سطح سنجـش (اندازه ­گیری)

>>> کپی برداری تنها با ذکر منبع مجاز است.
منبع: کتاب «راهنمای آسان تحلیل آماری با SPSS؛ نویسنده: رامین کریمی»

هر متغیر شامل دو یا چند طبقه یا ویژگی است. مثلا جنس متغیری است با دو طبقه زن و مرد، و محل تولد متغیری است با چند طبقه که همان محل تولد افراد است. سطح سنجش یا متغیرها به نحوه رابطه طبقات متغیر با یکدیگر مربوط است.
بر اساس نوع اندازه­ گیری، متغیرها به دو دسته کمّی و کیفی تقسیم می­شوند. متغیر کمّی متغیری است که از نظر کمیّت (مقدار) تغییر می­کند و می توان اختلاف مقادیر آن را با استفاده از عدد ثبت کرد و آن­ها را با هم جمع کرد (جمع­ پذیر هستند). به بیان دیگر، متغیرهایی هستند که انسان توانسته است برای آن­ها واحد و مبدأ اندازه­ گیری معیّن کند مانند قد، وزن و سن.
متغیر کیفی، به متغیری اطلاق می­شود که اختلاف و تغییرات بین میزان­ های مختلف آن کیفی است و برای ثبت آن ممکن است از حروف الفبا یا کد استفاده شود. این­گونه متغیرها را نمی توان جمع و تفریق کرد و برای آن­ها مبدأ اندازه­ گیری نیز وجود ندارد.متغیرهایی مثل جنس (زن یا مرد)، رنگ مو، قومیت (فارس، ترک، کرد و...)، احساس خوشبختی، بزه کاری، تعهد شغلی و انسجام اجتماعی از این دسته هستند. به عبارت دیگر متغیر کیفی متغیری است که نمی ­توان آن را با ابزار کمّی اندازه­ گیری کرد، ولی سنجش آن به صورت طبقه ­بندی صورت می­گیرد. به ­عبارت دیگر، متغیر کیفی متغیری است که به صورت طبقه­ بندی قابل اندازه­ گیری است.
اکثر نویسندگان حیطه آمار، بر مبنای تقسیم ­بندی و تمایزی که استیونز (1946) بین سه سطح سنجش اسمی، ترتیبی و فاصله ­ای/ نسبی قائل شده است عمل می­کنند. در ادامه به تشریح هرکدام از این سه سطح سنجش (سطح اندازه­ گیری) پرداخته ­ایم.

    1.سطح سنجش اسمی

متغیر اسمی متغیری است که می­ توان بین طبقات آن تمایز قائل شده اما نمی­ توان طبقات آن را رتبه­ بندی کرد. در این سطح سنجش، افراد متعلق به طبقات مختلف با هم تفاوت دارند اما کمّی­ کردن میزان تفاوت آن­ها بی­ معناست. گاهی به متغیرهای اسمی، متغیرهای کیفی یا طبقه ­ای گفته می­شود.محل تولد، جنس و وضع تاهل همه مصداق­ های متغیر اسمی­ اند.
مثال:
جنسیت: شامل دو طبقه زن و مرد.
قومیت: شامل چند طبقه ( فارس، آذری، کرد، لر و...).
اصلیت: شامل دو طبقه بومی و غیر بومی.
ملیت: شامل طبقات متعدد (ایرانی، عراقی، افغانی و ...).
وضع تاهل: شامل دو طبقه متاهل و غیرمتاهل؛ و یا چندین طبقه: متاهل، ازدواج نکرده، همسر فوت شده، همسر جدا شده و همسر ترک کرده.
نوع مسکن: شامل ملکی، اجاره­ای، سازمانی و رایگان.
گرایش سیاسی: شامل راست، میانه و چپ.
سواد: شامل دو طبقه باسواد و بی­سواد.
نوع شغل: شامل تمام وقت، نیمه وقت و فصلی.

    2.سطح سنجش ترتیبی

متغیر ترتیبی متغیری است که رتبه­ بندی طبقات آن با معناست. بین طبقات مراتب قابل قبولی وجود دارد ولی با این وجود، کمّی­ کردن دقیق میزان تفاوت امکان­پذیر نیست.می­توان از مردم پرسید تا چه حد با مطلب خاصی موافق­ اند یا مخالف. طبقات را می­توان بر حسب شدّت موافقت با مطلبی یا نگرشی رتبه ­بندی کرد. اگر از مردم بپرسیم وضع اشتغال آن­ها چگونه است و سه گزینه «اصلا کار نمی­کنم»، «پاره­وقت» و «تمام وقت» ارائه کنیم این متغیر متغیری ترتیبی خواهد بود. هر متغیری که بتوان طبقات آن را رتبه ­بندی کرد اما نتوان تفاوت طبقات آن را دقیقا به صورت عددی کمّی ارائه کرد، متغیر ترتیبی است.
مثال:
طبقه اجتماعی: که عموما شامل سه طبقه است: بالا، متوسط و پایین.
قشر اجتماعی: که شامل سه طبقه (بالا، متوسط و پایین) یا پنج طبقه (بالا، متوسط بالا، متوسط، متوسط پایین و پایین).
نگرش­ ها: که عموما شامل سه طبقه (موافق ، بی­نظر و مخالف) و یا پنج طبقه ( کاملا موافق، موافق، بی­نظر، مخالف، کاملا مخالف).
سلسله مراتب سازمانی: شامل چندین طبقه: رئیس، معاون، مدیر بخش، معاون بخش، کارمند معمولی.
سطح پیشرفت صنعتی: شامل سه طبقه: کشورهای پیشرفته، در حال توسعه و توسعه نیافته.
گروه­ های درآمدی: شامل سه طبقه، پردرآمد، میان درآمد و کم درآمد.

 نکته: وقتی متغیرهای اندازه­ گیری شده مربوط به مقیاس­ های روانی اجتماعی، پرسش نامه ­های روان شناختی یا آزمون­ های شناختی هستند، ممکن است تفاوت ­هایی در سطح اندازه­ گیری متغیر مشاهده کنیم. بسیاری از این مقیاس­ ها دارای نقاط صفر قراردادی هستند که توسط سازنده آزمون مشخص گردیده و در مقایسه با اندازه خط­ کش استاندارد اینچ یا سانتی متر، فاقد واحد مشخص اندازه­ گیری هستند. از نظر فنی، این متغیرها دارای ماهیت ترتیبی (رتبه­ای) است، اما در عمل، پژوهش­گران به آن­ها در قالب مقیاس ­های  فاصله­ ای یا نسبی نگاه می­کنند و این موضوع سال­ هاست که در متون پژوهشی مورد بحث و اختلاف نظر بوده است.در مورد سطح سنجش متغیرهای ترتیبی نظرات متفاوتی وجود دارد. تامل در برخی از این دیدگاه­ ها خالی از فایده نیست:

دیدگاه اول: گاهی برخی از پژوهش­گران نمرات چند سوال ترتیبی را با هم جمع کرده و اقدام به ساخت مقیاس می­کنند (مانند جمع کردن نمرات افراد در چند سوالات  و ساختن مقیاس) و یا و بعد از آن نمرات مقیاس به دست آمده را در سطح سنجش فاصله­ ای در نظر گرفته و از آزمون­ های پارامتری استفاده می­کنند. میلر معتقد است که چون در محاسبه آزمون­ های پارامتری نمرات به دست آمده از نمونه را جمع و تقسیم و ضرب می­کنیم در نتیجه این اعمال ریاضی را تنها برای نمراتی می­توان به­ کار برد که واقعا عددی باشند و استفاده از این آزمون های پارامتری برای این داده­ ها، باعث تحریف داده­ ها و در نتیجه تردید درباره نتیجه­ گیری از روی آزمون می­شود. از این ­رو، کاربرد تکنیک­ های پارامتری فقط برای نمراتی است که واقعا عددی ­اند.

دیدگاه دوم: متغیر ترتیبی متغیری کیفی است اما چون طبقاتش نسبت به هم بالا و پایین­اند تا حدی به متغیرهای کمّی نزدیک می­شود. از این­رو، در برخی مواقع مانند ترکیب کردن چند متغیر ترتیبی و ساختن مقیاسی برای یک مفهوم انتزاعی (مانند مقیاس های رضایت شغلی، اعتماد اجتماعی، اضطراب و ...) یا برای تحلیل­ های رگرسیونی آن­ها را با تسامح مقیاس فاصل ه­ای در نظر می­گیرند. جز این موارد به­ هیچ وجه نباید با متغیر ترتیبی به مانند متغیری کمّی عمل کرد. به طور مشخص نباید برای متغیر ترتیبی میانگین و میانه یا چارک حساب کرد؛ چنین اندازه ­هایی برای متغیر ترتیبی بی­ معناست.

دیدگاه سوم: مقیاس پاسخ تراکمی (مانند مقیاس لیکِرت) مستلزم آن است که پاسخ دهندگان بر اساس طیف زمینه ­سازی که به وسیله لنگرگاه تعریف شده است، اندازه­ هایی را به عناصر اختصاص دهند. اعداد به طور معمول به صورت صعودی مرتب می­شوند تا بیشتر خصیصه ه­ای را که درجه بندی می­شوند، منعکس کنند. متداول­ ترین مقیاس پاسخ تراکمی مقیاس­ های 5 و 7 درجه است.  مقیاس تراکمی به این دلیل به این نام خوانده می­شود که امکان جمع­ کردن رتبه­ها با هم و تقسیم آن­ها بر مقدار ثابتی (فرآیندی که به طور معمول برای تعیین میانگین استفاده می­شود) برای تعیین نمره هر فرد در پرسشنامه وجود دارد. به بیان دیگر میانگین به دست آمده ازمقیاس پاسخ تراکمی با معناست.
لیکرت (1932) اظهار می­دارد که روش درجه­ بندی او (مقیاس لیکرت) با مقیاس درجه بندی ترستون همبستگی نزدیک به 1 دارد که به ظاهر هر دو دارای روش فاصل ه­ای هستند. گیلفورد (1945)، در کتابش به نام "روش­های روان سنجی" تأیید کرد که مقیاس ­های پاسخ تراکمی حداقل، بیشتر ویژگی­ های مقیاس فاصله ای را در مقایسه با مقیاس ­های دیگر داراست. ادواردز (1957) گامی جلوتر می­رود و بیان می­کند که «اگر به مقایسه میانگین نمره­ های نگرش دو یا چند گروه علاقه­ مندیم، این کار را می­توانیم همانند مقیاس­های فاصله ­ای با فواصل یکسان به وسیله مقیاس­ های رتبه ­بندی تراکمی انجام دهیم.
اگر چه ممکن است برخی پژوهش­گران از این که تا چه اندازه نقاط روی مقیاس پاسخ تراکمی به واقع با فواصل یکسان توزیع شده­ اند، دچار تردید باشند، بیشتر پژوهش­ های منتشر شده در علوم رفتاری و علوم اجتماعی در نیم قرن گذشته، بیشتر از مقیاس­ های پاسخ تراکمی استفاده کرده­ اند، به گونه­ ای که گویی آن­ها به مقیاس­ های فاصله ­ای شباهت دارند. پژوهشگران، نمره­ های مقیاس را با هم جمع می­ کنند و میانگین را به دست می­ آورند و این اندازه­ گیری­ها را در تحلیل آماری که به طور معمول برای تفسیر بهتر نتایج که نیازمند اندازه­ گیری فاصله ­ای یا نسبی است، به­ کار می­برند. به نظر ما، این روش در مقیاس ­های پاسخ تراکمی، قابل قبول، مناسب و کاملا سودمند است. برای مقیاس­ های پاسخ تراکمی می­ توان میانگین را با داشتن همه ویژگی­ های مناسب آن اندازه­ گیری کرد و راه برای انجام دامنه گسترده ­ای از روش­ های آمار پارامتری مانند همبستگی پیرسون و تحلیل واریانس(آنووا)، در مورد آن باز است.
 

    3.سطح سنجش فاصله­ ای

متغیر فاصله ­ای متغیری کمّی است که واحدهای اندازه­ گیری آن هم ارز و مساوی ­اند، اما فاقد صفر حقیقی است. به عبارت دیگر، واحدهای اندازه­ گیری متغیر فاصله­ ای با هم برابرند و می­ توان آن­ها را با هم جمع کرد یا از هم تفریق کرد، اما نمی ­توان آن­ها را بر هم تقسیم کرد و از آن­ها نسبت گرفت. واحدهای اندازه­ گیری متغیر فاصله­ ای مساوی­ اند، اما فاقد صفر حقیقی است.
برای مثال متغیر دما متغیری فاصله­ ای است که مقادیر آن با واحد استانداردی به نام درجه سانتیگراد اندازه­ گیری می­شود. اگر در ظهر دمای هوا 6 درجه سانتیگراد باشد و در عصر که هوا سردتر می­شود به 3 درجه سانتیگراد برسد، درجه دمای عصر را از درجه دمای ظهر کم کرده، می­گوییم عصر 3 درجه سردتر شده است یا ظهر 3 درجه گرم­تر از عصر بود. اما نمی­توانیم از این دو درجه دما نسبت بگیریم و بگوییم که دمای ظهر دو برابر عصر است یا دمای عصر یک دوم دمای ظهر است. علّت این امر این است که دما از صفر حقیقی ( که حدود درجه 273- درجه سانتیگراد) شروع نمی­شود، بلکه از دمای صفر قراردادی شروع می شود که همان دمای انجماد آب است؛ یعنی دمایی که میزان دمای مناطق مسکونی عموما حول و حوش آن است. این امر برای سهولت و کوتاه کردن مقیاس سنجش دما به عنوان مبدأ (صفر) درجه سانتیگراد انتخاب شده است.
متغیر بهره هوشی نیز متغیری فاصله­ ای است. به عنوان مثال، اگر دانش آموزی از یک آزمون هوش نمره صفر بگیرد، به این معنا نیست که او اصلا هوش ندارد و یا کسی که نمره بهره هوشی او 100 است نمی ­توان گفت که بهره هوشی او دقیقا دو برابر کسی است که بهره هوشی او 50 است. چرا که متغیر بهره هوشی فاقد صفر حقیقی است.
 

    4.سطح سنجش نسبی

چهارمین و دقیق­ ترین سطح اندازه­ گیری، مقیاس نسبی است که در آن، ویژگی­ های نمونه به صورت معنی­ داری رتبه ­بندی شده ­اند، فواصل بین رتبه ­ها مساوی­ اند و وجود نقطه صفر نه به صورت داوری و دلخواه، بلکه بر اساس ماهیت تعیین میشود.
متغیر نسبی (نسبتی) متغیری کمّی است که واحدهای اندازه­ گیری آن هم ­ارز و مساوی­ اند و دارای صفر حقیقی است.متغیر نسبی علاوه بر این که دارای همان خصوصیات متغیر فاصله­ ای است (واحدهای آن هم ارز و معادل ­اند)، چون دارای صفر حقیقی است می­توان واحدهای آن را بر هم تقسیم یا نسبت آن­ها را حساب کرد؛ از همین رو به آن متغیر نسبی یا نسبتی می­گویند. برای مثال سن بر حسب سال متغیری نسبی است که واحد سنجش آن سال است. کسی که تازه به دنیا آمده صفر ساله است؛ علی 40 سال دارد و سن او دو برابر حمید است که 20 سال سن دارد. متغیرهای تحصیلات بر حسب سال و درآمد بر حسب ارز نیز نسبی هستند. تعداد هر مجموعه­ ای متغیری نسبی است، مانند جمعیّت، تعداد خانوار، تعداد کارمندان و تعداد واحدهای مسکونی. نسبت و میزان مانند میزان موالید، میزان رشد جمعیّت، میزان طلاق و ... نیز متغیرهای نسبی­اند.
توجه: تفاوت دو مقیاس فاصله­ ای و نسبی در عمل چندان زیاد نیست و می­توان در هنگام انجام تحلیل­ های آماری این دو مقیاس را یکسان فرض کرد. نرم افزار SPSS بین داده ­های فاصله­ ای و نسبی تمایزی قائل نمی­شود و از اصطلاح Scale برای توصیف هر دو دسته از متغیرهای فاصله­ ای و نسبی استفاده می­کند. یعنی در برنامه SPSS، داده­ ها در سه دسته متغیرهای اسمی، ترتیبی و فاصله­ ای- نسبی طبقه بندی می­شوند.

چه سطحی از سنجش مناسب­تر است؟
چون تعیین سطح سنجش بستگی به تصمیم پژوهش­گر دارد در ارتباط با این سوال که چه سطحی از سنجش در پژوهش ­ها مناسب­ تر است باید به چند نکته توجه داشت:
1-     هر چه بر سطح سنجش افزوده شود دامنه روش­های تحلیل قابل استفاده گسترده­ تر می­گردد.
2-     تکنیک­های قوی ­و­ پیچیده تحلیل، برای متغیرهای فاصله­ ای/نسبی مناسب است.
3-     سطوح بالاتر سنجش، اطلاعات بیشتری فراهم می­آورد.
4-     پرسش­ هایی که مستلزم دقت و جزئیات زیادی­ اند ممکن است غیرقابل اعتماد باشند، چرا که مردم غالبا اطلاعات دقیق و مفصل ندارند(مثلا ممکن است بهره هوشی خود را به طور دقیق ندانند).
5-     ممکن است مردم از ارائه اطلاعات دقیق اکراه داشته باشند اما از بیان کلی­ تر آن اکراه یا اِبایی نداشته باشند (مثلا مشخص ­کردن گروه سنی یا طبقه درآمد).
6-      متغیرهایی که در سطح فاصله­ ای/نسبی سنجیده شده­ اند را به سادگی می­توان به سطح ترتیبی یا اسمی تقلیل داد ولی داده ­هایی را که در سطوح پایین ­تر اندازه­ گیری­ شده­ اند نمی ­توان به سطوح بالاتر تبدیل کرد.
خلاصه آن که به­ طور کلی توصیه می­شود متغیر را در بالاترین سطح سنجش سنجید، اما ملاحظات مربوط به پایایی، میزان پاسخگویی و مقتضیات پژوهش به این معناست که اغلب اندازه­ گیری در سطوح پایین­ تر عاقلانه­ تر است.
 
 
 

جدول 1-1- راهنمای تشخیص سطح سنجش

معیارها	اسمی	ترتیبی	فاصله ­ای	نسبی
آیا طبقات مختلفی وجود دارد؟	بله	بله	بله	بله
آیا می­توان طبقات را رتبه بندی کرد؟	خیر	بله	بله	بله
آیا می­توان اختلاف طبقات را به صورت عددی مشخص کرد؟	خیر	خیر	بله	بله
آیا می­توان داده­ ها را بر هم تقسیم کرده و نسبت گرفت؟	خیر	خیر	خیر	بله

 

دانلود فایل PDF متن بالا