Du hast sicher schon von metrischen Variablen gehört und gelesen. Eine Variable gilt als metrisch, wenn sie auf einer gleichabständigen Skala gemessen wird.

Gleichabständige Skala bedeutet, dass überall auf dieser Skala die Schritte gleich bedeutend sind. Also so, wie auf einem Lineal. Fast alles, was wir messen, messen wir auf einer gleichabständigen Skala. Zum Beispiel

• Gewicht,
• Länge,
• Abstand,
• Dauer,
• Alter,
• Laborparameter wie pH-Wert
• usw.

Es gibt aber auch Fälle in denen nicht auf einer gleichabständigen Skala gemessene Parameter trotzdem in der statistischen Anwendung wie metrische Variablen verwendet werden. Das ist dann der Fall, wenn der Parameter ordinal skaliert ist und viele Ausprägungen annimmt. Häufig wird in der Praxis bei Zähldaten und Likert-Skalen so vorgegangen. Diese Daten sind streng genommen ordinal, werden aber meist wie metrische Variablen verwendet.

William D. Berry schreibt dazu (Understanding Regression Assumptions. Sage university Paper Series on Quantitative Applications in the Social Sciences, 07-092. Newbury Park, CA: Sage, 1993, S. 47):

Under certain conditions, it may also be appropriate to treat a quantitative ordered discrete variable as if it were continuous […] In particular, when a quantitative ordered discrete variable takes on a wide range of values (as does the number of employees in an organization), it is probably reasonably to treat the variable as if it were continuous. In contrast, it is clearly inappropriate to treat any ordered discrete variable with a small number of values (say, five or fewer) as continuous. In between these extremes the choice is less obvious, but, as a general guideline, the greater the number of values assumed by a quantitative ordered discrete variable, the more reasonable an assumption of approximate continuousness […]

Wenn wir also eine ordinal skalierte Variable haben, die mehr als fünf Ausprägungen annimmt, so können wir sie wie eine metrische Variable in unserer Datenanalyse verwenden. Je mehr Ausprägungen es sind, umso eher können wir davon ausgehen, dass wir die Variable wie eine metrische Variable verwenden können. Wir sollten hier dann aber besonders auf die Voraussetzungen wie Normalverteilung achten, wenn wir Signifikanztests rechnen. Ist die Voraussetzung nicht erfüllt, so sollten wir hier direkt auf nicht-parametrische Verfahren zurückgreifen, die auch bei ordinal skalierten Daten passend sind. Und bei allen Analysen sollten wir im Hinterkopf behalten, dass es sich streng genommen um eine ordinale Variable handelt und unser Vorgehen natürlich immer transparent berichten.

Bildquelle: pixabay, fotoblend