Diagnose av variablens målenivå og måleskala

Det er ikke mulig å måle variabelen i en undersøkelse før du har identifisert hvilket målenivå spørsmålene (variabelen) befinner seg på. Dette fordi spørsmålets (variabelens) målenivå avgjør hvilken måleskala vi kan benytte oss av, og måleskalaen angir hvilke verdier det er mulig å måle variabelen (svarene) i.

Med måling mener vi:

Den prosessen som omfatter innsamling og systematisering av nummer eller merkelapper til objekter, personer eller begivenheter efter bestemte regler, for å angi mengde eller kvalitet på bestemte attributter

I samfunnsvitenskaplig forskning skiller vi mellom fire ulike målenivåer og -skalaer:

• Nominal målenivå/skala
• Ordinal målenivå/skala
• Intervall målenivå/skala
• Forholdstall nivå/skala

Med måleskala mener vi:

Et sett av symboler eller verdier som kan registrere ulik atferd, holdning eller preferanse hos respondenten

Nominal skala

Det laveste målenivået er nominalnivå, også kalt kategoriskala. Variabler som befinner seg på dette nivået kjennetegnes av at:

• Det er kun mulig å måle variablens verdi i gjensidig utelukkende kategorier.
• Variabelen kan kun kvantifiseres i andeler og det er ikke mulig å rangere verdiene.

Eksempel på slike variabler er nasjonalitet, geografi, kjønn, varesorter, sivilstatus, trosyn, politisk syn o.l. Befinner variabelen seg på nominalnivå er det kun mulig å registrere hvilken kategori observasjonen faller i. F.eks. kan vi registrer hvorvidt en kunde er mann eller kvinne.

Variabelen er da “kjønn”, med to mulige verdier eller kategorier; “MANN” og “KVINNE”. Har vi variabler på nominal nivå kan vi ikke ordne kategoriene i forhold til hverandre. Dvs. at vi ikke kan si at det ene alternativet er mer eller bedre enn det andre.

Verdien forteller kun noe om identiteten til personen. Det er ikke sammenheng mellom svaralternativene. Kategoriene er gjensidig utelukkende. Det er f.eks. umulig å tilhøre to kategorier samtidig. Enten er man mann eller så er man kvinne, selv om det i dag også noe som heter transvestitt. Spørsmål på nominalnivå vil derfor være enten eller spørsmål.

Ordet “nominal” kommer av “navn”, og betyr at vi kun har navngitte kategorier. Vi kan selvfølgelig ha flere enn to kategorier. F.eks. ved registrering av hvilke varesorter kunden kjøper. Observasjoner knyttet til nominalskalaer kaller vi for “tellinger”, fordi vi i praksis må begrense oss til å telle opp hvor mange observasjoner som faller i hver kategori, eller kategorikombinasjoner hvis vi har flere variabler.

Når vi har å gjøre med variabler på nominalnivå, kan tall og tallkoder kun brukes som “navn” eller “merkelapper” for å kategorisere de registrerte verdiene. Vi kan f.eks. bruke tallkoden 1 for å registrere alle undersøkelses enhetene som kommer fra Norge og 2 som kommer fra Sverige, men vi kan ikke si at de som kommer fra Sverige har dobbel så stor “verdi” som de som kommer fra Norge.

Det eneste vi kan si er at alle som har verdien 1 kommer fra Norge, mens de som har verdien 2 kommer fra Sverige. Når vi sammenligner to enheter på en nominal variabel, gir det kun mening å si at de er like eller forskjellige. Dikotome variabler er eksempel på en variabltype som befinner seg på nominal nivå.

Eksempler på spørsmål på nominalnivå er:

Kjønn :  

1. Mann
2. Kvinne

Hvilket parti skal du stemme på ?

1. Arbeiderpartiet
2. Høyre
3. Senterpartiet
4. osv.

Er du for EU ?

1. JA
2. NEI
3. VET IKKE

Ordinal skala

Ordinal skala er det nest laveste målenivå. Variabelens “verdier” er i utgangspunktet stadig kategorier, men kategoriene er ordnet i forhold til hverandre.

Vi kan si at 2 er større enn 1, og at 3 er større enn både 1 og 2.

Tallene 1, 2, 3, og 4 er ordnet eller rangert, og jo større tall desto mer av egenskapen.

I motsetning til variabler på nominalnivå, kan variablene nå gis verdier som kan stilles i en rekkefølge som ikke er tilfeldig, og som har en innbyrdes rangorden. Eksamensresultater og utdanningsnivå er eksempler på variabler på ordinal nivå.

Eksamenskarakteren 2 er f.eks. bedre enn karakteren 3. På dette nivået er det meningsfylt å snakke om hvilken verdi som er høyest eller lavest, selv om man ikke kan si hvor mye høyere eller lavere verdien er. Her er det altså bare rekkefølgen av kodetallene som har betydning, ikke avstanden mellom dem.

Viktige kjennetegn ved variabler på ordinalnivå er med andre ord:

• Variabelen kan måles i en nominalskala som kan rangeres (a er bedre en b)
• Variabelens verdier lar seg ikke måle i absolutte størrelser og/eller det er ikke mulig å måle avstanden mellom verdiene.

Eksempler på variabler som kan er på ordnial nivå er:

Utdanning :

1. Grunnskole
2. Videregående skole
3. Grunnfag
4. Mellomfag
5. Hovedfag
6. Doktorgrad

Inntekt :

1. Under Kr. 100.000
2. Mellom Kr. 100 – 200.000
3. Over Kr. 200.000

Andre eksempler på variabler som befinner seg på ordnialt nivå er alder og husstandstørrelse. Eksempler på spørsmål som følger ordninal skala er:

Av disse tre bilene; hvem vil du si er den beste og dårligste ?

1. BMW
2. TOYOTA
3. LADA

Spiser du mer kjøtt om vinteren enn om sommeren ?

1. Spiser mindre
2. Spiser like mye
3. Spiser mer

Legg for øvrig merke til at den ordinale skalaen ikke sier noen ting om avstanden mellom kategoriene, bare at den ene kategorien er større eller mindre enn den andre. Med observasjoner etter ordninal skala bruker vi medianen som observator i statistiske analyser. Medianen funksjon er å angi hvor tyngdepunktet i utvalget eller populasjonen ligger.

Intervall skala

Intervall skala er det nest høyeste målenivået, og antagelig det mest benyttede.

Her er observasjonene målinger i form av “verdier” (tall) som kan plottes inn i en skala etter hverandre slik at de gir mening. Det er med andre ord mulig å måle avstanden mellom to verdier eller kategorier på en skala. Skalaen forutsetter at avstanden mellom kategoriene er definert og at forskjellen mellom alternativene kan beskrives. Imidlertid kan vi ikke regne relative forskjeller med en intervallskala, og skalaen har ikke noe naturlig nullpunkt. Men siden forholdet mellom avstandene vil være uavhengig av valg av måleenhet og nullpunkt kan vi benytte de fire regningsartene; addisjon, subtraksjon, multiplikasjon og divisjon på en meningsfull måte på avstanden mellom to eller flere punkter på skalaen. Dvs. at forskjellen mellom 1 og 2 er like stor som mellom 3 og 3, og at 4 er dobbelt så stort som 2.

Et klassisk eksempel på intervall-skala er temperatur skalaen. Differansen mellom 0 og 10 grader Celsius er like stor som mellom 10 og 20 grader. Men det har liten mening å si at 20 er dobbelt så varmt som 10 grader fordi 0 ikke er noe naturlig nullpunkt. Viktige kjennetegn ved variabler som befinner seg på intervallnivå og som muliggjør bruk av intervallskala er:

• Variabelen kan måles med en ordinal skala med like intervaller mellom punktene
• Variabelens verdier har en relativ og konstant avstand mellom seg, men det er ikke mulig å si noe om graden av avstand (f.eks. dobbel så stor).
• De fire regningsartene; addisjon, subtraksjon, multiplikasjon og divisjon kan utføres på en meningsfull måte på avstanden mellom to eller flere punkter på skalaen.

Med intervallskala bruker vi aritmetisk gjennomsnitt for å angi tyngdepunktet i utvalget, og eksempler på spørsmål på intervall skala er spørsmål hvor vi bruker en skalering fra f.eks.; “Helt enig”, “Uenig”, “Verken eller”, “enig”, “helt enig” eller fra “Svært misfornøyd” til “Svært fornøyd”.

Forholdstall – skala/ration nivå

Forholdstallene, også kalt rationnivå, er det høyeste målenivå. Forskjellen mellom intervall og forholdstall er at det ved forholdstall eksisterer et absolutt eller naturlig nullpunkt som det er meningsfylt å sammenligne forholdet mellom verdiene med.

Alder, inntekt, utdanningslengde, høyde, vekt, meter, volum, kroner, antall kjøp, sannsynlighet for kjøp, er alle eksempler på forholdstall -skala.

Her kan de fire regnartene ikke bare anvendes på intervallene, men også direkte på målingene. Forholdstallene kan også transformeres til andre måleenheter, f.eks. fra meter til cm, og fra cm til mm. Med forholdstall er det ingen begrensninger i hvilke statistiske metoder vi kan bruke.

Viktige kjennetegn ved variabler på dette nivået er:

• inneholder et meningsfullt nullpunkt slik at forskjeller kan beregnes matematisk
• det finnes ingen begrensninger på hvilke statistiske eller matematiske metoder som kan brukes direkte på målingen.