Ganz am Anfang des Statistik-Kurses, wenn du noch Hoffnung hast, dass alles vielleicht doch nicht so schlimm wird wie befürchtet, begegnet dir das erste Mal das Thema „Skalenniveaus“ und du denkst dir möglicherweise, dass das ja ganz nett, aber nicht so wichtig ist.
Doch weit gefehlt, wie sich bald herausstellt! Denn mit zunehmendem Lernfortschritt begegnen dir immer wieder Begriffe wie „intervallskalierte Daten“ oder „Variable muss Ordinalskalen-Niveau haben“ etc.
Auch beim Anlegen der Variablen in SPSS sollte am Ende jeder Zeile einer neu definierten Variablen das Skalen- oder Messniveau eingestellt werden.
Spätestens jetzt denkst du dir wahrscheinlich: „Hätte ich mir das doch mal besser angeschaut!“ und kramst deine Unterlagen hervor.
Die gute Nachricht ist:
Das kannst du dir sparen, weil ich dir hier alles Wissenswerte dazu zusammengestellt habe. Das ließe sich mathematisch natürlich noch DEUTLICH vertiefen, aber du weißt ja, dass das nicht unser Anliegen ist.
Hier geht’s darum, die Prüfung zu bestehen und nicht in die Tiefen der Statistik einzutauchen (bei weitergehendem Interesse gibt es eine Fülle von sehr guten Informationen in den einschlägigen Lehrbüchern).

Worum geht's bei den Skalenniveaus?
Jede Variable, die du erhebst, wird einem bestimmten Skalenniveau zugeordnet. Die Skalenniveaus wiederum sagen dir, was du berechnungs-technisch mit deinen Variablen anstellen darfst.
D. h., wenn du weißt, zu welchem Skalenniveau deine Variablen oder untersuchten Merkmale gehören, weißt du auch, welche Methoden du verwenden darfst und welche nicht.
WELCHE GIBT’S?
Es gibt FÜNF SKALENNIVEAUS:
Diese bauen aufeinander auf, so dass jede nachfolgende Skala die vorangehende(n) enthält und komplexer wird.
Du kannst dir das wie ein Haus mit verschiedenen Stockwerken vorstellen:
Das Erdgeschoss, quasi die Basis, ist die Nominalskala, das erste Obergeschoss die Ordinalskala und so weiter.

Gut zu wissen:
Variablen bzw. Merkmale, die auf der Nominal- und Ordinalskala liegen, werden kategoriale Merkmale genannt.
Variablen, die auf der Intervall-, Verhältnis- und Absolutskala verortet sind, werden als metrische Variablen bzw. Merkmale bezeichnet.
Die Intervall-, Verhältnis- und Absolutskala werden als metrische Skalen oder Kardinalskala zusammengefasst.

Wo befinden wir uns?
Damit du dich in der Statistik zurechtfindest, ist es wichtig, zu wissen, in welchem Bereich du dich gerade bewegst – denn die Welt der Statistik ist ganz strukturiert aufgebaut!
Versuch also immer beim Lernen zu erkennen, wo du gerade bist. Dann hast du nicht das Gefühl, vollkommen lost zu sein.
Wir befinden uns in der Welt der Grundbegriffe, quasi im Basecamp der Statistik, in dem du einige wichtige Dinge lernst, die du brauchst, um dich in die nächsten Welten aufzumachen.
Übrigens: Wenn du mehr Mindmaps dieser Art mit kurzen Beschreibungen der Methoden möchtest, kannst du dir HIER für 0,-€ meinen Statistik-Kompass holen.


NOMINALSKALA – ERDGESCHOSS

Worum geht’s?
Variablen, die zur Nominalskala gehören, sind
Beispiele:
Geschlecht, Studienfach, Familienstand, gewählte Partei, Religionszugehörigkeit, Schokoladensorten, Automarken, Nationalität, Haarfarbe, psychische Erkrankungen
Gut zu wissen:
„Diskret“ bedeutet, dass es zwischen den einzelnen Merkmalsausprägungen keine Zwischenstufen gibt. Es gibt also nichts zwischen Politologie und BWL, also kein 1.56 Politologie oder 2.38 BWL. D. h., es existiert nur die eine Ausprägung – oder aber die andere(n).
Diskrete Variablen sind gewöhnlich nominal- und ordinalskaliert, können jedoch auch auf einer höheren Skala liegen.
„Qualitativ“ bedeutet, dass die Variablen eine Qualität und nicht ein Ausmaß darstellen. Dies bedeutet z. B. beim Geschlecht, dass die Ausprägungen Frau/Mann eine Qualität anzeigen, es jedoch nicht möglich ist, anzugeben, dass jemand seeeehr Frau oder wenig Mann ist. Das sagen wir zwar umgangssprachlich so, wenn wir jemanden als „sehr weiblich“ oder „wenig männlich“ bezeichnen – statistisch gesehen dürfen wir das jedoch nicht. Dies wirkt sich auch auf die Rechen-Möglichkeiten aus, denn ein Durchschnitt aus Politologie und BWL oder Frau und Mann ergibt wenig Sinn.
Qualitative Variablen sind nominal- oder ordinalskaliert.
Was darfst du damit rechnen?
Hier sind die erlaubten mathematischen Operationen sehr eingeschränkt (wir erinnern uns: unterste, einfachste Skala).
Im Klartext: du darfst nur auszählen, wie viele Personen in deiner Stichprobe eine bestimmte Merkmalsausprägung aufweisen. Wie viele Personen studieren Politologie? Wie viele BWL? Wie viele Frauen waren in der Stichprobe? Wie viele Männer? That’s it.
Welche Methoden bzw. Kennwerte sind hier möglich?
Modus (häufigster Wert), Chi-Quadrat-Koeffizient bzw. -Test, Phi-Koeffizient, Cramérs V

ORDINALSKALA – 1. STOCK

Worum geht’s?
Hier kommt zu den Eigenschaften der Nominalskala eine Rangfolge im Sinne von größer, schneller, höher, besser dazu.
Variablen, die zur Ordinalskala gehören, sind
Beispiele:
Bildungsstand, Plätze in einem Wettkampf, militärische Ränge, Hochschulrankings, Schulnoten (Schulnoten gehören „eigentlich“ zu dieser Skala, werden berechnungstechnisch jedoch behandelt wie Variablen auf der Intervallskala)
Gut zu wissen:
Neu ist jetzt hier, dass sich die Daten in eine Rangreihe bringen lassen, wobei die Abstände zwischen den einzelnen Rängen nicht exakt gleich sind!
Stell‘ dir z. B. einen Skiläufer vor, der den ersten Platz gewinnt. Der Skiläufer auf dem zweiten Platz kommt nur eine Millisekunde nach ihm ins Ziel, während der Skiläufer auf dem dritten Platz vor Zielerreichung stürzt und erst eine halbe Minute später das Ziel erreicht. Die Abstände zwischen den ersten drei Plätzen sind hier also sehr unterschiedlich.
Was darfst du damit rechnen?
Hier sind die erlaubten mathematischen Operationen ebenfalls noch sehr eingeschränkt. Aber immerhin darf man nun nicht nur auszählen, sondern auch in eine Rangreihe bringen.
Welche Methoden bzw. Kennwerte sind hier möglich?
Modus, Median, Boxplot, Rangkorrelationskoeffizient nach Spearman, Kendalls Tau, U-Test, Wilcoxon-Test

Brauchst du hilfe beim lernen von statistik?
Dann komm zu Statistik-Gym,
Dem Online-Fitnessstudio für Statistik,
das dich fit für die Prüfung macht!

Statistik-Gym ist eine Mitgliedschaft wie im Fitness-Studio, nur eben für Statistik im Bachelor, die dir hilft, dieses Fach endlich zu verstehen & die Prüfung zu meistern!
Darin bekommst du:
Und dann macht Statistik vielleicht sogar Spaß!
Klingt gut? Dann klick hier:

INTERVALLSKALA – 2. STOCK

Worum geht’s?
Variablen, die zur Intervallskala gehören, sind gewöhnlich (manchmal gibt’s Ausnahmen)
Beispiele:
Alle psychologischen Konstrukte wie Geduld, Extraversion, Empathie, Durchhaltevermögen, Aggressivität, Intelligenz, Resilienz etc., Temperatur in Grad Celsius
Gut zu wissen:
Am häufigsten verwendete Skala in der Psychologie!
Neu ist jetzt hier, dass die Abstände zwischen den einzelnen „Rängen“ bzw. Merkmals-Ausprägungen gleich sind.
„Stetig“ bedeutet, dass es zwischen den einzelnen Merkmals-Ausprägungen unendlich viele Zwischenstufen gibt. Es existieren also zwischen zwei Ausprägungen der Empathie potenziell unendlich viele Zwischenwerte, wenn man nur genau genug misst. Jemand könnte beispielsweise einen Empathie-Wert von 4,5278098982973 haben. Oder 5,6274. Oder 1,20.
Das Gleiche gilt für verhältnisskalierte Variablen wie die Körpergröße. Wenn im Pass 172cm stünde, könnte die tatsächliche Größe beispielsweise 172,4516 cm betragen, wenn man nur sehr, sehr genau messen würde.
Am leichtesten kann man sich den Unterschied zwischen diskreten und stetigen Variablen vielleicht merken, wenn man im Kopf behält, dass man bei stetigen Merkmalen immer ein Komma und unendlich viele Nachkommastellen anhängen könnte. Das ist bei diskreten Variablen nicht möglich (Frau,23709 macht nicht wirklich Sinn…).
Stetige Variablen gehören in der Psychologie meist zu den metrischen Skalen.
„Quantitativ“ bedeutet, dass bei diesen Variablen ein Ausmaß angegeben werden kann: jemand kann sehr oder wenig intelligent sein.
Quantitative Variablen liegen auf den metrischen Skalen.
Was darfst du damit rechnen?
Ab der Intervallskala darfst du alle Rechenoperationen dieser Welt durchführen und alle Methoden der Statistik zum Einsatz bringen.
Welche Methoden bzw. Kennwerte sind hier möglich?
Alle!

VERHÄLTNISSKALA – 3. STOCK

Worum geht’s?
Variablen, die zur Verhältnisskala gehören, sind gewöhnlich (manchmal gibt’s Ausnahmen)
Beispiele:
Gewicht, Körpergröße, Alter, Einkommen, Reaktionsgeschwindigkeit, Kelvin- Temperaturskala
Gut zu wissen:
In der Psychologie bis auf Messungen der Reaktionsgeschwindigkeit eher selten!
Neu ist jetzt hier, dass es einen bereits natürlicherweise vorhandenen Nullpunkt gibt.
Das ist hingegen bei der Intervallskala nicht der Fall. Hier mag es zwar auch einen Nullpunkt geben – jedoch wurde dieser „konstruiert“, wie z. B. bei einer Messung der Leistungsbereitschaft auf einer Skala von 0 bis 100. Man könnte die Leistungsbereitschaft jedoch auch auf einer Skala von 1 bis 5 messen und hätte dann gar keine 0 oder einen „Nullpunkt“ in den Daten.
Was darfst du damit rechnen?
Alles
Welche Methoden bzw. Kennwerte sind hier möglich?
Alle!

ABSOLUTSKALA – 4. STOCK

Worum geht’s?
Variablen, die zur Absolutskala gehören, sind gewöhnlich (manchmal gibt’s Ausnahmen)
Beispiele:
Anzahl an… Fachsemestern, auf einer Party konsumierten Cocktails, Panikattacken, Zigaretten
Gut zu wissen:
In der Psychologie oft für Verhaltensbeobachtungen verwendet, z. B. Anzahl an verbalen Attacken, Verlegenheitsgesten, wertschätzenden Adjektiven etc.
Neu ist jetzt hier, dass zusätzlich zu allen bisherigen Eigenschaften noch eine bereits natürlicherweise vorliegende Einheit dazu kommt, meist in Form von „Anzahl an…“.
Was darfst du damit rechnen?
Alles
Welche Methoden bzw. Kennwerte sind hier möglich?
Alle!
Übersicht zur Einteilung von Variablen

Jetzt bist du dran!
Überleg dir bitte, welche Variablen bzw. Merkmale dir kürzlich begegnet sind:
Viel Erfolg!
QUELLEN (Als Amazon-Partnerin verdiene ich an qualifizierten Verkäufen):
Bühner, M., & Ziegler, M. (2017). Statistik für Psychologen und Sozialwissenschaftler. Pearson.
Bortz, J., & Schuster, C. (2017). Statistik für Human- und Sozialwissenschaftler. Springer.
Field, A. (2018). Discovering Statistics using IBM SPSS Statistics. SAGE.
[…] Eine Vertiefung der Rechenmethoden, die bei den Skalen anzuwenden sind, findest Du unter dem folgenden Link:https://www.statistikpsychologie.de/skalenniveaus/?cn-reloaded=1#tab-con-26 […]
Vielen lieben Dank fürs Posten auf eurer Website!
Super anschaulich erklärt, danke 🙂
Sehr gerne, liebe Lina! Liebe Grüße
Hilft mir weiter ! Danke !
Freut mich sehr!
Liebe Grüße,
Melanie
Einfach viel verständlicher und anschaulicher als in meinem Studienmaterial. Hat mir super geholfen. Dankeschön
Hallo liebe Julia,
freut mich sehr!
Und natürlich sehr gerne.
Liebe Grüße!
Prima! Habe Ihre Seite auf der Suche nach einem didaktischen Konzept gefunden, mit dem ich meinen jungen Medizinstudierenden Skalenniveaus möglichst anschaulich, dennoch nicht oberflächlich und in kurzer Zeit erklären kann. Obwohl ich erst kurz reingeschaut habe, wird das e-Book wohl auch zur Pflichtlektüre für meine Doktoranden werden, bevor ich die so richtig mit SPSS loslegen lasse.
Hallo lieber Frank,
vielen Dank – das freut mich sehr!
Liebe Grüße,
Melanie
Vielen Dank! 👍🏻 sehr gut verständlich!
Sehr gerne, liebe Yvonne!
Wünsche weiterhin gutes Lernen!
Hallo, wie ist denn dann „Sicherheitsbewusstsein“ (Es ist der Person wichtig, in einem sicheren Umfeld zu leben. Die Person vermeidet alles, was seine/ihre Sicherheit gefährden könnte skaliert? Ordinal?
Hallo liebe Sarah,
das ist so schwer zu sagen und hängt davon ab, auf welcher Skala du diese Fragen erfasst hast.
Das Sicherheitsbewusstsein ist an sich ein intervallskaliertes Merkmal, da es ein psychologisches Konstrukt ist.
Wenn du das mit einer Likert-Skala erfasst hast, scheiden sich die Geister:
Manche sagen, das sei ordinalskaliert, und manche sagen, das sei zwar „eigentlich“ ordinalskaliert, dürfe jedoch rechnerisch wie ein intervallskaliertes Merkmal behandelt werden.
Liebe Grüße,
Melanie
Die Einteilung hat mir sehr geholfen. Ich arbeite mit dem Konstrukt von burnout und habe da eine Frage. Die Maslach Burnout inventory Skala, eher ordinal oder Intervall skaliert?
Hallo liebe Lara,
freut mich, dass ich dir weiterhelfen konnte!
Ich kenne dieses Inventory leider nicht, daher kann ich nichts dazu sagen – tut mir leid!
Liebe Grüße,
Melanie
Brauche diese Sachen für meine Facharbeit in Statistischer Datenauswertung, sehr gut erklärt, Zitation und Quellenangabe ordentlich angegeben, damit andere es gleich übernehmen können. Vielen Dank, ich werde in meiner Quellenangabe und im vorgesehenen Abschnitt auch einen Link Ihrer Seite einfügen, da es eine wirklich gute Quelle darstellt.
MfG
Hallo lieber Markus,
vielen Dank!
Es freut mich sehr, dass ich weiterhelfen konnte!
Liebe Grüße,
Melanie
Seit Jahren versuche ich das alles zu verstehen. Das ist alles soooo verständlich. Vielen Dank!!!