Datenarten und Skalenniveaus.

Du hast einen Datensatz mit Postleitzahlen, Klausurnoten und Außentemperaturen, bei welcher Variable macht der Mittelwert Sinn? Antwort: nur bei der Temperatur. Postleitzahlen darf man nicht mitteln (was wäre der Mittelwert aus 10115 Berlin und 80331 München?), Noten ist umstritten. Warum? Weil sie auf unterschiedlichen Skalenniveaus liegen. Skalenniveau entscheidet, welche Rechnungen und welche Diagramme erlaubt sind, und das ist der häufigste Auswahlfehler in Statistik-Klausuren.

Wir machen das systematisch: erst die zwei groben Schubladen (qualitativ vs. quantitativ), dann die vier Skalenniveaus mit klaren Beispielen und einem Entscheidungsbaum, am Ende die Tabelle "was darf ich rechnen".

Erste Sortierung: qualitativ vs. quantitativ

Quantitative Daten haben noch eine Unterteilung:

• Diskret, abzählbar, Sprünge: Anzahl Geschwister, Würfelaugen, Klicks pro Sitzung.
• Stetig, beliebig fein, Zwischenwerte möglich: Körpergröße, Zeit, Temperatur.

Das ist die grobe Sortierung. Für die richtige Auswahl von Mittelwert, Diagramm und Test brauchst du eine feinere Stufe, die vier Skalenniveaus.

Die vier Skalenniveaus

Skalenniveaus sind aufsteigend geordnet, jede Stufe kann alles, was die Stufe darunter kann, plus mehr.

1. Nominalskala, "nur Namen"

Werte sind reine Bezeichner, keine Reihenfolge.

• Beispiele: Geschlecht, Studiengang, Postleitzahl, Auto-Marke, Spielernummer im Fußball.
• Erlaubt: Häufigkeiten zählen, Modus bestimmen, Chi-Quadrat-Test.
• Verboten: Mittelwert, Median, "größer als", Postleitzahl 10115 ist nicht "kleiner" als 80331.

Achtung Codierung: auch wenn Geschlecht als 1 = männlich, 2 = weiblich, 3 = divers gespeichert ist, du darfst trotzdem keinen Mittelwert berechnen. Die Zahl ist nur ein Label.

2. Ordinalskala, "Reihenfolge ja, Abstand nein"

Werte haben eine Rangordnung, aber die Abstände zwischen den Rängen sind nicht definiert.

• Beispiele: Schulnoten (1 < 2 < 3 …), Likert-Skala ("sehr zufrieden" > "zufrieden" > "neutral" …), Bundesliga-Tabellenplatz, Erdbebenstärke nach Richter (oh halt, das ist intervall, eher: Schwierigkeitsgrad im Spiel: leicht/mittel/schwer).
• Erlaubt: Modus, Median, Quantile, Rangkorrelation (Spearman).
• Strittig: Mittelwert. Schulnoten-Mittelwert ist Konvention, aber statistisch wackelig, der Abstand zwischen 1 und 2 ist nicht zwingend gleich dem Abstand zwischen 4 und 5.
• Verboten: Subtraktion mit Bedeutung. "Platz 1 minus Platz 5 = 4" sagt nichts über den Punkteabstand aus.

3. Intervallskala, "Abstand ja, kein echter Nullpunkt"

Werte sind geordnet und Abstände sind interpretierbar. Aber: der Nullpunkt ist willkürlich gewählt, kein "nichts vorhanden".

• Beispiele: Temperatur in °C oder °F (0 °C ist nicht "keine Wärme"), Kalenderjahr (Jahr 0 ist willkürlich), IQ-Score.
• Erlaubt: alles aus Ordinal + Mittelwert, Standardabweichung, Differenzen, Pearson-Korrelation.
• Verboten: Verhältnisse. "20 °C ist doppelt so warm wie 10 °C" stimmt nicht, in Kelvin wäre das Verhältnis 293/283 ≈ 1,035.

4. Verhältnisskala (auch Rational/Ratio), "alles erlaubt"

Geordnet, mit interpretierbaren Abständen und echtem Nullpunkt ("nichts da").

• Beispiele: Gewicht, Länge, Alter, Einkommen, Reaktionszeit, Anzahl Klicks, Temperatur in Kelvin.
• Erlaubt: alles. Mittelwert, geometrischer Mittelwert, Variationskoeffizient, Verhältnisse: "60 kg ist doppelt so viel wie 30 kg" ✓.

Visueller Entscheidungsbaum

Wenn du im Zweifel bist, welches Skalenniveau eine Variable hat, geh den Baum unten durch. Drei Fragen reichen.

"Was darf ich rechnen?", die Klausur-Tabelle

Diese Tabelle ist Pflicht-Wissen für jede Statistik-Klausur. Lerne sie auswendig, sie kommt in nahezu jeder Aufgabe implizit vor (Auswahl von Lagemaß, Diagramm, Test).

Lies das so: jede Spalte zeigt, was erlaubt ist. Die Klammern bei Ordinal-Mittel zeigen den Streitpunkt (Schulnoten-Konvention vs. statistische Strenge).

Klassiker, falsche Schlüsse vermeiden

Schulnoten als Intervallskala behandeln. Mathematisch sind Schulnoten Ordinal, der Schritt von 1 auf 2 ist nicht zwingend gleich groß wie der von 5 auf 6. In Praxis (Notendurchschnitt) wird trotzdem gemittelt; in Klausuren musst du wissen, dass das eine Konvention ist und Schulnoten formal ordinal sind.

Postleitzahl als Zahl behandeln. Sie ist nominal, auch wenn sie aus Ziffern besteht. Mittelwert macht keinen Sinn. Daran erkennst du sie: was sind die "Nachbar-Werte"? PLZ 10115 + 1 = 10116 ist nicht "ein bisschen mehr Berlin", sondern ein anderer Postbezirk.

Temperatur und Verhältnisse. "30 °C ist doppelt so warm wie 15 °C", falsch, Intervallskala. Erst in Kelvin (Verhältnisskala) kann man verdoppeln: 303 K vs. 288 K ist nur 5 % mehr.

Likert-Skalen ("trifft voll zu" 1–5) als Intervall behandeln. Häufig in Surveys, häufig kritisiert. Strikt ordinal, in Praxis oft intervall behandelt. Für Klausur: ordinal.

Klausur-Faustregeln

1. Drei Fragen-Check für jedes Datenfeld: (a) Gibt es eine Reihenfolge? (b) Sind die Abstände gleich? (c) Gibt es einen echten Nullpunkt? Je nach Antwort: nominal / ordinal / intervall / verhältnis.
2. Codierung täuscht. Eine Zahl im Datensatz ist nicht automatisch quantitativ. Geschlecht als 0/1 bleibt nominal.
3. "Doppelt so viel" ist der Verhältnis-Test. Wenn diese Aussage sinnvoll ist (60 kg vs. 30 kg ✓), ist es Verhältnisskala. Wenn nicht (10 °C vs. 5 °C in °C ✗), ist es höchstens Intervall.
4. Diagramm-Wahl ist eine Skalen-Frage. Kreisdiagramm passt nur zu nominal/ordinal mit wenigen Kategorien. Histogramm braucht mindestens Intervallskala (sonst sind die Bins willkürlich).
5. Test-Wahl ebenso. Chi-Quadrat für nominal, Mann-Whitney für ordinal, t-Test für intervall/verhältnis. Falscher Test = Punktverlust.

Typische Stolpersteine

1. Diskret vs. stetig mit Skalenniveau verwechseln. Diskret/stetig ist eine Eigenschaft quantitativer Daten (Sprünge oder nicht). Skalenniveau (nominal/ordinal/intervall/verhältnis) ist die übergeordnete Klassifikation. Anzahl Geschwister ist diskret und Verhältnisskala.

2. Intervall- und Verhältnisskala verwechseln. Einziger Unterschied: hat die Variable einen echten Nullpunkt? Temperatur in °C → nein, willkürlich. Gewicht → ja, 0 kg bedeutet nichts da.

3. Skalenniveau abhängig vom Messverfahren, nicht vom Wert. Wenn du Alter in Klassen ("18–25", "26–35", …) erhebst, ist es ordinal, nicht mehr verhältnis, selbst wenn Alter "eigentlich" verhältnisskala wäre. Die Erhebungsform entscheidet.

4. "Mehr Stufen = besser" als Annahme. Höhere Skalenniveaus erlauben mehr Operationen, aber sind nicht automatisch sinnvoller. PLZ als Verhältnisskala anzusehen wäre absurd. Wähle das Niveau, das die Daten wirklich haben.

Klassifikations-Lab

Trainiere die Skalen-Klassifikation an 12 typischen Variablen aus Klausurklassikern. Pro Karte hast du 4 Optionen, wähle das richtige Skalenniveau. Sofort-Feedback mit Begründung.

Lern-Tipp: Drei Fragen, immer in derselben Reihenfolge: (1) Gibt es eine Reihenfolge? (2) Sind die Abstände interpretierbar? (3) Gibt es einen echten Nullpunkt? Bei jedem "nein" stoppst du auf der entsprechenden Stufe.

Klausur-Tipp: wenn du dir bei einer Variable nicht sicher bist, denke an die Frage "macht der Mittelwert Sinn?" Beim Mittelwert von Postleitzahlen merkst du sofort: nein. Bei Schulnoten ist es Konvention. Bei Temperatur in °C ja, "doppelt so warm" aber nein. Bei Gewicht alles ✓.

Datenarten und Skalen, Praxis-Übung

Vier Aufgaben-Typen: direkte Klassifikation, Operations-Auswahl, Diagramm-Wahl, Stolperstein-Erkennung.