Seit 2019 im DACH-RaumSeit 2019
50+ Statistik-Experten50+ Experten
Über 1.200 Projekte1.200+ Projekte
Alle StatistikprogrammeAlle Programme
Express möglichExpress

Statistik-Glossar

Ordinalskala

Ordinal scale / Rangskala · Maximilian Fuchs · 24. April 2026 · 4 Min. Lesezeit

Was versteht man unter einer Ordinalskala?

Die Ordinalskala ist ein Messniveau, bei dem die Ausprägungen einer Variable in eine sinnvolle Rangfolge gebracht werden können – die Abstände zwischen den Rängen sind jedoch nicht interpretierbar. Sie steht damit zwischen der Nominalskala (nur Kategorien, keine Rangfolge) und der Intervallskala (gleichmäßige, interpretierbare Abstände).

Formal gilt: Für zwei Messwerte a und b lässt sich bei einer Ordinalskala zuverlässig aussagen, ob a > b, a < b oder a = b gilt. Nicht aussagen lässt sich hingegen, um wie viel größer oder kleiner a gegenüber b ist.

Typische Beispiele für ordinal skalierte Variablen sind:

  • Schulnoten (1, 2, 3, 4, 5, 6 – eine 1 ist besser als eine 2, aber nicht „doppelt so gut“)
  • Likert-Skalen in Umfragen (z. B. „stimme gar nicht zu“ bis „stimme voll zu“)
  • Platzierungen in einem Wettkampf (1. Platz, 2. Platz, 3. Platz)
  • Bildungsabschlüsse (kein Abschluss < Hauptschule < Realschule < Abitur)
Einfach erklärt Stell dir eine Rangliste beim Laufen vor: Du weißt, wer als Erster, Zweiter oder Dritter ins Ziel gekommen ist. Aber du weißt nicht, wie groß der Abstand zwischen ihnen war. Genau das ist das Prinzip der Ordinalskala – die Reihenfolge ist klar, die genauen Abstände nicht.

Warum ist die Ordinalskala für statistische Analysen wichtig?

Das Skalenniveau einer Variable bestimmt direkt, welche statistischen Methoden zulässig sind. Wer das Messniveau seiner Daten falsch einschätzt, riskiert methodische Fehler, die die gesamte Analyse entwerten können.

Für ordinale Daten sind folgende Kennwerte und Verfahren geeignet:

  • Median als Lagemaß (nicht der arithmetische Mittelwert)
  • Modus zur Beschreibung der häufigsten Ausprägung
  • Rangkorrelation nach Spearman oder Kendalls Tau zur Messung von Zusammenhängen
  • Nicht-parametrische Tests wie der Mann-Whitney-U-Test oder der Wilcoxon-Test
Häufiger Fehler In der Praxis – besonders bei Likert-Skalen – wird häufig der arithmetische Mittelwert berechnet und interpretiert, obwohl die Daten nur ordinal skaliert sind. Das setzt voraus, dass die Abstände zwischen den Stufen gleich groß sind, was bei Ordinalskalen nicht gilt. Ob dieses Vorgehen akzeptabel ist, wird in der Methodenliteratur kontrovers diskutiert. Im Zweifel sollte man den Median bevorzugen oder das Vorgehen explizit begründen.
Gut zu wissen Die vier klassischen Skalenniveaus in aufsteigender Reihenfolge sind: Nominalskala → Ordinalskala → Intervallskala → Rationalskala. Jede höhere Stufe erlaubt mehr statistische Operationen, schließt aber die Eigenschaften der niedrigeren Stufen immer mit ein.

Praxisbeispiel zur Ordinalskala

In einer Studie zur Arbeitszufriedenheit werden Beschäftigte gebeten, ihre Zufriedenheit auf einer fünfstufigen Skala anzugeben:

Tabelle 1. Häufigkeitsverteilung der Zufriedenheitsbewertungen (n = 40)
Ausprägung Rang Häufigkeit
Sehr unzufrieden 1 3
Unzufrieden 2 7
Neutral 3 10
Zufrieden 4 14
Sehr zufrieden 5 6

Der Median liegt hier bei Rang 4 („Zufrieden“), da dieser Wert die Verteilung in zwei gleich große Hälften teilt. Ein Mittelwert von beispielsweise 3,63 würde zwar rechnerisch stimmen, aber suggerieren, dass der Unterschied zwischen „Neutral“ und „Zufrieden“ genauso groß ist wie der zwischen „Zufrieden“ und „Sehr zufrieden“ – das kann bei einer Ordinalskala nicht vorausgesetzt werden. Der Median ist daher die methodisch sauberere Wahl zur Beschreibung der zentralen Tendenz.

Skalenniveau Ordinalskala Messniveau Likert-Skala Median Nicht-parametrische Tests Deskriptive Statistik

Ihr persönlicher Ansprechpartner

Maximilian Fuchs, M. Sc.

Teilen Sie uns mit, wie wir Ihnen helfen können.

  • Persönlicher Ansprechpartner
  • Schnelle Rückmeldung
  • Transparente Preise
  • Schutz Ihrer Daten

Fragen? Einfach anrufen!