Ir al contenido principal

Escala de medidas

Vamos a hacer un breve repaso de cuáles son los niveles de medición o escala de medidas que trabajamos los investigadores del mercado y que tienen su repercusión en los contrastes estadísticos y pruebas que realizamos.



Escala de medida nominal


Hablamos de un nivel de medición nominal cuando planteamos su escala de medición sobre la base de una mera asignación de nombres de categoría a los distintos valores que pueda tomar la misma. Es una escala de medición donde lo importante no son los valores numéricos sino su representación textual. Un ejemplo puede ser el datos socio - demográfico “sexo” cuyos valores a tomar serán hombre / mujer con independencia de que asignemos valores 1 y 2 ó también 99 y 2000. No es importante el valor codificado sino su representación. Decimos que en este nivel de medición hay una presencia de clasificación, pero hay una ausencia de orden y cuantificación. Éste es el nivel de medición más básico en las Ciencias Sociales.



Escala de medida ordinal


Hablamos de escala de medición de tipo ordinal, cuando ante un evento o variable planteamos su medida de forma que no sólo clasificamos, sino que incluimos un cierto orden entre las alternativas de respuesta a la variable. En la medición se aprecia un lineal entre las respuestas extremas. Por ejemplo, ante una pregunta sobre la capacidad que presenta un estudiante ante un simulador de negocios, las respuestas son: mucha capacidad=4, bastante capacidad=3, algo de capacidad=2 y ninghuna capacidad=1.


Ante dos evaluaciones distintas a dos entrevistados sobre su nivel de capacidad, veríamos que si uno de ellos contesta la opción mucha capacidad y otro contesta la opción bastante capacidad, entre ellos hay una cierta idea de orden además de clasificación. No sabemos cuántas veces más es capaz el primer individuo que el segundo, pero sí sabemos que es más capaz.

Este ejemplo hace que se vea más clara la diferencia entre las dos primeras escalas. En la escala nominal no importaba que hombre fuera en primer lugar o en segundo lugar, sin embargo en este segundo caso, sí es importante que mucha capacidad esté antes que bastante capacidad, y además que su valor sea el correspondiente en la relación. Por tanto, la escala ordinal es válida para clasificar y para ordenar, pero como dijimos al inicio es incapaz para cuantificar la relación.

Escala de intervalo


La escala de intervalo es un nivel de medición que poseyendo las características de las anteriores, podemos decir que aporta un cierto nivel de cuantificación a la medición. Sin llegar a ser una cuantificación absoluta, decimos que las variables medidas en escala intervalo permiten establecer relaciones con la medida utilizada, pero no de forma absoluta.


Por ejemplo, las temperaturas son el exponente de este tipo de escalas. Podemos proporcionar mediciones en escalas diferentes (Celsius, Fahrenheit, Kelvin) y podemos transformarlas a un único patrón de medida. Otro ejemplo de este tipo de medición son las valoraciones que a menudo introducimos como por ejemplo el grado de satisfacción ante un servicio evaluado entre 0 y 5.



Escala de razón o métrica


Conocida también como nivel de medida proporcional, se refiere aquella medición más ambiciosa de todas las conocidas, puesto que clasifica, ordena y cuantifica, existiendo además un cero absoluto en la cuantificación. La propiedad esencial de esta escala de medida es la posibilidad de establecer cuántas veces es más XXX un objeto que otro, por ejemplo, cuantas veces es más pesado A que B, cuantas veces es más alto el individuo x que el individuo y, etc. Constituyen por decirlo de alguna forma el nivel ideal de medida, pues su utilización implica clasificación, orden y cuantificación.



Cuantitativo y cualitativo (Siegel, 1970)


Para finalizar este punto creemos conveniente clasificar las escalas respecto a su función en cualitativas y cuantitativas. Aunque ya en la explicación hemos utilizado el término clasificar para referirnos a las dos primeras, nominal y ordinal, es conveniente reforzar el hecho de que estos dos niveles de medición, formarán el grupocuantificación de las mediciones cualitativas o no métricas, mientras que los niveles o escalas de medición de intervalo y de razón, conforman el grupo de las cuantitativas.


Es importante destacar también, que el investigador debe utilizar la escala de mayor nivel (razón) siempre que le sea posible según las condiciones del evento a medir (rechazo del entrevistado, dificultad en el recuerdo, etc.) antes que una escala de menor rango como intervalo que a su vez, siempre será mejor que la ordinal, y el mismo razonamiento de ésta con la nominal.

Entradas populares de este blog

SegmentaNet y R

En breve será presentado SegmentaNet, el nuevo proyecto en el que ando metido en los últimos seis meses. Un proyecto que con el respaldo y la aportación de todos los miembros del equipo de TESIa los que agradezco su apoyo. A Vicent Rosell y a Elsa Sebastià por su aportación día a día escribiendo código; al resto de programadores de TESI, Carles Climent, Carlos Anduj, Vicent Baixauli, Amalia Curiel, Eduardo Moreno, Enric Sanchis y también a Raúl Piera, reciente incorporación al equipo de soporte: sin que asumiérais una gran parte de nuestro trabajo, esto no hubiera sido posible. Del mismo modo, gracias a Josep, Raquel, Ángel y Yolanda por liberarnos de mucha carga de trabajo y de contactos con usuarios de nuestro software.

Acabados los agradecimientos, debo decir que SegmentaNet,será una plataforma de reporting para usuarios con necesidades de análisis de datos básico (descriptivos, tablas, gráficos) y de presentación de resultados, organizados en dashboards o con acceso individual.

Per…

Barbwin2R, o como pasar datos de BarbWin a R

Son muchas las veces que ya me han preguntado por cómo manipular los datos (transformaciones, cálculos, reediciones, etc) para luego llevarlos a R. Está claro que desde EXCEL o CSV (texto), es directo, y también con SPSS, siendo este último el preferido, pues conserva las etquetas de variable y de los valores.
Dado que mi conocimiento sobre R, aunque mayor día a día, está a años luz de lo que podría considerarse un óptimo para trabajar única y exclusivamente con R, sigo utilizando mi BarbWin de siempre, aunque cada vez más haya procesos que hago con R. Para mí ha sido un descubrimiento esta aplicación, y no dejo de hablar de sus bondades y su potencial de integración con otras herramientas de análisis y publicación a todos los que me quieran escuchar y sean habituales del análisis de datos. Está claro que con otros usuarios, es mejor ni mentar R y sus infinitas bondades.
Así que la pregunta que plantea esta entrada tiene una respuesta que sembrará más confusión: SPSS.
Así es, guardan…

Errores y encuestas

Errores y encuestas son dos términos que viajan conjuntamente en el mundo de la investigación de mercados. El error es inherente al ejercicio de la encuesta. No hay encuestas sin errores. Aquí os dejo dos gráficos que utilizo en mis sesiones de investigación que muestran las diferentes fuentes de error que pueden existir en una encuesta. Por un lado, el reconocimiento de  lo que viene a ser llamado el error total, que agrupa aquellos errores que pueden ser atribuibles al muestreo, y aquellos que no provienen del hecho de trabajar con muestras. Este grupo, es la fuente de error que debemos tratar de minimizar.



El segundo gráfico, muestra las diferentes formas en las que el error de respuesta y otros, se puede materializar. Y es evidente que todos ellos son trabajables y mejorables en elementos que forman parte del plan de investigación:

Planteamiento de la investigación
Diseño de la investigación
Formación del entrevistador
Formulación de las preguntas: enunciado, tipo de respuesta solicita…