Das Skalenniveau von Variablen bestimmt in vielen Fällen Auswertungs- bzw. Analysemethoden. Grund genug also sie zu erklären und einige Beispiele zu nennen, um sie künftig erkennen zu können.
Inhaltsverzeichnis
1 Vier Abstufungen des Messniveaus (Vier Skalen)
In der Statistik kennt und nutzt man vier Skalen- bzw. Messniveaus: Nominal, Ordinal, Intervall und Verhältnis. Die letzten beiden werden häufig aufgrund des Fehlens praktischer Unterschiede bei Datenanalysen unter dem Oberbegriff Metrisch zusammengefasst. SPSS ist ein prominenter Vertreter für dieses Vorgehen.
1.1 Die Nominalskala
Die Nominalskala besitzt das niedrigste Skalenniveau und beschreibt qualitative Merkmale. Das führt dazu, dass bei den messbaren Eigenschaften lediglich Häufigkeiten gezählt werden können, also wie oft eine gewisse Ausprägung der Variable vorkommt. Beispiele für nominal skalierte Variablen sind Farben, der Geburtsort, das Geschlecht oder die Marke des Stuhls, auf dem man sitzt.
Hat man 100 Probanden und jeweils deren Geburtsort oder Lieblingsfarbe, kann man also lediglich zählen, wie oft jeder Ort (Buxtehude, Pfaffenhofen, …) oder jede Farbe (Grün, Gelb, …) genannt wurde.
1.2 Die Ordinalskala
Die Ordinalskala wird wie auch die Nominalskala zur Beschreibung qualitativer Merkmale eingesetzt. Auch hier sind Häufigkeiten zählbar, allerdings existiert eine Rangfolge zwischen den Merkmalsausprägungen. Es kann also eine Ordnung vorgenommen werden.
Ganz typisch sind Zustimmung oder Ablehnung zu gewissen Sachverhalten (z.B. Aussagen zum Umweltschutz), die mit sog. Likert-Skalen abgefragt werden. Weiterhin sind der Bildungsgrad, Schulnoten oder willkürlich gebildete Einkommensklassen Beispiele für eine Ordinalskala.
Achtung: Man kann aus ordinal skalierten Variablen auch einen Mittelwert bilden – sehr beliebt ist der Notendurchschnitt.
Man kann bei der Zustimmung zu einem Thema die Häufigkeiten der Nennungen erneut zählen. Gleichzeitig kann man diese Häufigkeiten aber auch in eine Reihenfolge bringen.
Beispiel: 100 Probanden wurden gefragt, ob sie Müll trennen:
- 40 x stimme vollkommen zu
- 25 x stimme eher zu
- 10 x stimme weder noch zu
- 15 x stimmt nicht zu
- 10 x stimme eher überhaupt nicht zu
1.3 Die Intervallskala
Die Intervallskala beschreibt quantitative Merkmale von Variablen. Man kann natürlich ebenso Häufigkeiten zählen und eine Rangfolge ablesen, allerdings sind nun die Abstände zwischen den Ausprägungen interpretierbar, was dieses Skalenniveau für parametrische Testverfahren interessant macht. Beispiele hierfür sind die Temperatur in Grad Celsius, der Intelligenzquotient oder das Datum.
Ein sehr wichtiger Punkt ist das Fehlen eines natürlichen Nullpunktes dieses Messniveaus. Zwar existiert z.B. mit 0 °C ein Nullpunkt bei der Temperatur, allerdings ist dieser willkürlich gesetzt. Im Gegensatz hat die Temperatur in Kelvin einen natürlichen Nullpunkt von 0 K (= -273,15 °C)
1.4 Die Verhältnisskala
Schließlich gibt es noch die Verhältnisskala und sie unterscheidet sich zur Intervallskala wie gesagt nur dahingehend, dass ein natürlicher Nullpunkt existiert. Bei der Intervallskala ist der Nullpunkt künstlich bzw. willkürlich gesetzt. Beispiele für intervallskalierte Variablen sind das Gehalt in Euro, Entfernungen, Gewichte und dergleichen.
2 Übersicht über Skalen und messbare Eigenschaften
Abschließend noch einmal eine Übersicht über die vier verschiedenen Skalen und die Eigenschaften, die sie imstande zu messen sind. Hierbei ist auch sehr gut erkennbar, dass höhere Skalen automatisch Eigenschaften niedriger Skalen besitzen. Ein höheres Skalenniveau ist natürlich immer erstrebenswert, insbesondere weil ab einer Intervallskala parametrische Testverfahren durchführbar sind.
3 Videotutorial
