Statistik-Glossar

Kategoriale Variable

Categorical Variable / Qualitative Variable · Maximilian Fuchs · 24. April 2026 · 4 Min. Lesezeit

In diesem Beitrag

Was versteht man unter einer kategorialen Variable?
Warum ist die kategoriale Variable für statistische Analysen wichtig?
Praxisbeispiel

Was versteht man unter einer kategorialen Variable?

Eine kategoriale Variable (auch qualitative Variable genannt) ist eine Variable, deren Ausprägungen keine numerischen Werte im mathematischen Sinne darstellen, sondern Kategorien oder Gruppen, denen Beobachtungen zugeordnet werden. Die einzelnen Ausprägungen lassen sich benennen und voneinander unterscheiden, aber nicht sinnvoll addieren oder subtrahieren.

Kategoriale Variablen werden nach dem zugrundeliegenden Messniveau weiter unterteilt:

Nominalskala: Die Kategorien haben keine natürliche Reihenfolge. Beispiele: Geschlecht (männlich, weiblich, divers), Blutgruppe (A, B, AB, 0), Nationalität.
Ordinalskala: Die Kategorien lassen sich in eine sinnvolle Reihenfolge bringen, aber die Abstände zwischen den Kategorien sind nicht gleichmäßig oder nicht messbar. Beispiele: Schulnoten (1–6), Zufriedenheitsskala (sehr unzufrieden bis sehr zufrieden), militärischer Rang.

Einfach erklärt: Stell dir vor, du sortierst Personen in Schubladen – zum Beispiel nach ihrer Lieblingsfarbe. Jede Person landet in genau einer Schublade (z. B. „Blau“ oder „Rot“). Du kannst die Schubladen zählen oder vergleichen, aber „Blau plus Rot“ ergibt keine sinnvolle neue Farbe. Genau so funktioniert eine kategoriale Variable: Sie teilt Beobachtungen in Gruppen ein, ohne dass man mit diesen Gruppen rechnen kann.

Warum ist die kategoriale Variable für statistische Analysen wichtig?

Das korrekte Erkennen und Behandeln kategorialer Variablen ist eine der grundlegendsten Voraussetzungen für eine valide statistische Analyse. Sie bestimmt, welche Methoden und Kennzahlen zulässig sind:

Für nominale Variablen sind Häufigkeitsauszählungen, der Modus und Verfahren wie der Chi-Quadrat-Test geeignet.
Für ordinale Variablen können zusätzlich Median und Rangkorrelationen (z. B. Spearmans Rho) verwendet werden.
Mittelwert und Standardabweichung sind für kategoriale Variablen nicht sinnvoll interpretierbar – außer auf ordinalem Niveau unter bestimmten Annahmen in der Praxis.

In Regressionsanalysen werden kategoriale Variablen häufig als sogenannte Dummy-Variablen (auch: Indikatorvariablen) kodiert, also in binäre 0/1-Variablen umgewandelt, damit sie in das Modell aufgenommen werden können.

Häufiger Fehler: Numerisch kodierte Kategorien – etwa wenn „männlich“ als 1 und „weiblich“ als 2 gespeichert wird – sind trotzdem kategoriale Variablen. Das Programm „sieht“ nur Zahlen, aber inhaltlich bedeutet 2 nicht doppelt so viel wie 1. Wer diese Kodierung übersieht und den Mittelwert berechnet, erhält ein sinnloses Ergebnis.

Praxisbeispiel zu kategorialen Variablen

In einer Studie zur Studierendenzufriedenheit werden folgende Variablen erhoben. Die Tabelle zeigt, welche davon kategorial sind und auf welchem Messniveau sie liegen:

Tabelle 1. Beispielhafte Einordnung von Variablen nach Messniveau
Variable	Beispielausprägungen	Variablentyp	Messniveau
Studiengang	BWL, Psychologie, Informatik	Kategorial	Nominal
Zufriedenheit mit dem Studium	sehr unzufrieden, unzufrieden, neutral, zufrieden, sehr zufrieden	Kategorial	Ordinal
Wohnort	Wohnheim, WG, Elternhaus, eigene Wohnung	Kategorial	Nominal
Semesteranzahl	1, 2, 3, 4 …	Metrisch	Verhältnisskala

Will man nun prüfen, ob die Zufriedenheit mit dem Studium zwischen verschiedenen Studiengängen unterschiedlich ist, bietet sich ein Chi-Quadrat-Test an. Ein Mittelwertvergleich (z. B. t-Test) wäre hier nur dann vertretbar, wenn die Ordinaldaten unter bestimmten Annahmen als quasi-metrisch behandelt werden – was in der Forschungspraxis diskutiert wird.

Gut zu wissen: In Statistikprogrammen wie SPSS, R oder Stata muss man kategoriale Variablen oft explizit als solche deklarieren (z. B. als „factor“ in R oder „string“ bzw. „nominal“ in SPSS). Andernfalls behandelt die Software numerisch kodierte Kategorien fälschlicherweise als metrische Variablen.