Variable nominal: concepto y ejemplos
Una variable nominal es aquella que toma valores que identifican una clase o categoría en que se agrupan los objetos de estudio. Por ejemplo, la variable ‘color del cabello’ agrupa a las personas en cabello castaño, negro, rubio, etc.
La escala nominal identifica, agrupa y diferencia las unidades de estudio, según una determinada cualidad, en clases claramente definidas y excluyentes, de tal forma que todos los que pertenecen a una clase son iguales o equivalentes respecto del atributo o propiedad en estudio.
Las clases se diferencian con nombres o con números identificadores, por lo que no tienen valor numérico ni orden establecido. Por ejemplo: la variable sexo tiene dos clases, masculino y femenino; también pueden usarse los números 1 y 2 que representan las categorías masculino y femenino, respectivamente. Estos números son simples identificadores arbitrarios.
En este tipo de medidas, se asignan nombres o etiquetas a los objetos. El nombre de la mayoría de los ejemplares nominados o definiciones es el “valor” asignado a la medida nominal del objeto de estudio.
Si dos objetos tienen el mismo nombre asociado a ellos, entonces pertenecen a la misma categoría, y ese es el único significado que las medidas nominales tienen.
Índice del artículo
La escala nominal es la más elemental y las variables medidas en esta escala clasifican las unidades de estudio (objetos, personas, etc.) en clases, basándose en una o más características, atributos o propiedades únicas y observadas.
Las clases o categorías tienen un nombre o número, pero estos sirven meramente como etiquetas o identificadores, hacen distinciones categóricas más que cuantitativas, cumplen una función puramente de clasificación
No se pueden manipular aritméticamente, no reflejan orden (ascendente o descendente) o jerarquía (mayor o menor), las observaciones no pueden ser ordenadas de menor a mayor o de pequeño a grande, es decir, ninguna de las categorías tiene mayor jerarquía que la otra, únicamente están reflejando diferencias en la variable.
Las variables nominales con dos clases se denominan dicotómicas, como por ejemplo, la variable sexo (masculino o femenino). Las variables con tres o más categorías se denominan multicotómicas o policotómicas. Por ejemplo: la variable ocupación (obrero, carpintero, medico, etc).
Las variables nominales solo establecen relaciones de equivalencia; es decir, un objeto de estudio particular tiene la característica que define la clase o no la tiene.
Con las variables nominales se pueden efectuar cálculos de proporciones, porcentajes y razones, y con ellas se realizan conteos de frecuencias o tabulaciones del número de sucesos en cada clase de la variable estudiada. La medida de tendencia central que se puede manejar con este tipo de variables es la moda.
Ejemplos de variables medidas en escala nominal:
– Nacionalidad (argentino, chileno, colombiano, ecuatoriano, peruano, etc.).
– Colores (blanco, amarillo, azul, negro, naranja, etc.).
– Color de los ojos (negros, pardos, azules, verdes, etc.).
– Clasificación de los estudiantes por carreras (Administración – 1; Sistemas – 2; Electrónica – 3; Derecho – 4; etc.). (el número es un código sin valor u orden)
– Estado civil (soltero, casado, viudo, divorciado, unión libre).
– Profesión (ingeniero, abogado, médico, docente, etc.).
– Sexo (masculino, femenino).
– Afiliación religiosa (cristiano, musulmán, católico, etc.).
– Afiliación política (liberal, conservador, independiente, etc.).
– Tipo de escuela (pública o privada).
– Raza (blanco, negro, amarillo, mestizo, etc.).
– Grupos sanguíneos (O, A, B, AB).
Asistentes a un partido de futbol
Si se hace un conteo de los asistentes que entran a un partido de fútbol, se puede definir la variable nominal ‘asistencia por sexo’. El conteo informa cuántos hombres y cuántas mujeres asistieron al partido, pero la variable de clasificación es el sexo.
Divide en dos categorías el público en el partido de futbol y ninguno de los grupos tiene preferencia sobre el otro. Por último las categorías son excluyentes pues no hay duda a que grupo pertenece cada uno de los asistentes.
Beneficio de las políticas laborales
Se desea conocer la opinión de las personas ante la aplicación de reformas en las políticas laborales de un país. La variable de ‘interés’ son los beneficios de las políticas laborales, y en la encuesta hay cinco posibles resultados positivos: Más dinero, Mejor atención médica, Mejor retiro, Balance trabajo/familia y Otros.
Todas las respuestas se miden en escala nominal con valores Si o No. El resultado Otros engloba todos aquellos beneficios que los encuestados consideran que van a obtener, pero que no forman parte de los valores de la encuesta.
La cantidad de respuestas afirmativas o negativas son necesarias para calcular el porcentaje de encuestados del total que considera que va a mejorar o no en alguno de los aspectos, pero esos porcentajes no tienen significado desde el punto de vista de que un beneficio sea mayor que otro.
Finalmente, no existe un orden natural para los resultados, se puede poner Mejor atención médica primero en vez de Más dinero, por ejemplo, y no cambia en nada el resultado.
País de nacimiento de una persona
El país de nacimiento es una variable nominal cuyos valores son los nombres de los países. Para efectos de trabajo con esta variable, es conveniente hacer una codificación numérica de esa información, asignamos a los nacidos en Argentina el código 1, Bolivia el código 2, Canadá el 3, y así sucesivamente.
Esta codificación facilita el conteo por computadora y el manejo de los instrumentos de recolección de información. Sin embargo, y dado que hemos asignado números a las diversas categorías, no podemos manipular estos números. Por ejemplo, 1 + 2 no es igual a 3; es decir, Argentina + Bolivia no da como resultado Canadá.
- Coronado, J. (2007). Escalas de medición. Revista Paradigmas. Recuperado de unitec.edu.co.
- Freund, R.; Wilson, W.; Mohr, D. (2010). Statistical methods. Third ed. Academic Press-Elsevier Inc.
- Glass, G.; Stanley, J. (1996). Métodos estadísticos no aplicados a las ciencias sociales. Prentice Hall Hispanoamericana S. A.
- Lind, A.; Marchal, W.; Wathen, S. (2012). Estadística aplicada a los negocios y la economía. Decimoquinta ed. McGraw-Hill/Interamericana Editores S. A.
- Orlandoni, G. (2010). Escalas de medición estadística. Revista Telos. Recuperado de ojs.urbe.edu.
- Siegel, S.; Castellan, N. (1998). Estadística no paramétrica aplicada a las ciencias de la conducta. Cuarta ed. Editorial Trillas S. A.
- (2019). Level of measurement. Recuperado de en.wikipedia.org.