Skalenniveau: Nominal-, Ordinal-, Intervall- und Verhältnisskala

Welches Skalenniveau haben Ihre Umfragedaten? Die vier Niveaus mit Beispielen, passende Kennzahlen und Tests, die Likert-Debatte und „weiß nicht“.

Das Skalenniveau sagt, welche Information in Ihren Antwortdaten steckt: Nominale Daten unterscheiden nur Kategorien, ordinale bilden zusätzlich eine Reihenfolge ab, bei Intervalldaten sind die Abstände gleich groß, und Verhältnisdaten haben zusätzlich einen echten Nullpunkt. Je höher das Niveau, desto mehr dürfen Sie rechnen: Häufigkeiten, dann den Median, ab Intervallniveau den Mittelwert, und nur bei Verhältnisdaten Aussagen wie „doppelt so viel“ (Malhotra und Birks 2007, S. 336-341).

Dieser Artikel beantwortet fünf Fragen der Reihe nach:

1. Welche vier Skalenniveaus gibt es, und wie sehen sie in einer Umfrage aus?
2. Welche Kennzahlen und welche Tests passen zu welchem Niveau?
3. Wie bestimmen Sie das Skalenniveau einer Frage?
4. Ist eine Likert-Skala ordinal oder intervallskaliert?
5. Wie gestalten Sie eine Ratingskala mit Mitte, „weiß nicht“ und „nicht zutreffend“?

Warum das wichtig ist, sehe ich immer wieder in Studien, Abschlussarbeiten und Berichten aus Unternehmen: Jemand berechnet den Mittelwert der Abteilungsnummern, berichtet einen Durchschnitt von 3,4 auf einer Zufriedenheitsskala, ohne die Verteilung zu zeigen, oder zählt „weiß nicht“ als Mitte. Keiner dieser Fehler fällt im Programm auf, denn ein Zahlencode schützt nicht vor einer sinnlosen Rechnung. Das Skalenniveau ist die Frage, die Sie sich vorher selbst stellen müssen.

Die vier Skalenniveaus mit Beispielen aus Umfragen

Messen heißt in der Umfrageforschung, Eigenschaften von Menschen oder Objekten nach einer festen Regel Zahlen zuzuordnen. Die Regel muss für alle Befragten und über die Zeit gleich bleiben (Marx 2026, Folie 20). Welche Rechnungen mit diesen Zahlen später sinnvoll sind, hängt davon ab, was die Regel abbildet. Die Lehrbücher unterscheiden üblicherweise vier Niveaus. Übrigens, die Einteilung in vier Niveaus geht auf den Psychologen S. S. Stevens zurück (zitiert nach Malhotra und Birks 2007, S. 336 und S. 365, Endnote 2). Intervall- und Verhältnisskala werden oft unter dem Begriff „metrisch“ zusammengefasst (Schumann 2019, S. 21).

Nominalskala: Die Zahl ist nur ein Etikett

Bei einer Nominalskala unterscheiden die Zahlen nur Gruppen. Wenn Sie in einer Mitarbeiterbefragung „Vertrieb = 1, Produktion = 2, Verwaltung = 3“ kodieren, ist die Verwaltung nicht „mehr“ als der Vertrieb. Sie könnten die Codes beliebig vertauschen, ohne dass sich eine Aussage ändert. Die einzige sinnvolle Operation ist Zählen (Malhotra und Birks 2007, S. 338).

Typische Nominalfragen in Umfragen: Abteilung, Studiengang, Bundesland, über welchen Kanal jemand von Ihrem Angebot erfahren hat, Ja/Nein-Fragen. Eine durchschnittliche Abteilung gibt es nicht, so wenig wie eine „durchschnittliche Konfession“ (Schumann 2019, S. 27). Bei Ja/Nein-Fragen mit den Codes 0 und 1 entspricht der Mittelwert dem Anteil der Ja-Antworten. Das macht die Frage nicht metrisch, es ist nur eine bequeme Rechnung.

Ordinalskala: Reihenfolge ja, Abstände nein

Bei einer Ordinalskala bilden die Zahlen eine Reihenfolge ab. Ob Rang 1 für mehr oder für weniger von einer Eigenschaft steht, hängt von der Vorgabe ab. Wie groß der Unterschied zwischen zwei Rängen ist, sagt die Skala nicht (Malhotra und Birks 2007, S. 338). Das Beispiel bei Jacob et al. (2019, S. 34) ist der Schulabschluss: Abitur liegt über der Mittleren Reife, aber niemand würde sagen, Abiturientinnen hätten „dreimal so viel“ gelernt wie Menschen mit Hauptschulabschluss.

Typische Ordinalfragen: Rangfolgen („Bringen Sie diese fünf Merkmale in eine Reihenfolge“), höchster Bildungsabschluss, und alle Fragen, die eine eigentlich metrische Größe in Klassen abfragen, etwa Einkommen „unter 2.000 Euro, 2.000 bis 3.999 Euro, ...“ oder Altersgruppen (Jacob et al. 2019, S. 35 und 183). Auch Verfahren, bei denen Befragte Objekte direkt vergleichen, etwa Paarvergleiche oder Rangordnungen, liefern nur ordinale Daten (Marx 2026, Folie 28).

Intervallskala: gleiche Abstände, willkürlicher Nullpunkt

Bei einer Intervallskala sind gleiche Zahlenabstände auch gleiche Abstände in der Sache. Der Nullpunkt ist aber festgelegt, nicht natürlich. Deshalb dürfen Sie Differenzen vergleichen, aber keine Verhältnisse bilden (Malhotra und Birks 2007, S. 340).

Das Standardbeispiel ist die Temperatur in Grad Celsius. Wasser mit 30 °C ist 15 Grad wärmer als Wasser mit 15 °C. Doppelt so warm ist es nicht, denn der Nullpunkt der Celsius-Skala ist der Gefrierpunkt des Wassers und damit gesetzt. Erst die Kelvin-Skala hat einen absoluten Nullpunkt (Jacob et al. 2019, S. 34). Rechnen Sie es nach:

15 °C = 288,15 K, 30 °C = 303,15 K, Verhältnis 303,15 : 288,15 = rund 1,05, nicht 2

In den Sozialwissenschaften sind „echte“ Intervallskalen selten. Jacob et al. (2019, S. 35) nennen das Geburtsjahr, die übliche Jahreszählung halten sie für ein unstrittiges Beispiel (ebd., Fn. 4). Wo Ratingskalen hingehören, ist umstritten. Darum geht es im Abschnitt Ist eine Likert-Skala ordinal oder intervallskaliert?.

Verhältnisskala: mit echtem Nullpunkt

Eine Verhältnisskala (auch Ratioskala) hat alle Eigenschaften der Intervallskala und zusätzlich einen absoluten Nullpunkt. Null bedeutet hier wirklich „nichts davon“. Deshalb sind Verhältnisse sinnvoll: Wer 4 Mal im Monat ins Fitnessstudio geht, geht doppelt so oft wie jemand mit 2 Besuchen (Malhotra und Birks 2007, S. 341).

Typische Verhältnisfragen in Umfragen: Anzahl der Bestellungen im letzten Jahr, Ausgaben in Euro, Dauer der Betriebszugehörigkeit in Jahren, Fahrzeit zur Arbeit in Minuten, Einkommen in Euro als offene Zahl. Malhotra und Birks (2007, S. 341) zählen auch Alter, Kosten, Umsatz und Marktanteil dazu.

Jedes Niveau enthält alle Eigenschaften der darunterliegenden. Das zeigt die Treppe in Diagramm A: Auf jeder Stufe kommt genau eine Eigenschaft hinzu.

Was Sie auf welchem Niveau berechnen dürfen

Das Skalenniveau entscheidet, welche Kennzahl eine sinnvolle Aussage liefert. Die Regel ist kumulativ: Was auf einem niedrigeren Niveau erlaubt ist, bleibt auf den höheren erlaubt. Die folgende Übersicht folgt der Tabelle im Lehrbuch (Marx 2026, Folie 23) und bei Malhotra und Birks (2007, S. 338-341).

Zwei Sätze sollten Sie sich merken. Erstens: Das arithmetische Mittel ist erst ab Intervallniveau interpretierbar (Schumann 2019, S. 27). Zweitens: Auf ordinalem Niveau verbietet sich der Mittelwert strenggenommen, weil die Abstände zwischen den Stufen nicht interpretierbar sind (Jacob et al. 2019, S. 34). Das „strenggenommen“ ist wichtig. Was die Praxis daraus macht, steht im Abschnitt zur Likert-Debatte.

Durchgerechnet: ähnliche Mittelwerte, andere Verteilungen

Betrachten wir ein erfundenes Beispiel aus einer Mitarbeiterbefragung. Zwei Teams mit je 20 Personen bewerten die Aussage „Die neue Arbeitszeitregelung ist für mein Team eine Verbesserung.“ Die Skala ist symmetrisch mit Mitte:

Stimme ganz und gar nicht zu (1) · Stimme nicht zu (2) · Teils teils (3) · Stimme zu (4) · Stimme ganz zu (5)

Nach dem Mittelwert liegt Team B knapp vorn. Nach dem Median liegt Team A vorn. Beide Zahlen sind richtig berechnet, und beide verfehlen das Wichtigste: Team A ist gespalten. Acht Personen lehnen die Regelung ab, zwölf begrüßen sie, niemand ist unentschieden. In Team B wählt die Hälfte „Teils teils“. Für die Geschäftsführung sind das zwei verschiedene Lagen. Warum jemand ablehnt oder die Mitte wählt, zeigt diese eine Frage allerdings nicht, dafür braucht es ein Gespräch oder eine offene Folgefrage.

Die Lehre daraus: Bei einer einzelnen Ratingfrage berichten Sie zuerst die Verteilung, zum Beispiel als gestapelten Balken oder als Anteil Zustimmung und Ablehnung. Median und Mittelwert können die Verteilung ergänzen, ersetzen sie aber nicht.

Skalenniveau bestimmen: drei Prüffragen

Das Skalenniveau steckt nicht in der Zahl, sondern in der Frage: Es kommt darauf an, was die Antworten in der Wirklichkeit abbilden. Dieselbe Eigenschaft kann je nach Frage auf verschiedenen Niveaus landen. Mit drei Fragen kommen Sie in fast allen Fällen zum Ziel:

1. Lassen sich die Antworten sinnvoll ordnen? Wenn nein: nominal. Abteilung, Kanal und Lieblingsfarbe haben keine natürliche Reihenfolge.
2. Sind die Abstände zwischen den Antworten gleich groß und inhaltlich bedeutsam? Wenn nein: ordinal. Der Abstand zwischen „Hauptschule“ und „Mittlere Reife“ ist nicht derselbe wie zwischen „Abitur“ und „Master“.
3. Gibt es einen echten Nullpunkt, der „nichts davon“ bedeutet? Wenn nein: intervall. Wenn ja: Verhältnisskala.

Drei Fallen sehe ich dabei immer wieder.

Klassen senken das Niveau. Wenn Sie das Einkommen in Euro als offene Zahl abfragen, haben Sie eine Verhältnisskala. Fragen Sie es in Klassen ab, haben Sie nur noch eine Ordinalskala, weil Sie die genauen Werte nicht mehr kennen (Jacob et al. 2019, S. 35). Das ist oft trotzdem die bessere Wahl, weil Menschen eine Klasse lieber angeben als ihr genaues Gehalt. Entscheiden Sie es bewusst, nicht aus Gewohnheit.

Codes sind keine Werte. Jede Umfragesoftware speichert Antworten als Zahlen, auch bei nominalen Fragen. Dass im Export „Vertrieb = 1“ steht, macht die Abteilung nicht metrisch. Prüfen Sie vor jeder Auswertung, ob ein Mittelwert inhaltlich etwas bedeutet.

Der Indikator ist nicht das Konstrukt. Das Alter in Jahren ist rechnerisch metrisch. Wenn Sie es aber als Hinweis auf Lebenserfahrung oder Generation verwenden, hat das, was Sie eigentlich messen wollen, bestenfalls ordinales Niveau (Jacob et al. 2019, S. 36). Die Frage lautet also nicht nur „Wie habe ich gemessen?“, sondern auch „Wofür steht die Zahl in meiner Fragestellung?“.

Ist eine Likert-Skala ordinal oder intervallskaliert?

Kurz: Eine einzelne Likert-Frage ist streng genommen ordinal. In der Wissenschaft wird darüber seit Jahrzehnten gestritten, in der Praxis berechnen die meisten trotzdem den Mittelwert. Das können Sie auch tun, wenn Sie Median und Verteilung ehrlich daneben zeigen. Beide Lager haben gute Gründe.

Die strenge Sicht. Niemand kann zeigen, dass der Abstand zwischen „Stimme nicht zu“ und „Teils teils“ genauso groß ist wie zwischen „Stimme zu“ und „Stimme ganz zu“. Jacob et al. (2019, S. 35) formulieren es deutlich: Ratingskalen aller Art haben kein Intervallniveau, auch wenn sie 5, 7, 10 oder mehr Punkte haben, ihr Messniveau „ist und bleibt ordinal“. Wer so argumentiert, berichtet Häufigkeiten und Median und rechnet mit Rangverfahren.

Die pragmatische Sicht. In der Praxis wird der Mittelwert von Ratingfragen trotzdem sehr häufig berechnet, das ist Tradition: in Berichten aus Unternehmen ebenso wie in Lehrbüchern. In der Marktforschung werden Einstellungsdaten aus Ratingskalen oft als Intervalldaten behandelt (Malhotra und Birks 2007, S. 340). Auch in meinem Lehrbuch stehen Einstellungen, Meinungen und Kundenzufriedenheit in der Zeile Intervallskala, mit dem Zusatz „quasi-metrisch“ (Marx 2026, Folie 22 und Folie 23). Das ist die Sicht der Marktforschung. Gestützt wird das durch Simulationsstudien: Allerbeck (1978), Diehl und Kohr (2004) und Labovitz (1970) fanden, dass Verfahren wie Regression oder Varianzanalyse bei solchen Daten nicht zu nennenswerten Verzerrungen führen (zitiert nach Jacob et al. 2019, S. 36). Norman (2010) fasst Studien seit den 1930er Jahren zusammen und hält parametrische Verfahren für robust gegenüber dieser Verletzung ihrer Annahmen, auch bei Likert-Daten.

Was für den Mittelwert spricht. Er fasst eine Frage in einer Zahl zusammen, die sich leicht über Gruppen und Zeitpunkte vergleichen lässt. Er berücksichtigt alle numerisch kodierten Antworten, während der Median bei fünf Stufen nur wenige Werte annehmen kann und kleine Verschiebungen oft nicht zeigt. Und er ist die Grundlage für verbreitete Verfahren wie t-Test, Regression oder Varianzanalyse.

Was gegen ihn spricht. Er unterstellt gleiche Abstände zwischen den Stufen, ohne dass diese durch die Antwortbeschriftungen allein belegt wären. Er verdeckt die Verteilung: Im Beispiel oben liegt Team B nach dem Mittelwert vorn, obwohl Team A gespalten ist und mehr Zustimmung hat. Er lädt zu Aussagen wie „doppelt so zufrieden“ ein, die ordinale Daten nicht tragen. Und er reagiert empfindlich auf falsch kodierte Ausweichantworten, dazu mehr im Abschnitt Ratingskala.

Was die beiden Lager verbindet. Auch Jacob et al. (2019, S. 36) halten den pragmatischen Weg für zulässig, mit einer klaren Bedingung: Sie dürfen die Daten „pragmatisch“ als quasi-intervallskaliert rechnen, die Ergebnisse aber nur ordinal deuten:

Ein Mittelwert von 4,0 gegenüber 2,0 heißt „höhere Zustimmung“, nicht „doppelt so viel Zustimmung“.

Einzelfrage oder Skala aus mehreren Fragen?

Viel vom Streit löst sich auf, wenn Sie zwei Dinge auseinanderhalten.

• Eine einzelne Ratingfrage („Ich bin mit meiner Arbeit zufrieden“) hat fünf oder sieben Stufen. Hier ist die Verteilung die ehrlichste Darstellung. Den Mittelwert können Sie ergänzen, wenn Sie Gruppen vergleichen wollen, aber nicht als einzige Zahl.
• Eine Likert-Skala im eigentlichen Sinn besteht aus mehreren Aussagen zum selben Thema, deren Werte pro Person addiert oder gemittelt werden. Likert-Skalen heißen deshalb auch „summated scales“ (Malhotra und Birks 2007, S. 349). Ein solcher Summen- oder Mittelwert hat mehr mögliche Werte und wird in der Praxis überwiegend metrisch ausgewertet. Mehr mögliche Werte allein begründen aber noch kein Intervallniveau. Die Items müssen inhaltlich zusammengehören und dieselbe Dimension messen, und die Reliabilität allein weist das nicht nach. Wie Sie mehrere Items sauber zusammenfassen, zeigt der Artikel Aggregation von Multi-Item-Likert-Skalen, wie Sie die Skala prüfen, Reliabilität und Validität.

Meine Empfehlung

Sie dürfen den Mittelwert rechnen, wie es die meisten tun. Ehrlich wird er aber erst, wenn Sie zeigen, was er verdeckt. Für eine Studie, eine Abschlussarbeit oder einen Bericht, der einer kritischen Leserschaft standhalten muss, gehe ich so vor:

1. Bei Einzelfragen neben dem Mittelwert immer Median und Verteilung zeigen, etwa als Balken je Stufe oder als Anteil Zustimmung. Ein Satz im Methodenteil begründet die metrische Behandlung.
2. Bei Skalen aus mehreren Items den Mittelwert pro Person bilden, wenn die Zusammenfassung inhaltlich und methodisch begründet ist, und für metrische Verfahren deren Voraussetzungen prüfen.
3. Ergebnisse immer ordinal formulieren: „höher“, „niedriger“, „mehr Zustimmung“, nie „doppelt so zufrieden“.
4. Wenn Sie streng rechnen wollen oder müssen, etwa weil Ihre Betreuung, ein Gutachten oder eine Fachzeitschrift die strenge Sicht vertritt, verwenden Sie Verfahren für ordinale Daten: Median, Rangkorrelation oder ein zum Design passendes Rangverfahren, siehe Rangverfahren mit Ihren Daten. Rechnen Sie den Mittelwert zusätzlich und kommen beide Wege zum selben Schluss, stärkt das Ihr Ergebnis. Weichen sie ab, berichten und erklären Sie den Unterschied.

So bleiben Sie auf beiden Seiten der Debatte argumentationsfähig. Mehr zur Gestaltung einzelner Likert-Fragen finden Sie in der Liste verbreiteter Likert-Skalen und im Beitrag Likert-Skalen: alles Wichtige.

Was das Skalenniveau für die Wahl des Tests bedeutet

Das Skalenniveau grenzt ein, welche Verfahren infrage kommen. Zusätzlich müssen das Untersuchungsdesign und die Voraussetzungen des jeweiligen Verfahrens passen. Der t-Test vergleicht Mittelwerte und setzt deshalb metrisch behandelte Daten voraus. Der Chi-Quadrat-Test prüft Häufigkeiten in einer Kreuztabelle und funktioniert schon mit nominalen Daten (Malhotra und Birks 2007, S. 338). Die folgende Tabelle ordnet typische Fragestellungen aus Umfragen zu. Sie beruht auf der Übersicht im Lehrbuch (Marx 2026, Folie 23).

Zwei Hinweise dazu. Der Chi-Quadrat-Test ignoriert die Reihenfolge ordinaler Kategorien, er behandelt sie wie nominale. Und wenn Sie eine Likert-Einzelfrage mit dem t-Test auswerten, gilt das zur Likert-Debatte Gesagte: Rechnen ist vertretbar, deuten nur ordinal.

So rechnen Sie Rangverfahren mit Ihren Daten

Die Rangkorrelation nach Spearman berechnet QUESTIONSTAR direkt, über die MCP-Schnittstelle auch Kendalls Tau. Rangtests wie den Mann-Whitney-U-Test rechnet QUESTIONSTAR nicht. Dafür haben Sie zwei Wege.

Mit einem Statistikprogramm. Exportieren Sie die Antworten als SPSS-, CSV- oder XLSX-Datei und rechnen Sie in SPSS, R oder dem kostenlosen JASP. Prüfen Sie vorher, wie Ausweichantworten im Export kodiert sind, damit sie nicht als Skalenwert in die Rechnung eingehen.

Mit einem KI-Assistenten. Ist QUESTIONSTAR über die MCP-Schnittstelle mit einem KI-Assistenten verbunden, etwa in ChatGPT oder Claude, kann der Assistent den Rangtest aus den Antworten Ihrer Umfrage berechnen. Es rechnet der Assistent, nicht QUESTIONSTAR. Fragen, die Sie in der Umfrage als personenbezogen markiert haben, werden bei eingeschalteter Einstellung nicht an den Assistenten übergeben. Antworten ohne diese Markierung, vor allem Freitexte, können trotzdem personenbezogene Daten enthalten. Prüfen Sie deshalb, welche Fragen der Assistent zu sehen bekommt, und kontrollieren Sie das Ergebnis in einem Statistikprogramm.

Ratingskala gestalten: Mitte, „weiß nicht“ und „nicht zutreffend“

Eine Ratingskala ist eine Frage, bei der Befragte ihre Einschätzung auf vorgegebenen Stufen einordnen. Die Likert-Zustimmungsskala ist die bekannteste. Damit eine solche Skala später sauber auswertbar ist, müssen Sie drei Dinge auseinanderhalten: die Mitte der Skala, die Antwort „weiß nicht“ und die Antwort „nicht zutreffend“. Sie sehen auf dem Bildschirm ähnlich aus, bedeuten aber Verschiedenes.

Die Mitte: eine Position auf der Skala

Die Mitte („Teils teils“, „Weder noch“) bezeichnet je nach Beschriftung eine gemischte oder neutrale Position auf der Skala. Warum jemand diese Antwort wählt, lässt sich daraus allein nicht erkennen. Eine ungerade Zahl von Stufen ist angebracht, wenn eine neutrale Haltung zumindest für einen Teil der Befragten möglich ist. Eine gerade Zahl ohne Mitte nehmen Sie, wenn Sie eine Entscheidung erzwingen wollen oder es keine neutrale Position gibt (Malhotra und Birks 2007, S. 352). Die Mitte zieht allerdings auch Unsichere an und Menschen, die ihre Meinung ungern zeigen (Marx 2026, Folie 60). Ich empfehle symmetrische Skalen, also gleich viele positive wie negative Stufen (Marx 2026, Folie 59), mit einer neutralen Mitte dazwischen, wenn eine neutrale Haltung möglich ist. Die Vor- und Nachteile von 5 oder 7 Stufen und von Skalen ohne Mitte behandelt der Artikel Likert-Skalen: alles Wichtige, die fünf Gestaltungsentscheidungen im Überblick Likert-Skalen: fünf Aspekte.

„Weiß nicht“: keine Meinung, weil Wissen fehlt

„Weiß nicht“ oder „kann ich nicht beurteilen“ gehört nicht auf die Skala, sondern daneben. Die Antwort bedeutet: Mir fehlt die Grundlage für ein Urteil. Ohne diese Möglichkeit weichen Menschen ohne Meinung oft auf die Mitte aus, und das verzerrt Mittelwert und Streuung (Malhotra und Birks 2007, S. 353). Noch gefährlicher sind Zufallsantworten von Menschen, die gar keine Einstellung haben. Sie fallen nicht auf und schwächen Zusammenhänge in den Daten (Schnell 2019, S. 47).

Die Kehrseite: Eine sichtbare „weiß nicht“-Option ist auch ein bequemer Ausweg für alle, die sich die Mühe des Nachdenkens sparen wollen (Jacob et al. 2019, S. 151). Deshalb gehört sie nicht an jede Frage.

Entscheidend ist, ob jemand das Wissen für ein Urteil haben kann. Im Lehrbuch heißt die Regel: „weiß nicht“ bei sachlichen Fragen und Wissensabfragen einsetzen, nicht bei der Messung von Einstellungen und Meinungen (Marx 2026, Folie 61). Zu den sachlichen Fragen gehören auch Bewertungen von Abläufen, die nicht jeder erlebt hat: Ob die IT-Abteilung Probleme schnell löst, weiß nur, wer schon eines gemeldet hat. Nach der eigenen Einstellung oder dem eigenen Erleben gefragt, kann dagegen jeder antworten. Bei Wissensfragen ist „weiß nicht“ sogar eine inhaltliche Antwort, die Sie nicht weglassen dürfen (Jacob et al. 2019, S. 151).

So sieht eine Frage aus, die die Ausweichantwort sauber absetzt. Die Skala bleibt symmetrisch mit Mitte, „kann ich nicht beurteilen“ steht abgesetzt daneben und nur bei dieser Art von Frage:

Die IT-Abteilung löst gemeldete Probleme schnell.
Stimme ganz und gar nicht zu · Stimme nicht zu · Teils teils · Stimme zu · Stimme ganz zu
(abgesetzt, nur bei Fragen, die nicht jeder beurteilen kann) Kann ich nicht beurteilen

„Nicht zutreffend“: Die Frage betrifft mich nicht

„Nicht zutreffend“ heißt: Die Frage passt nicht zu meiner Situation. Wer nie in der Werkstatt war, kann sie nicht bewerten. Online ist eine Filterführung meist die bessere Lösung: Sie fragen vorher, ob jemand die Werkstatt schon genutzt hat, und zeigen die Folgefrage nur den Betroffenen (Marx 2026, Folie 61). Wie Sie Filter planen, zeigt der Artikel Fragebogen gestalten.

Schnell (2019, S. 46) rät, vier Formen fehlender inhaltlicher Antworten in den Daten zu trennen: Frage nicht gestellt, trifft nicht zu, weiß nicht und Antwort verweigert. Wer das schon bei der Erhebung unterscheidet, vermeidet spätere Artefakte. Ein klassischer Fehler ist, „keine Antwort“ bei einer Häufigkeitsfrage als „null Mal“ zu lesen.

Durchgerechnet: Was eine falsch kodierte Ausweichantwort anrichtet

Ein erfundenes Beispiel. 40 Beschäftigte bewerten „Die IT-Abteilung löst gemeldete Probleme schnell.“ 8 wählen „kann ich nicht beurteilen“. Die 32 gültigen Antworten verteilen sich so: 2 × Stimme ganz und gar nicht zu, 4 × Stimme nicht zu, 6 × Teils teils, 12 × Stimme zu, 8 × Stimme ganz zu.

Dieselben Antworten ergeben je nach Kodierung einen Mittelwert zwischen 3,5 und 4,1. Der dritte Fall passiert leicht, wenn die Ausweichantwort im Export einfach den nächsten Zahlencode bekommt und niemand ihn vor der Rechnung entfernt. Filtern Sie dann noch die Zustimmung als „4 und höher“, zählen die 8 Ausweichantworten als Zustimmung mit: 70 % (28 von 40). Berichten Sie deshalb immer zweierlei: das Ergebnis aus den gültigen Antworten und wie viele Personen „kann ich nicht beurteilen“ gewählt haben. Hier sind es 8 von 40, also 20 %. Diese Zahl ist selbst ein Befund: Ein Fünftel der Befragten hatte offenbar keine Grundlage für ein Urteil, etwa weil sie noch nie ein Problem gemeldet haben.

Skalenniveau und Ausweichantworten in QUESTIONSTAR

QUESTIONSTAR legt das Skalenniveau nicht für Sie fest. Die Software speichert, was Sie als Frage anlegen. Diese Punkte helfen Ihnen, die Entscheidungen aus diesem Artikel umzusetzen:

• Verbreitete Skalen: Im Frageneditor finden Sie unter „Verbreitete Skalen“ fertige symmetrische Antwortskalen, die Sie mit einem Klick übernehmen. Die Beschriftungen im Überblick zeigt die Liste verbreiteter Likert-Skalen.
• Ausweichantwort: Legen Sie „kann ich nicht beurteilen“ als Ausweichantwort an, nicht als Stufe der Skala. Eine solche Antwort zählt in QUESTIONSTAR nicht in den Mittelwert. Prüfen Sie mit einer Testantwort, dass sie auch nicht im Nenner Ihres Zustimmungsanteils steht.
• Getrennte Auswertung: „Weiß nicht“ und „keine Angabe“ werden in QUESTIONSTAR separat ausgewertet. So sehen Sie später, ob Menschen nicht urteilen konnten oder nicht antworten wollten.
• Filterführung: Statt „nicht zutreffend“ zeigen Sie Folgefragen nur denen, die sie betreffen.
• Auswertung: Welche Kennzahl zu welcher Frage passt, entscheiden Sie anhand der Tabellen oben. Für Rangtests exportieren Sie die Daten, siehe Rangverfahren mit Ihren Daten.

Checkliste: Skalenniveau vor der Auswertung klären

• Für jede Frage notiert: nominal, ordinal, intervall oder Verhältnis.
• Klassenfragen (Alter, Einkommen) bewusst als ordinal eingeplant, oder offen als Zahl abgefragt.
• Bei Einzelfragen mit Ratingskala neben einem Mittelwert immer Verteilung und Median berichtet.
• Mittelwerte von Ratingfragen im Methodenteil begründet und ordinal formuliert („höher“, nicht „doppelt so hoch“).
• Ratingskalen symmetrisch, mit Mitte, wenn eine neutrale Haltung möglich ist.
• „Kann ich nicht beurteilen“ nur bei Fragen, die nicht jeder beurteilen kann, und abgesetzt von der Skala.
• „Nicht zutreffend“ möglichst durch eine Filterfrage ersetzt.
• Ausweichantworten vor der Rechnung entfernt und ihre Zahl im Bericht genannt.
• Testverfahren passend zu Skalenniveau und Untersuchungsdesign gewählt, bei begründungsbedürftiger metrischer Auswertung ergänzend ein Rangverfahren.

Häufige Fragen zum Skalenniveau

Was ist ein Skalenniveau?

Das Skalenniveau (auch Messniveau) beschreibt, welche Beziehungen zwischen den Zahlen einer Messung inhaltlich bedeutsam sind: nur Gleichheit (nominal), zusätzlich Reihenfolge (ordinal), zusätzlich gleiche Abstände (intervall) oder zusätzlich ein echter Nullpunkt (Verhältnis). Davon hängt ab, welche Kennzahlen und Tests sinnvoll sind (Malhotra und Birks 2007, S. 336-341).

Welches Skalenniveau hat eine Likert-Skala?

Eine einzelne Likert-Frage ist streng genommen ordinal (Jacob et al. 2019, S. 35). In der Wissenschaft ist das seit Langem umstritten, in der Praxis und in der Marktforschung wird sie trotzdem oft wie eine Intervallskala ausgewertet (Malhotra und Birks 2007, S. 340). Vertretbar ist das, wenn Sie Median und Verteilung daneben zeigen und die Ergebnisse nur ordinal deuten. Ein Mittelwert über mehrere Items einer Skala wird in der Praxis überwiegend metrisch behandelt.

Darf ich bei ordinalen Daten den Mittelwert berechnen?

Rechnen können Sie ihn, messtheoretisch begründet ist er streng genommen nicht, weil die Abstände zwischen den Stufen nicht bekannt sind (Jacob et al. 2019, S. 34). Bei Ratingskalen ist er in der Praxis trotzdem üblich, aus Tradition. Er ist leicht zu vergleichen und Grundlage für Verfahren wie t-Test oder Regression, verdeckt aber die Verteilung. Die Simulationsstudien, die Jacob et al. (2019, S. 36) referieren, stützen Verfahren wie Regression oder Varianzanalyse bei solchen Daten, sind aber keine pauschale Freigabe für jeden Datensatz. Berichten Sie deshalb Median und Verteilung daneben und vermeiden Sie Aussagen wie „doppelt so zufrieden“. Wer streng ordinal rechnen will, nimmt Median und Rangverfahren.

Was ist der Unterschied zwischen Intervall- und Verhältnisskala?

Beide haben gleiche Abstände. Nur die Verhältnisskala hat einen echten Nullpunkt. Deshalb sind 30 °C nicht doppelt so warm wie 15 °C (Intervall), 4 Bestellungen aber doppelt so viele wie 2 (Verhältnis).

Ist Alter nominal, ordinal oder metrisch?

Alter in Jahren als offene Zahl ist metrisch. Altersgruppen („18 bis 29“, „30 bis 44“, ...) sind ordinal, weil die Klassen nur eine Reihenfolge angeben (Jacob et al. 2019, S. 183).

Gehört „weiß nicht“ in die Mitte der Skala?

Nein. Bei Bewertungsfragen bezeichnet die Mitte eine gemischte oder neutrale Position, „weiß nicht“ dagegen eine fehlende Grundlage für ein Urteil. Bieten Sie „weiß nicht“ oder „kann ich nicht beurteilen“ abgesetzt neben der Skala an, nur bei Fragen, die nicht jeder beurteilen kann. Mittelwert und Zustimmungsanteil berechnen Sie aus den gültigen Skalenantworten und berichten die Ausweichantworten separat. Bei Wissensfragen ist „weiß nicht“ dagegen eine inhaltliche Antwort (Jacob et al. 2019, S. 151).

Gibt es mehr als vier Skalenniveaus?

Ja, die vier Grundtypen erschöpfen nicht alle Fälle. Es gibt Zwischenformen, etwa nominale Skalen mit teilweiser Ordnung (Malhotra und Birks 2007, S. 341). Schumann (2019, S. 21) nennt zusätzlich die Absolutskala für Anzahlen, etwa die Zahl der Bestellungen: Hier hat schon die Zahl selbst eine feste Bedeutung. Für die Auswertung von Umfragen reichen die vier Grundtypen in aller Regel aus.

Quellen

Allerbeck, K. (1978). Zitiert nach Jacob et al. (2019), S. 36.

Diehl, J. M. und Kohr, H.-U. (2004). Zitiert nach Jacob et al. (2019), S. 36.

Jacob, R., Heinz, A. und Décieux, J. P. (2019). Umfrage. Einführung in die Methoden der Umfrageforschung (4. Aufl.). Berlin/Boston: De Gruyter Oldenbourg.

Labovitz, S. (1970). Zitiert nach Jacob et al. (2019), S. 36.

Malhotra, N. K. und Birks, D. F. (2007). Marketing Research. An Applied Approach (3rd European edition). Harlow: Pearson Education.

Marx, P. (2026). Grundlagen der Umfrageforschung. Foliensatz, Kapitel 2, Folien 20, 22, 23, 28, 59, 60 und 61. QUESTIONSTAR. Lehrbuch.

Norman, G. (2010). Likert scales, levels of measurement and the "laws" of statistics. Advances in Health Sciences Education, 15(5), 625-632. DOI 10.1007/s10459-010-9222-y.

Schnell, R. (2019). Survey-Interviews. Methoden standardisierter Befragungen (2. Aufl.). Wiesbaden: Springer VS. DOI 10.1007/978-3-531-19901-6.

Schumann, S. (2019). Repräsentative Umfrage. Praxisorientierte Einführung in empirische Methoden und statistische Analyseverfahren (7. Aufl.). Berlin/Boston: De Gruyter Oldenbourg.

Stevens, S. S. (1951). Mathematics, measurement and psychophysics. In S. S. Stevens (Hrsg.), Handbook of Experimental Psychology. New York: Wiley. Zitiert nach Malhotra und Birks (2007), S. 336 und S. 365, Endnote 2.

Ich wünsche Ihnen Auswertungen, in denen jede Zahl das sagt, was sie sagen darf, und keinen Satz mehr.

Übrigens, das hier ist verwandt:

• Liste verbreiteter Likert-Skalen
• Aggregation von Multi-Item-(Likert-)Skalen
• Der t-Test: Mittelwerte methodisch sauber vergleichen

Dr. Paul Marx

Autor: Dr. Paul Marx
Dr. Paul Marx ist Gründer und Geschäftsführer von QUESTIONSTAR und war Professor für Marketing an der Universität Siegen.