Ratioskala
In diesem Beitrag
Was versteht man unter Ratioskala?
Die Ratioskala – auch Verhältnisskala genannt – ist das höchste Messniveau in der Statistik. Sie vereint alle Eigenschaften der niedrigeren Skalenniveaus (Nominal-, Ordinal- und Intervallskala) und fügt ein entscheidendes Merkmal hinzu: einen absoluten Nullpunkt. Dieser Nullpunkt ist nicht willkürlich gewählt, sondern bedeutet das vollständige Fehlen der gemessenen Eigenschaft.
Konkret erfüllt die Ratioskala vier Eigenschaften:
- Klassifikation: Werte lassen sich eindeutigen Kategorien zuordnen.
- Rangordnung: Die Werte können sinnvoll geordnet werden (größer/kleiner).
- Gleiche Abstände: Die Abstände zwischen Werten sind überall gleich groß und vergleichbar.
- Absoluter Nullpunkt: Der Wert 0 bedeutet das vollständige Fehlen der Eigenschaft – Verhältnisse zwischen Werten sind daher aussagekräftig.
Weil ein echter Nullpunkt existiert, sind auf der Ratioskala nicht nur Differenzen, sondern auch Verhältnisse (Quotienten) interpretierbar. Eine Person, die 80 kg wiegt, wiegt doppelt so viel wie eine Person mit 40 kg. Diese Aussage ist nur auf der Ratioskala sinnvoll.
Typische Beispiele für ratioskalierten Variablen:
- Gewicht (in kg)
- Körpergröße (in cm)
- Einkommen (in Euro)
- Reaktionszeit (in Millisekunden)
- Temperatur in Kelvin (nicht aber Celsius oder Fahrenheit!)
Warum ist die Ratioskala für statistische Analysen wichtig?
Das Skalenniveau bestimmt, welche statistischen Verfahren zulässig und sinnvoll sind. Auf der Ratioskala sind alle gängigen statistischen Operationen erlaubt – Addition, Subtraktion, Multiplikation und Division. Das ermöglicht den Einsatz eines sehr breiten Methodenspektrums:
- Alle Lagemaße: Modus, Median, arithmetisches Mittel und geometrisches Mittel
- Alle Streuungsmaße: Varianz, Standardabweichung, Variationskoeffizient
- Verhältnisaussagen: „doppelt so groß“, „dreimal so viel“
- Regressionsanalysen, t-Tests, ANOVA und viele weitere parametrische Verfahren
In der Forschungspraxis ist die korrekte Einordnung des Skalenniveaus vor jeder Analyse essenziell. Wer eine Variable fälschlicherweise als ratioskaliert behandelt, obwohl sie nur intervallskaliert ist, riskiert fehlerhafte Schlussfolgerungen – vor allem bei Verhältnisaussagen.
Praxisbeispiel zu Ratioskala
Eine Ernährungswissenschaftlerin untersucht den täglichen Kalorienverbrauch von fünf Probanden. Die erhobenen Werte in kcal sind ratioskaliert, da ein Wert von 0 kcal das vollständige Fehlen von Kalorienverbrauch bedeuten würde.
| Proband | Kalorienverbrauch (kcal) |
|---|---|
| A | 1.800 |
| B | 2.200 |
| C | 2.400 |
| D | 1.600 |
| E | 3.000 |
Weil die Daten ratioskaliert sind, kann die Wissenschaftlerin folgende Aussagen treffen:
- Mittelwert: Der durchschnittliche Verbrauch beträgt 2.200 kcal.
- Verhältnis: Proband E verbraucht mit 3.000 kcal fast doppelt so viel wie Proband D mit 1.600 kcal – eine Verhältnisaussage, die nur auf der Ratioskala sinnvoll ist.
- Variationskoeffizient: Da ein echter Nullpunkt existiert, kann die relative Streuung (Standardabweichung geteilt durch Mittelwert) berechnet und interpretiert werden.
Hätte sie stattdessen eine Skala ohne echten Nullpunkt genutzt – etwa eine Selbsteinschätzung von „kaum aktiv“ bis „sehr aktiv“ – wären solche Verhältnisaussagen unzulässig.
