Een introductie tot meetniveaus: nominaal, ordinaal, interval en ratio

Meetniveaus, ook wel meetschalen genoemd, zeggen iets over hoe nauwkeurig de variabelen (in een experiment) zijn gemeten. In wetenschappelijk onderzoek worden variabelen gedefinieerd als de elementen uit je dataset die verschillende waarden kunnen aannemen (zoals lengte, moedertaal, of proefwerkcijfers).

Er zijn vier meetniveaus:

  • Nominaal: de data kunnen alleen worden gecategoriseerd, zonder duidelijke rangorde.
  • Ordinaal: de data kunnen worden gecategoriseerd en er is sprake van een duidelijke rangorde.
  • Interval: de data kunnen worden gecategoriseerd, er is sprake van een rangorde en de intervallen tussen de categorieën zijn gelijk (bijvoorbeeld steeds een stap van 10).
  • Ratio: de data kunnen worden gecategoriseerd, er is sprake van een rangorde, de intervallen tussen de categorieën zijn gelijk en er is een betekenisvol nulpunt.

De manieren waarop je je data kunt analyseren zijn afhankelijk van het meetniveau van je variabele(n). Hoe lager het meetniveau, hoe minder complex en nauwkeurig de analyse is. Een nominaal meetniveau is het laagst, gevolgd door ordinaal, interval en ten slotte ratio. De meetniveaus interval en ratio worden samen scale genoemd.

Nominaal, ordinaal, interval en ratio data

Een hoger meetniveau heeft alle eigenschappen van de lagere meetniveaus plus een nieuwe eigenschap. Zo heeft het meetniveau ratio dus alle eigenschappen van het nominale, ordinale en intervalniveau met een extra eigenschap: een betekenisvol nulpunt.

Nominaal niveau Voorbeelden van nominale schalen
Je kunt je data categoriseren door labels toe te kennen. Elk datapunt kan maar tot één label behoren en er is geen rangorde.
  • Geboorteplaats
  • Gender
  • Etniciteit
  • Automerken
  • Geloofsovertuiging
Ordinaal niveau Voorbeelden van ordinale schalen
Je kunt je data categoriseren en rangschikken, maar je kunt niets zeggen over de intervallen tussen de categorieën. De intervallen zijn niet te bepalen of niet betekenisvol.

Zo kun je bijvoorbeeld een top vijf van Olympische medaillewinnaars opstellen, maar dat zegt niet dat tussen iedere winnaar evenveel verschil zit in termen van gewonnen wedstrijden. Wellicht heeft de nummer 1 twee wedstrijden meer gewonnen dan de nummer 2, maar heeft de nummer 2 vier wedstrijden meer gewonnen dan de nummer 3.

  • Top tien bestsellers (boeken)
  • Taalvaardigheid (zoals laag, gemiddeld, hoog)
  • Likertschaal-vragen (bijvoorbeeld een vijfpuntsschaal van heel ontevreden tot heel tevreden)
Intervalniveau Voorbeelden van intervalschalen
Je kunt de data categoriseren en rangschikken, en er zijn gelijke intervallen tussen de categorieën. Er is geen betekenisvol of absoluut nulpunt.

Het verschil tussen twee opeenvolgende temperaturen is hetzelfde: 1 graad. Je kunt dus spreken van gelijke intervallen. Nul graden betekent echter niet hetzelfde op alle temperatuurschalen: het betekent meestal niet dat er geen temperatuur is.

Dit geldt bijvoorbeeld ook voor testscores: als iemand een 0 haalt op een toets betekent dat niet dat diegene helemaal niet over de gemeten vaardigheid beschikt. Het nulpunt bij een toets is dus arbitrair.

  • Toetsscores (zoals die van examens)
  • Scores op een persoonlijkheidstest
  • Temperatuur in Fahrenheit of graden Celsius
Rationiveau Voorbeelden van ratioschalen
Je kunt je data categoriseren en rangschikken, en er is sprake van gelijke intervallen tussen opeenvolgende datapunten. Ook is er een betekenisvol of absoluut nulpunt.

Een betekenisvol nulpunt betekent dat de bestudeerde variabele bij 0 helemaal afwezig is. Bij ratioschalen staat 0 dus gelijk aan die absolute afwezigheid van de eigenschap.

Een voorbeeld hiervan is de temperatuur in Kelvin. Hierbij heb je geen negatieve temperatuurwaarden (zoals een temperatuur van -3). In dit geval betekent 0 dus daadwerkelijk dat er geen thermische energie aanwezig is.

  • Lengte
  • Leeftijd
  • Gewicht
  • Temperatuur in Kelvin

Waarom zijn meetniveaus belangrijk?

Het meetniveau van een variabele bepaalt op welke manier(en) je je data kunt analyseren.

De verschillende niveaus bepalen ook welke descriptieve statistieken je kunt gebruiken om je data samen te vatten en welke soorten inferentiële statistiek (ook wel toetsende of verklarende statistiek genoemd) je kunt gebruiken om je hypothese te ondersteunen of te weerleggen.

Vaak kunnen je variabelen op meerdere niveaus worden gemeten en in die gevallen moet je zelf beslissen welk meetniveau je wilt gebruiken. Die beslissing neem je dan ook voorafgaand aan je dataverzameling.

Voorbeeld: Variabele op twee meetniveaus
Je kunt de variabele “inkomen” meten op ordinaal niveau of op rationiveau.

  • Ordinaal niveau: Je creëert inkomenscategorieën met een oplopend bereik, bijvoorbeeld: €0 – €19.999, €20.000 – €39.999, en €40.000 – €59.999. Je vraagt participanten om de categorie te kiezen waarbinnen hun jaarinkomen valt. Je codeert de categorieën bijvoorbeeld met nummers 1 tot en met 3 voor de statistische analyse.
  • Rationiveau: Je verzamelt data door participanten te vragen wat hun exacte jaarinkomen is.
Participant Inkomen (ordinaal niveau) Inkomen (rationiveau)
A Categorie 1 €12.550,-
B Categorie 2 €39.700.-
C Categorie 3 €40.300.-

Op rationiveau kun je zien dat het verschil tussen inkomen A en B veel groter is dan dat tussen inkomen B en C. Je kunt individuele participanten rangschikken.

Op ordinaal niveau weet je echter alleen binnen welke categorie een inkomen valt en niet het precieze inkomen. Aangezien je niet weet hoeveel ieder inkomen verschilt van de andere inkomens in de dataset, kun je de participanten alleen groeperen en die groepen rangschikken van laag naar hoog.

Wie helpt jou met nakijken?

Betrouwbare hulptroepen vinden is niet makkelijk...

  • Familie
  • Vrienden
  • Studiegenoten
  • Scribbr

We staan altijd voor je klaar

Welke descriptieve statistieken kan ik toepassen op mijn data?

Descriptieve statistiek helpt je om een idee te krijgen van de gemiddelden voor variabelen en van de spreiding van de data. Hiervoor gebruik je centrummaten en spreidingsmaten.

Als je de centrale tendens of variatie probeert te onderzoeken, bepaalt het meetniveau welke methoden je hiervoor kunt gebruiken. Ook hier geldt weer dat alle methoden die geschikt zijn voor de lagere niveaus gebruikt kunnen worden voor de hogere niveaus.

Datasoort Wiskundige berekeningen Centrummaten Spreidingsmaten
Nominaal
  • Gelijkheid (=, ≠)
  • Modus
  • Geen
Ordinaal
  • Gelijkheid (=, ≠)
  • Vergelijking (>, <)
  • Modus
  • Mediaan
  • Bereik (range)
  • Interkwartielafstand
Interval
  • Gelijkheid (=, ≠)
  • Vergelijking (>, <)
  • Optellen, aftrekken (+,−)
  • Modus
  • Mediaan
  • Rekenkundig gemiddelde
Ratio
  • Gelijkheid (=, ≠)
  • Vergelijking (>, <)
  • Optellen, aftrekken (+,−)
  • Vermenigvuldigen, delen (×, ÷)
  • Modus
  • Mediaan
  • Rekenkundig gemiddelde
  • *Geometrisch (meetkundig) gemiddelde
  • Bereik (range)
  • Interkwartielafstand
  • Standaarddeviatie
  • Variantie
  • **Relatieve standaarddeviatie (RSD)
* Het rekenkundig gemiddelde is het meest gebruikte type gemiddelde. Een geometrisch (meetkundig) gemiddelde is een methode die wordt gebruikt om het gemiddelde te berekenen voor schalen met sterk verschillende bereiken voor individuele participanten. Je kunt vervolgens de gemiddelden op participantniveau met elkaar vergelijken. Bij een rekenkundig gemiddelde worden de waarden bij elkaar opgeteld, terwijl ze bij een meetkundig gemiddelde vermenigvuldigd worden.
**De relatieve standaarddeviatie (RSD) bereken je door de reguliere standaarddeviatie te delen door het gemiddelde. De RSD is alleen betekenisvol als er sprake is van een absoluut nulpunt.

Voorbeelden: Nominaal, ordinaal, interval of ratio?

Voorbeeld: Nominaal niveau
Een onderzoeker verzamelt demografische gegevens en vraagt alle participanten om hun geboorteplaats.

  • De verschillende geboorteplaatsen vormen aparte categorieën (bijvoorbeeld Nijmegen, Utrecht en Horssen).
  • Iedere participant kan maar tot één categorie behoren.
  • De categorieën kunnen niet gerangschikt worden (de ene plaats komt niet hoger te staan dan een andere plaats).

Het gaat dus om nominale data.

Voorbeeld: Ordinaal niveau
Een onderzoeker is geïnteresseerd in het werkplezier van mensen bij het technologiebedrijf Xualta. Participanten scoren hun werkplezier op een 5-puntsschaal die loopt van heel weinig plezier tot heel veel plezier.

  • Iedere participant kan maar tot één categorie behoren.
  • De categorieën kunnen worden gerangschikt (van heel weinig plezier tot heel veel plezier).
  • Er kan niet worden vastgesteld of de intervallen gelijk zijn.

Het gaat dus om ordinale data.

Voorbeeld: Intervalniveau
Een onderzoeker verzamelt data over angstgevoelens met de Beck Anxiety Scale. De scores variëren van 0 tot 44, maar een score van 0 betekent niet dat er helemaal geen angstgevoelens zijn. De score 0 staat hier dus voor “weinig angstgevoelens”.

  • De data kan worden gecategoriseerd, gerangschikt en de intervallen zijn gelijk.
  • Het nulpunt is geen absoluut nulpunt, omdat de score 0 alsnog wijst op de aanwezigheid van angstgevoelens.

Het gaat hier dus om intervaldata.

Voorbeeld: Rationiveau
Een onderzoeker is geïnteresseerd in hoeveel studenten sporten en vraagt alle participanten om aan te geven hoeveel uur per week ze sporten.

  • Het aantal uur kan worden gecategoriseerd, gerangschikt en de intervallen zijn gelijk.
  • Het nulpunt (0 uur) is betekenisvol.

Het gaat dus om ratiodata.

Veelgestelde vragen

Wat zijn de vier meetniveaus?

Meetniveaus laten zien hoe precies variabelen worden gemeten. Er zijn vier meetniveaus (of meetschalen) die van laag naar hoog kunnen worden gerangschikt.

  • Nominaal: De data kunnen alleen worden gecategoriseerd (geen rangorde).
  • Ordinaal: De data kunnen worden gecategoriseerd en gerangschikt.
  • Interval: De data kunnen worden gecategoriseerd en gerangschikt en er zijn gelijke intervallen tussen de categorieën.
  • Ratio: De data kunnen worden gecategoriseerd en gerangschikt, de intervallen zijn gelijk, en er is een absoluut of betekenisvol nulpunt.
Waarom zijn meetniveaus van belang?

Het niveau waarop je een variabele meet, bepaalt hoe je je data kunt analyseren.

Afhankelijk van het meetniveau kun je diverse descriptieve statistieken gebruiken om je data samen te vatten. Ook kun je inferentiële statistiek (ook wel toetsende of verklarende statistiek genoemd) gebruiken om te bepalen of je resultaten de hypothese ondersteunen of weerleggen.

Hoe bepaal ik welk meetniveau ik moet gebruiken?

Sommige variabelen gaan gepaard met een vaststaand meetniveau. Zo worden gender of etniciteit altijd op nominaal niveau gemeten, omdat je de categorieën niet kunt rangschikken.

Bij andere variabelen kun je het meetniveau wel kiezen. De variabele “studenteninkomen” kan bijvoorbeeld op ordinaal of rationiveau worden gemeten.

  • Op ordinaal niveau zou je vijf groepen kunnen creëren met een bepaald bereik (bijvoorbeeld 0 – 499, 500 – 799, 800 – 1099, 1100 – 1999 en 2000 – 2299). Participanten kruisen dan het juiste bereik aan.
  • Op rationiveau zou je naar het exacte inkomen vragen.

Als je kunt kiezen, is het beter om op rationiveau te meten, zodat je de data op meer manieren kunt analyseren. Hoe hoger je meetniveau, hoe preciezer de data.

Wat vind jij van dit artikel?
Pritha Bhandari

Pritha heeft een academische achtergrond in Engels, psychologie en cognitieve neurowetenschappen. Als interdisciplinaire onderzoekster vindt ze het leuk om begrijpelijke artikelen te schrijven, zodat ze moeilijke concepten kan uitleggen aan studenten en academici.