Das Skalenniveau als Eigenschaft von Merkmalen bestimmt im Wesentlichen den Informationsgehalt des Merkmals und welche mathematischen Transformationen und statistischen Verfahren durchgeführt werden können.
Das Skalenniveau der Daten bestimmt:
- die mathematischen Operationen, welche mit dem Merkmal durchgeführt werden können und welche statistischen Analyseverfahren zu Auswertung infrage kommen.
- welche Transformationen durchgeführt werden können, ohne dass ein Informationsverlust auftritt.
- wie das Merkmal interpretiert werden kann.
Die verschiedene Skalenniveaus:
- Nominalskala: Die Merkmalsausprägungen trennen lediglich verschiedene Kategorien. Eine Rangordnung der Kategorien ist nicht möglich. Zwei Merkmalsausprägungen können lediglich gleich oder ungleich sein. Beispiel: Geschlecht -> ist lediglich gleich oder ungleich
- Ordinalskala: Die Merkmalsausprägungen können zusätzlich ranggeordnet werden. Zwei unterschiedliche Merkmalsausprägungen unterscheiden sich in ihrer "Qualität", ein Merkmal ist z.B. besser. Beispiel: Schulnoten -> Eine 2 ist besser, als eine 3
- Kardinalskala: Die Differenz zwischen zwei Merkmalen kann zusätzlich interpretiert werden. Beispiel: Der Kontostand -> "100 € mehr auf dem Konto" ist 50€ besser, als "50€ mehr auf dem Konto"
Nominal skalierte Merkmale können zusätzlich danach unterscheiden werden, wie viele verschiedenen Merkmalsausprägungen möglich sind. Man spricht von einem dichotomen Merkmal, wenn genau zwei Ausprägungen vorkommen (z.B. Geschlecht) und von einem polytomen Merkmal, wenn mehr als zwei Ausprägungen möglich sind (z.B. Wohnort). Die Kardinalskala kann hierbei weiter unterteilt werden, je nachdem, ob ein natürlicher Nullpunkt vorliegt (Verhältnisskala: z.B. K°) oder evtl. sogar zusätzlich eine natürliche Maßeinheit gegeben ist (Absolutskala: z.B. Stückzahl). Lassen sich lediglich die Differenzen interpretieren, dann spricht man von einer Intervallskala.
Weiterführende Literatur: