順序変数を使用して、ある種の順序感覚を持つデータを記述します。 ただし、連続した値の間隔が等しいことを確認することはできません。

それでは、順序データの主要な特性を合計しましょう:

上記のインフォグラフィックをPDFでダウンロード

• 序数データは何らかの順序に配置されます。
• 序数はシーケンスのみを表示します。
• 順序データに数値を割り当てることができます。
• 序数では算術を行うことはできません。
• 値の差が等しいかどうかはわかりません。

序数スケール

あなたが推測するように、序数スケールは順序データの構築です。 順序尺度では、値の順序が重要です。 各値の違いは実際には知られておらず、重要ではありません。

それは、アイテムが他のアイテムと比較して、形質の多かれ少なかれを持っているかどうかを定義するのに役立ちます。

序数スケールの最も人気のある例のいくつかは、職業状況、競技やトーナメントの参加者のランキング、学校のクラスのランキング：1位、2位、3位などです。

データ収集方法や市場調査では、相対的な認識、嗜好、意見を測定するために順序尺度が広く使用されています。

順序データの例:

上記のインフォグラフィックをPDFでダウンロード

• 競争の中で最初、二番目、三番目の人物。
• 小学校教育、高校卒業、
  大卒の価値を持つ教育レベル。
• 会社が顧客に販売経験を1-10のスケールで評価するように頼んだとき。
• 顧客が自分の好みに基づいてブランドをランク付けするとき。
• A、B、C、Dで示されるように、会社の有料バンド。
• 文字の等級：A、B、C、およびなど。
• 経済状況：低、中、高。
• アンケートを実行し、回答者に、非常に満足している、満足している、中立的な、不満を持っている、非常に不満を持っているという言葉の選択に満足度を表
• 回答者が文に1から3までの値を入れる必要がある場合。 多くの場合、”同意する、中立的、同意しない”という言葉が使用されます。

上記の例からわかるように、序数スケールはアイテムの相対的な位置を示しますが、アイテム間の違いは示しません。

比較表: 名目データと序数データ

名目データと序数データは、統計およびデータ科学において重要な役割を果たしています。

序数データと名目データで何ができるかを知っておく必要があります。 あなたはそれらを測定する方法を知っている必要があります。 測定の2つの尺度（序数と公称）は、変数自体に依存します。
変数の測定レベルを知ることは、多くのビジネス状況で重要です。 測定のスケールのそれぞれは異なった詳細レベルを提供する。 公称スケールは、最小の詳細量を提供します。 一方、順序尺度は、より詳細な量を提供します。

名目データと順序データの違いを理解することは、データの分析方法や実行する市場分析方法に影響を与えるなど、多くの影響を与えます。

以下の比較表/インフォグラフィックをPDFで無料でダウンロードしてください：名目データ対序数データ