En statistique, les données nominales (également appelées échelle nominale) sont un type de données qui servent à étiqueter les variables sans fournir de valeur quantitative. Il s’agit de la forme la plus simple d’une échelle de mesure. Contrairement aux données ordinales, les données nominales ne peuvent pas être ordonnées et ne peuvent pas être mesurées.
Contrairement aux données d’intervalle ou de rapport, les données nominales ne peuvent pas être manipulées à l’aide des opérateurs mathématiques disponibles. Ainsi, la seule mesure de la tendance centrale pour de telles données est le mode.
Caractéristiques des données nominales
Les données nominales peuvent être à la fois qualitatives et quantitatives, ce qui fait qu’elles sont particulièrement utilisées au sein d’études de marché. Toutefois, les étiquettes quantitatives n’ont pas de valeur numérique ou de relation (par exemple, le numéro d’identification). D’autre part, divers types de données qualitatives peuvent être représentées sous forme nominale. Elles peuvent comprendre des mots, des lettres et des symboles. Les noms de personnes, le sexe et la nationalité ne sont que quelques-uns des exemples les plus courants de données nominales.
Comment analyser les données nominales ?
Les données nominales peuvent être analysées en utilisant la méthode de regroupement. Les variables peuvent être regroupées en catégories, et pour chaque catégorie, la fréquence ou le pourcentage peuvent être calculés. Les données peuvent également être présentées visuellement, par exemple en utilisant un graphique circulaire.
Bien que les données nominales ne puissent pas être traitées à l’aide d’opérateurs mathématiques, elles peuvent néanmoins être analysées à l’aide de méthodes statistiques avancées. Par exemple, une façon d’analyser les données consiste à tester les hypothèses.
Pour les données nominales, les tests d’hypothèse peuvent être effectués à l’aide de tests non paramétriques tels que le test du chi carré. Le test du chi carré vise à déterminer s’il existe une différence significative entre la fréquence attendue et la fréquence observée des valeurs données.