ESCALAS DE MEDIDA.

1. NOMINAL
Son variables numéricas cuyos valores representan una categoría o identifican un grupo
de pertenencia. Este tipo de variables sólo nos permite establecer relaciones de
igualdad/desigualdad entre los elementos de la variable. La asignación de los valores se
realiza en forma aleatoria por lo que NO cuenta con un orden lógico. Un ejemplo de este
tipo de variables es el Género ya que nosotros podemos asignarle un valor a los hombres
y otro diferente a las mujeres y por más machistas o feministas que seamos no podríamos
establecer que uno es mayor que el otro.

2. ORDINAL
Son variables numéricas cuyos valores representan una categoría o identifican un grupo
de pertenencia contando con un orden lógico. Este tipo de variables nos permite
establecer relaciones de igualdad/desigualdad y a su vez, podemos identificar si una
categoría es mayor o menor que otra. Un ejemplo de variable ordinal es el nivel de
educación, ya que se puede establecer que una persona con título de Postgrado tiene un
nivel de educación superior al de una persona con título de bachiller. En las variables
ordinales no se puede determinar la distancia entre sus categorías, ya que no es
cuantificable o medible.

3. INTERVALO
Son variables numéricas cuyos valores representan magnitudes y la distancia entre los
números de su escala es igual. Con este tipo de variables podemos realizar
comparaciones de igualdad/desigualdad, establecer un orden dentro de sus valores y
medir la distancia existente entre cada valor de la escala. Las variables de intervalo
carecen de un cero absoluto, por lo que operaciones como la multiplicación y la división no
son realizables. Un ejemplo de este tipo de variables es la temperatura, ya que podemos
decir que la distancia entre 10 y 12 grados es la misma que la existente entre 15 y 17
grados. Lo que no podemos establecer es que una temperatura de 10 grados equivale a la
mitad de una temperatura de 20 grados.

4. RAZÓN
Las variables de razón poseen las mismas características de las variables de intervalo, con
la diferencia que cuentan con un cero absoluto; es decir, el valor cero (0) representa la
ausencia total de medida, por lo que se puede realizar cualquier operación Aritmética
(Suma, Resta, Multiplicación y División) y Lógica (Comparación y ordenamiento). Este tipo
de variables permiten el nivel más alto de medición. Las variables altura, peso, distancia o
el salario, son algunos ejemplos de este tipo de escala de medida.

Debido a la similitud existente entre las escalas de intervalo y de razón, SPSS las ha
reunido en un nuevo tipo de medida exclusivo del programa, al cual denomina Escala. Las
variables de escala son para SPSS todas aquellas variables cuyos valores representan
magnitudes, ya sea que cuenten con un cero (0) absoluto o no. Teniendo esto en cuenta
discutiremos a continuación los diferentes procedimientos estadísticos que se pueden
utilizar de acuerdo al tipo de medida de cada variable.

B. Análisis Descriptivo de acuerdo al nivel de Medida

No todos los procedimientos estadísticos son realmente útiles para la totalidad de los
niveles de medida. Cada uno de los tipos de medida posee ciertas características, las
cuales debemos tener en cuenta en el momento de realizar un análisis descriptivo. En la
tabla [5-2], encontrarás algunos de los procedimientos que resultan ventajosos en los
análisis descriptivos de los diferentes niveles de medida. Es necesario aclarar que esta
tabla es sólo una muestra de las medidas que se pueden emplear; en algunos textos de
estadística aparecen tablas más amplias y detalladas de los procedimientos.

Tabla 5-2

Si nos fijamos en la tabla 5-2, notaremos que los niveles Nominal y Ordinal cuentan con
los mismos procedimientos de análisis, por lo que se agrupan como variables categóricas.
A partir de este punto cuando nos refiramos a las variables categóricas debemos recordar
que se alude a las variables de tipo Nominal y Ordinal.

Es importante resaltar que para los análisis descriptivos no hay una gran diferencia entre
estos dos tipos de variables, pero si existe diferencia en los análisis de Inferencia. Antes
de conocer como se efectúan estos procedimientos en SPSS, es necesario exponer las
razones por las que ciertos procedimientos no son de utilidad en algunos de los niveles de
medida.

B.1. Variables Categóricas

Para las variables que representan categorías o grupos de pertenencia, los principales
procedimientos estadísticos, que se pueden utilizar en su análisis descriptivo son las
frecuencias (Recuento), el Porcentaje, la Moda, en algunos casos la mediana y los gráficos
más favorables son el de Sectores y el de Barras.

Para comprender mejor la razón de estos procedimientos vamos a realizar el análisis de la

variable Género, la cual cuenta con los valores (1, 1, 1, 1, 1, 1, 1, 1, 2, 2); en donde el
valor uno (1) representa al género Femenino y el valor Dos (2) al género Masculino. Las
frecuencias y sus respectivos porcentajes para esta variable serían los expuestos en la
tabla [5-3]. Ahora si hallamos las principales medidas de tendencia central, obtenemos los
resultados expuestos en la tabla [5-4].

Figura 5-4

Si nos fijamos en los resultados notaremos que la Media toma el valor 1.2, el cual nos
indica que en promedio los encuestados cuenta con un género de (1.2). Este resultado no
posee una interpretación aplicable a la información de la variable, por lo que esta medida
no es de utilidad en el análisis descriptivo.
Si observamos la Mediana notaremos que toma el valor 1, que para el caso corresponde al
género Femenino, pero si en vez de 10 valores tuviéramos únicamente dos (1 y 2), la
mediana sería de (1.5), cuya interpretación no es aplicable a la información de la variable.
La mediana se puede utilizar cuando estamos trabajando con variables que contienen un
elevado número de categorías y su interpretación se debe manejar como un factor
informativo para el investigador y no como una medida representativa en el reporte.

Por último encontramos la Moda, la cual para el caso asume el valor 1 y nos indica que la
categoría con mayor frecuencia dentro de la variable es la correspondiente al género
Femenino. Las medidas de dispersión y distribución no son aplicables a este tipo de
variables ya que sus ecuaciones nos permiten determinar como se comportan los datos
respecto a un punto central o media. Si hallamos la desviación estándar para los datos del
ejemplo, obtendríamos un valor de 0.42164, que nos indicaría que el promedio del género
presenta una variación de ±0.42, cuyo resultado no sería aplicable a la interpretación de la
variable.

B.2. Variables de Escala

Este tipo de variables nos permite realizar análisis más profundos de los datos, aplicando
una gran variedad de medidas. Al contrario de las variables categóricas en este tipo de
variables las frecuencias no son de utilidad en los análisis descriptivos, debido a la gran
cantidad de valores que suele tomar. Supongamos que realizamos un sondeo de edad con
una muestra de 500 personas, si generamos una tabla de frecuencias obtendríamos
fácilmente unos 60 o 70 rangos diferentes haciéndola muy extensa y poco informativa.

Para las variables de escala son más informativas la medidas como la media, la mediana,
la desviación estándar, la asimetría y otras más, a las cuales se les suele denominar
Medidas de Resumen.
Atrás
Medidas de Distribución
Siguiente
Análisis Descriptivos con SPSS

SECCIONES
Nosotros
Curso de SPSS
Servicios
Ayudas
Download
Contacto
CURSO DE SPSS
Cap. 5 - Estadística
1. Tendencia Central
2. Medidas Dispersión
3. Medidas Distribución
4. Escalas de Medida
5. Análisis Descriptivo
6. Frecuencias: Opciones
7. Frecuencias: Graficos
8. Frecuencias: Formato
9. Variables Categoricas
10. Resultado Categorica
11. Variables de Escala
12. Resultados Escala
13. Drescriptivos SPSS
14. Descriptivos 2
Lomadee, una nueva especie en la web. La mayor Plataforma de Afiliados de Latinoamérica.