Skala / Messskala
In diesem Beitrag
Was versteht man unter Skala / Messskala?
Eine Messskala (auch: Skalenniveau) beschreibt, welche Art von Information ein Merkmal trägt – also wie präzise und in welcher Form eine Variable gemessen wurde. Je nach Skalenniveau sind unterschiedliche mathematische Operationen und statistische Verfahren zulässig.
Die Klassifikation geht auf den Psychologen Stanley Smith Stevens zurück, der 1946 vier Skalenniveaus definierte:
- Nominalskala: Merkmale werden in Kategorien eingeteilt, die keine natürliche Reihenfolge haben. Beispiele: Geschlecht, Nationalität, Augenfarbe.
- Ordinalskala: Kategorien lassen sich in eine sinnvolle Reihenfolge bringen, aber die Abstände zwischen den Stufen sind nicht gleichmäßig oder bekannt. Beispiele: Schulnoten, Likert-Skalen, Rangplätze.
- Intervallskala: Die Abstände zwischen den Ausprägungen sind gleichmäßig und interpretierbar, aber es gibt keinen absoluten Nullpunkt. Beispiele: Temperatur in Grad Celsius, Jahreszahlen.
- Ratioskala (Verhältnisskala): Wie die Intervallskala, aber mit einem echten Nullpunkt. Dadurch sind auch Verhältnisaussagen möglich (z. B. „doppelt so groß“). Beispiele: Körpergröße, Gewicht, Einkommen, Reaktionszeit.
Warum ist die Messskala für statistische Analysen wichtig?
Das Skalenniveau einer Variable ist eine der grundlegendsten Entscheidungen in der Datenanalyse – es bestimmt direkt, welche statistischen Methoden überhaupt zulässig sind. Wer das Skalenniveau ignoriert oder falsch einschätzt, riskiert sinnlose oder irreführende Ergebnisse.
Konkret gilt: Je höher das Skalenniveau, desto mehr statistische Operationen sind erlaubt. Auf Nominalskalenniveau darf man nur Häufigkeiten zählen und den Modus bestimmen. Auf Ordinalskalenniveau kommen Median und Rangkorrelationen hinzu. Erst ab dem Intervallniveau sind Mittelwert und Standardabweichung rechnerisch sinnvoll – auf der Ratioskala schließlich sind auch Verhältnisaussagen korrekt.
Praxisbeispiel zu Skala / Messskala
Eine Forscherin untersucht das Wohlbefinden von Studierenden und erhebt dabei folgende Variablen:
| Variable | Beispielausprägungen | Skalenniveau | Zulässige Kennwerte |
|---|---|---|---|
| Studienfach | BWL, Psychologie, Medizin | Nominal | Modus, Häufigkeiten |
| Zufriedenheit (1–5) | 1 = sehr unzufrieden, 5 = sehr zufrieden | Ordinal | Median, Modus |
| Prüfungspunktzahl | 0–100 Punkte | Intervall/Ratio | Mittelwert, Standardabweichung |
| Schlafdauer (Stunden) | 6,5 / 7 / 8,5 Stunden | Ratio | Mittelwert, Verhältnisaussagen |
Für das Studienfach wäre es unsinnig, einen Mittelwert zu berechnen. Für die Schlafdauer hingegen ist die Aussage „Person A schläft doppelt so lang wie Person B“ vollkommen korrekt – weil ein echter Nullpunkt (null Stunden Schlaf) existiert. Die Forscherin muss also für jede Variable das passende Analyseverfahren wählen: Für das Studienfach ein Chi-Quadrat-Test, für die Zufriedenheitsskala einen Mann-Whitney-U-Test, für die metrischen Variablen einen t-Test oder eine Korrelation nach Pearson.
