Kategorisks mainīgais ir tāds, kas ļauj klasificēt datu sēriju, izmantojot fiksētas vērtības, kas saistītas ar noteiktu kvalitāti vai kategoriju.
Kategoriskais mainīgais atšķirībā no kardinālajiem vai nepārtrauktajiem mainīgajiem (kas ļauj veikt skaitliskus aprēķinus) klasificē indivīdus vai gadījumus. Viņi parasti ņem vērtības, kuras attēlo veseli skaitļi, piemēram, viens vai nulle, bet tie ir tikai reprezentācijas.
Piemērā mēs to redzēsim sīkāk.
Atšķirības starp kategorisko un nepārtraukto mainīgo
Ir dažas atšķirības starp kategorisko mainīgo un nepārtraukto vai kardinālo mainīgo, kas būtu jāzina. Apskatīsim visatbilstošāko.
- Pirmkārt, kategoriskais mainīgais tiek izmantots grupēšanai un nepārtrauktais mainīgais skaitīšanai. Citiem vārdiem sakot, pirmais ļauj veidot kategorijas ar datu sēriju. Piemēram, dzimums vai bērnu skaits. Otrais sniedz mums skaitlisku informāciju. Piemēram, vecums.
- Kardinālais mainīgais ļauj veikt skaitliskus aprēķinus, bet pārējie to nedara. Tādā veidā pirmajos mēs varam zināt vidējos rādītājus vai atšķirības, bet pārējos tikai dažus datus, piemēram, režīmu vai kategoriju procentuālo daudzumu.
- Kategoriskās ir ļoti noderīgas, lai uzzinātu kvalitatīvu informāciju, tas ir, kādu datu kvalitāti. Nepārtrauktās sniedz mums kvantitatīvus datus, tas ir, lielumus un vērtības, ko attēlo skaitļi.
Kategorisko mainīgo statistikas paņēmieni
Pēc tam apskatīsim statistiskos paņēmienus, kurus visbiežāk izmanto kategoriskajos mainīgajos, salīdzinot tos ar nepārtrauktu vai kardinālu mainīgo metodēm.
- Aprakstoša statistika: Šāda veida mainīgajiem lielākoties analīzes pamatā cita starpā ir joslu un procentuālās diagrammas. Kardināli ļauj izmantot analīzes paņēmienus, lai aprēķinātu pozīcijas statistiku, piemēram, kvantiles, vai izkliedes statistiku, piemēram, dispersijas.
- Hipotēzes kontrasts: Kategoriskajos gadījumos rezultātus var ekstrapolēt, izmantojot neparametriskus hipotēzes testus. No otras puses, nepārtrauktajos tiek izmantoti parametru kontrasti, par kuriem arī var secināt.
- Regresijas paņēmieni: Šajā gadījumā pirmajam cita starpā tiek izmantota loģistiskā regresija vai tamlīdzīgi. Attiecībā uz cita veida mainīgajiem visbiežāk izmantotā metode ir lineārā regresija.
Kategorisko mainīgo piemērs
Visbeidzot, apskatīsim ļoti izplatītu piemēru mārketingā. Iedomāsimies, ka mēs vēlamies pārdot produktu un esam ieinteresēti zināt ģimenes stāvokli.
Lai to izdarītu, mēs piešķirsim 1 vientuļajam, 2 precētiem, 3 šķīries, 4 partnerim un 5 citiem.
Apskatīsim attēlu un pēc tam to komentēsim:
Tajā mēs varam redzēt, ka vislielākā daļa indivīdu ir vientuļi, precējušies un šķīrušies, bet pārējie divi varianti ir tikai 5%.
Kā redzam, grupēšanai ir noderīgi kategoriski mainīgie. Joslu diagramma ļauj mums labāk novērot šos procentus, jo ir vieglāk salīdzināt joslu lielumu.