Escalas de medición en estadística

Como hemos dicho, para que los datos tengan sentido es necesario compararlos. Y para
poder compararlos debemos utilizar escalas de medición. Dichas escalas tendrán
diferentes propiedades en función de las características de los datos que se compararán.
En estadística existen cuatro escalas de medición: nominal, ordinal, de intervalo y de
razón.

Escala nominal
Cuando un dato identifica una etiqueta (o el
nombre de un atributo) de un elemento, se
considera que la escala de medición es
una escala nominal. En esta carecen de sentido
el orden de las etiquetas, así como la
comparación y las operaciones aritméticas. La
única finalidad de este tipo de datos es clasificar a
las observaciones. Ejemplo:
Una variable que indica si el visitante de este post
es «hombre» o «mujer».

Una escala nominal es una escala de medición en la cual los números sirven como
“etiquetas” solamente para identificar o clasificar un objeto. Una escala de medición
nominal normalmente trata sólo con variables no numéricas (no cuantitativas).

Por ejemplo, supongamos que se realiza esta pregunta: “¿Podrías seleccionar el grado de
incomodidad de tu enfermedad?”

Las opciones de respuesta utilizadas para este tipo de escala serían:

1. Leve
2. Moderado
3. Severo
En este ejemplo en particular, 1 = leve, 2 = Moderado y 3 = Severo. Aquí los números
simplemente son utilizados como etiquetas y no tienen ni un solo valor.

Existen cuatro niveles de medición: la escala nominal, la escala ordinal, la escala de

intervalo y la escala de razón. Estas escalas de medición sirven para categorizar
diferentes variables (un elemento, característica o factor que es probable que varíe).

Por defecto, todas las variables caen en una de las cuatro escalas mencionadas
anteriormente. Comprender sus propiedades y asignar las variables a una de las cuatro
escalas de medición es importante porque determina qué operaciones están permitidas y
cuáles no.

Por ejemplo, supongamos que tenemos 5 colores, naranja, azul, rojo, negro y amarillo.
Podríamos enumerar estos en cualquier orden que nos guste, ya sea del 1 al 5 o del 5 al
1 en orden ascendente o descendente. Aquí los números se asignan a los colores sólo
con el propósito de identificación. Otro ejemplo de escala nominal es una escala de si /
no. Estas dos palabras igual básicamente no tienen orden.
 Características de la escala nominal

1. En una escala nominal, una variable se divide en dos o más categorías, por ejemplo, de
acuerdo / en desacuerdo, si / no, etc. Es un mecanismo de medición en el que la
respuesta a una pregunta en particular puede caer en cualquier categoría.
2. La escala nominal es de naturaleza cualitativa, lo que significa que los números se usan
únicamente para categorizar o identificar objetos. Por ejemplo, en el fútbol, ¿has notado
que los jugadores tienen un número en su camiseta? (cada uno tiene un número
diferente). La realidad es que estos números no tienen nada que ver con la capacidad
de los jugadores, sin embargo, pueden ayudar a identificar al jugador.
3. En una escala nominal, los números no definen las características relacionadas con el
objeto, lo que significa que cada número se asigna a un objeto aleatorio o por decisión
propia. El único aspecto permitido relacionado con los números en una escala nominal
es que sirven para “contar”. Si volvemos al ejemplo de la clasificación de hombres y
mujeres, 1 siendo hombres y 2 siendo mujeres, los números nos servirán para saber
cuántos hombres (1) hay y cuántas mujeres (2) hay.

Escala ordinal
Cuando los datos muestran las propiedades de los datos nominales, pero además tiene
sentido el orden (o jerarquía) de estos, se utiliza una escala ordinal. Ejemplo:
Una variable que mide la calidad de un post. La variable puede tomar valores enteros del
1 al 5, donde el valor 1 es el peor y el 5 el mejor.

La escala ordinal es uno de los niveles de

medición que nos otorga la clasificación y el orden
de los datos sin que realmente se establezca el
grado de variación entre ellos. La escala de
medición ordinal es la segunda de las 4 escalas
de medición.
Los datos ordinales son básicam ente datos
estadísticos que tienen la misma naturalidad pero
existe una diferencia entre ellos que es
desconocida. Estos datos pueden ser agrupados
o clasificados.
Por ejemplo, una escala ordinal puede responder preguntas como:
¿Qué tan satisfecho estás con nuestros productos?
1. Totalmente satisfecho
2. Satisfecho
3. Neural
4. Insatisfecho
5. Totalmente insatisfecho

Escala de intervalo
La escala de intervalo se define como una escala de medición cuantitativa en la que se
mide la diferencia entre dos variables. En otras palabras, las variables se miden en
valores reales y no de forma relativa, donde la presencia de cero es arbitraria. Esto
significa que la diferencia entre dos variables en una escala es una distancia real o igual.
Por ejemplo, la diferencia entre 40 grados centígrados y 50 grados centígrados es
exactamente la misma que la diferencia entre 50 grados centígrados y 60 grados
centígrados.
Es fácil recordar el objetivo de esta escala ya que “intervalo” equivale a la distancia entre
dos variables. Otra manera fácil de recordar lo que es una escala de intervalo es
considerando que esta es la resta que se define entre dos variables. Esto es diferente a la
escala de radio, donde la división se define entre dos variables.
Los datos de la escala de intervalo pueden ser discretos, como por ejemplo números tipo
8 grados, 4 años, 2 meses, etc. O continuos, con números fraccionarios como 12.2
grados, 3.5 semanas o 4.2 kilómetros.

Escala de razón
En una escala de razón, los datos tienen todas las propiedades de los datos de intervalo,
y la proporción entre ellos tiene sentido. Para esto se requiere que el valor cero de la
escala indique la ausencia de la
propiedad a medir. Ejemplos de
este tipo de variables son el peso
de una persona a el tiempo
utilizado para una tarea. Ejemplo:
Una variable que mide el salario
de una persona.

En esta variable, si una persona

gana 100, y otra 10, la primera g
ana más que la segunda
(comparación). También tiene
sentido decir que la primera gana
90 más que la segunda
(diferencia), o que gana 10 veces
más (proporción).
Su cualidad adicional es que
el cero sí indica ausencia de atributo. En consecuencia, la razón entre dos números de
la escala es igual a la existente entre las cantidades del atributo medido. Ejemplos:
 Peso: medido en kilogramos.
  Concentración de glucosa en una muestra: medida en mg/dl.
 Tasa de mortalidad: muertes por 1000 personas en riesgo.
 Ingresos: medidos en euros.
Las escalas de intervalos y razones se llaman también métricas o dimensionales. Las
variables continuas van a medirse con escalas de razones o intervalos, por lo que es
habitual que nos refiramos a ellas englobándolas como escalas continuas, ya que
comparten estrategias de análisis, como la elección del test estadístico. Algunos paquetes
estadísticos, como SPSS, las denominan simplemente “escalas”.
Cuando en la recogida de una variable continua (escala de razones o intervalos) no
podemos recoger valores a partir de un límite (por ejemplo: cargas virales superiores a
100 000), si optamos por mantener esas observaciones en el análisis, la variable se
comporta en ese rango como una variable ordinal.

Variables en estadística

Las variables se las suele dividir según distintos criterios, en función las características de
los valores que estas puedan tomar.

Variables cuantitativas y cualitativas

De acuerdo al tipo de escala que se
utilizan se puede clasificar en cualitativas
o cuantitativas.
Las variables cualitativas son aquellas
que se usan para identificar un
atributo de un elemento. Se emplean
con la escala nominal o la ordinal, y
pueden ser numéricos o no. Los datos
contenidos en estas variables se
resumen contando el número de
observaciones de cada valor que toma la
variable, o la proporción en entre estos.
Un hecho importante a tener en cuenta es que, aun cuando para los datos cualitativos se
use un código numérico, las operaciones aritméticas como la suma o la multiplicación no
tienen sentido. Ejemplo:
El color de un auto.

Luego, las variables cuantitativas son aquellas que requieren valores numéricos para
definir los datos. Se emplean con las escalas de medición de intervalo o de razón. En
estas sí tienen sentido las operaciones aritméticas. Ejemplo:
La altura de una persona.

En general hay más alternativas para el análisis estadístico cuando se tienen variables
cuantitativas que con las variables cualitativas.

Variables continuas y discretas

El siguiente criterio de clasificación (solo para variables cuantitativas) es según como es el
conjunto de valores sobre el cual estas pueden tomar valores.
Una variable continua puede tomar valores dentro de un intervalo continuo, es decir,
dado dos puntos de un intervalo, la variable siempre podrá tomar infinitos valores entre
ambos puntos. Ejemplo:
La temperatura en una habitación.

En cambio, una variable discreta solo

puede tomar valores sobre un conjunto
finito de valores o un conjunto infinito
numerable (un conjunto infinito, pero
cuyos elementos se pueden contar). En
otras palabras, no puede tomar valores
sobre cualquier punto del intervalo, sino
solamente sobre aquellos incluidos en
el conjunto al que pertenece. Esto hace
que surja el concepto de valores
observados sucesivos, lo cual significa
que, dado una observación, puede
existir una observación previa y otra
posterior. Ejemplo:
Cantidad de años de vida de una
persona.

Datos de sección transversal y de series de tiempo

Por último, otra clasificación típica que se suele realizar sobre los datos es respecto del
tiempo en que estos son adquiridos.
Los datos de sección transversal son los obtenidos en el mismo (o aproximadamente)
momento.
En un mismo periodo, cual es el PBI de un grupo de países