Metrische Variable
In diesem Beitrag
Was versteht man unter einer metrischen Variable?
Eine metrische Variable ist ein Merkmal, dessen Ausprägungen als echte Zahlen vorliegen und bei dem die Abstände zwischen den Werten inhaltlich bedeutsam und vergleichbar sind. Metrische Variablen gehören zum höchsten Skalenniveau und bilden die Grundlage für die meisten statistischen Verfahren.
Innerhalb der metrischen Variablen wird weiter unterschieden:
- Intervallskala: Die Abstände zwischen den Werten sind gleichmäßig und interpretierbar, aber es gibt keinen absoluten Nullpunkt. Beispiel: Temperatur in Grad Celsius – der Unterschied zwischen 10 °C und 20 °C ist genauso groß wie zwischen 20 °C und 30 °C, aber 0 °C bedeutet nicht „keine Temperatur“.
- Verhältnisskala (Ratioskala): Zusätzlich zur Intervallskala existiert ein echter Nullpunkt, der das vollständige Fehlen der Eigenschaft beschreibt. Dadurch sind auch Verhältnisse zwischen Werten sinnvoll interpretierbar. Beispiel: Körpergröße in cm – eine Person mit 180 cm ist tatsächlich doppelt so groß wie eine Person mit 90 cm.
Warum ist die metrische Variable für statistische Analysen wichtig?
Das Skalenniveau einer Variable entscheidet darüber, welche statistischen Methoden zulässig und sinnvoll sind. Bei metrischen Variablen stehen die meisten und leistungsstärksten Verfahren zur Verfügung:
- Berechnung von Mittelwert und Standardabweichung
- Durchführung von t-Tests, Varianzanalysen (ANOVA) und Regressionsanalysen
- Berechnung von Korrelationskoeffizienten nach Pearson
Für nominale oder ordinale Variablen sind diese Verfahren hingegen nicht oder nur eingeschränkt anwendbar, da die rechnerischen Voraussetzungen nicht erfüllt sind.
Praxisbeispiel zu Metrische Variable
Angenommen, du untersuchst in deiner Bachelorarbeit, ob sich das Schlafverhalten auf die Prüfungsleistung auswirkt. Du erhebst bei 5 Studierenden die durchschnittliche Schlafdauer in Stunden pro Nacht sowie die erzielte Punktzahl in einer Klausur (max. 100 Punkte).
| Person | Schlafdauer (Stunden) | Klausurpunkte |
|---|---|---|
| A | 5,0 | 62 |
| B | 6,5 | 71 |
| C | 7,0 | 78 |
| D | 8,0 | 85 |
| E | 8,5 | 90 |
Beide Variablen – Schlafdauer und Klausurpunkte – sind metrisch skaliert. Du kannst daher den Mittelwert der Schlafdauer berechnen (hier: 7,0 Stunden), eine Standardabweichung ermitteln und den Zusammenhang zwischen den beiden Variablen mit einer Pearson-Korrelation oder einer einfachen linearen Regression untersuchen. All das wäre bei einer rein ordinalen oder nominalen Variable so nicht möglich.
