Escalas de medição: conheça os 4 níveis

Há diferentes níveis na escalas de medição e os dados medidos serão classificados em dados qualitativos ou quantitativos.

Para realizar a análise estatística dos dados, é importante primeiro entender as variáveis e o que deve ser medido usando essas variáveis.

Em primeiro lugar, vamos entender o que é uma variável: é um valor que muda, porém pode ser medido. Por exemplo, considere uma amostra de trabalhadores. As variáveis para esse conjunto da população podem ser localização, sexo, idade, habilidades, tipo de emprego, etc. O valor das variáveis será diferente para cada um.

Os 4 níveis das escalas de medição

Nominal, ordinal, intervalo e razão são definidos como os quatro níveis fundamentais de escalas de medição que são usados para capturar dados na forma de pesquisas ou enquetes, sendo cada um deles uma pergunta de múltipla escolha.

Cada escala é um nível incremental de medida, ou seja, cada escala preenche a função da escala anterior, e todas as escalas de perguntas de pesquisa como Likert, Diferencial Semântico, Dichotomous, etc, são a derivação destes 4 níveis fundamentais de medida variável. Antes de discutir todos os quatro níveis de escalas de medição em detalhes, com exemplos, vamos dar uma breve olhada no que estas escalas representam.

A escala nominal é uma escala onde as variáveis são simplesmente “nomeadas” ou rotuladas, sem nenhuma ordem específica.
A escala ordinal tem todas as suas variáveis em uma ordem específica, além de simplesmente nomeá-las.
A escala de intervalo oferece etiquetas, ordem, assim como um intervalo específico entre cada uma de suas opções de variáveis.
A escala de razão tem todas as características de uma escala de intervalo, além disso, ela também pode acomodar o valor de “zero” como absoluto.

1º nível das escalas de medição: Nominal

A escala nominal é definida como uma escala usada para rotular variáveis em classificações distintas e não envolve um valor quantitativo e nem uma ordem. Essa escala é a mais simples das quatro escalas de medição de variáveis. Os cálculos feitos sobre estas variáveis serão inúteis, pois não há nenhum valor numérico e quantitativo das opções.

Há casos em que esta escala é utilizada para fins de classificação, onde os números associados às variáveis dessa escala são apenas tags para categorização ou divisão.

Exemplo

Nessa pesquisa, apenas os nomes das marcas são significativos para o pesquisador. Não há necessidade de nenhum fator específico para essas marcas. Entretanto, enquanto coletam dados nominais, os pesquisadores conduzem análises com base nas etiquetas associadas.

No exemplo acima, quando um pesquisador seleciona Motorola como sua marca preferida, os dados inseridos e associados serão “1”. Isso quantifica e responde a pergunta final: Quantos entrevistados selecionaram a Motorola, Samsung e Sony.

Esse nível é o mais fundamental da pesquisa quantitativa.

Análise de dados da escala nominal

Há duas formas primárias de coleta de dados nominal:

Fazendo uma pergunta aberta, cujas respostas podem ser codificadas para um número respectivo de etiquetas decidido pelo pesquisador.
Fazendo uma pergunta de múltipla escolha, na qual as respostas serão etiquetadas.

Em ambos os casos, a análise dos dados coletados ocorrerá usando porcentagens ou modo, ou seja, a resposta mais comum recebida para a pergunta. É possível que uma única pergunta tenha mais de uma modalidade, pois é possível que dois favoritos comuns possam existir em uma população alvo.

Escala Nominal SPSS – No SPSS, você pode especificar o nível de medição e os dados nominais e ordinais podem ser alfanuméricos ou numéricos em cadeia. Ao importar os dados de qualquer variável para o arquivo de entrada do SPSS, ele os toma como uma variável de escala por padrão, uma vez que os dados contêm essencialmente valores numéricos. É importante mudá-los para nominal ou ordinal ou mantê-los como escala, dependendo da variável que os dados representam.

2º nível da escalas de medição: Ordinal

A escala ordinal é definida como uma escala de medição de variáveis utilizada para simplesmente representar a ordem das variáveis e não a diferença entre cada uma das variáveis.

Essas escalas são geralmente usadas para representar idéias não matemáticas como frequência, satisfação, felicidade, um grau de dor, etc.

A escala ordinal mantém qualidades descritivas juntamente com uma ordem intrínseca, mas não tem origem na escala (ponto zero) e, portanto, a distância entre as variáveis não pode ser calculada.

Exemplo

São aplicadas em casos onde o alvo da pesquisa é colocar em ordem de qualidade ou satisfação. Essas escalas são geralmente utilizadas em pesquisas de mercado para reunir e avaliar o feedback relativo sobre a satisfação do produto, mudança de percepção com atualizações de produto, etc.

Muito insatisfeito – Aqui, a ordem das variáveis é de primordial importância, assim como a etiquetagem.
Insatisfeito – Muito insatisfeito será sempre pior do que insatisfeito e satisfeito será pior do que muito satisfeito.
Neutro – Aqui é onde a escala ordinal é um passo acima da escala nominal – a ordem das variáveis é relevante para os resultados, assim como sua nomenclatura.
Satisfeito – A análise dos resultados com base na ordem junto com o nome se torna um processo conveniente para o pesquisador.
Muito satisfeito – Se eles pretendem obter mais informações do que as que coletariam usando uma escala nominal, podem usar a escala ordinal.

Análise de dados da escala ordinal

Os dados ordinais podem ser apresentados em formatos de tabela ou gráficos para que um pesquisador possa realizar uma análise conveniente dos dados coletados. Além disso, métodos como o teste Mann-Whitney U e o teste Kruskal-Wallis H também podem ser usados para analisar os dados ordinais. Estes métodos são geralmente implementados para comparar dois ou mais grupos ordinais.

No teste Mann-Whitney U, os pesquisadores podem concluir qual variável de um grupo é maior ou menor do que outra variável de um grupo selecionado aleatoriamente. Enquanto no teste Kruskal-Wallis H, os pesquisadores podem analisar se dois ou mais grupos ordinais têm a mesma mediana ou não.

3º nível das escalas de medição: Intervalo

A escala de intervalo é definida como uma escala numérica onde a ordem das variáveis é conhecida, assim como a diferença entre estas variáveis. As variáveis que têm diferenças familiares, constantes e computáveis são classificadas usando a escala de intervalo.

Estas escalas são eficazes, pois abrem portas para a análise estatística dos dados fornecidos. A média, mediana ou modo pode ser usado para calcular a tendência central nessa escala. A única desvantagem é que não há um ponto de partida pré-determinado ou um zero absoluto.

A escala de intervalo contém todas as propriedades da escala ordinal, além da qual, oferece um cálculo da diferença entre as variáveis. A principal característica desta escala é a diferença paralela entre objetos.

Um exemplo clássico é a escala de temperatura Celsius/Fahrenheit porque:

80Cº é sempre maior que 50Fº e a diferença entre essas duas temperaturas é a mesma que a diferença entre 70Cº e 40Fº.
O valor zero é arbitrário porque existem valores negativos de temperatura.
A escala de intervalo é frequentemente escolhida em casos de pesquisa onde a diferença entre as variáveis é imperativa – o que não pode ser alcançado usando uma escala nominal ou ordinal. A escala de intervalo quantifica a diferença entre duas variáveis, enquanto as outras duas escalas são unicamente capazes de associar valores qualitativos com variáveis.

Esse artigo pode te interessar: Diferenças entre pesquisas qualitativas e as quantitativas.

Os valores médios e medianos em uma escala ordinal podem ser avaliados, ao contrário das duas escalas anteriores.
Na estatística, a escala de intervalos é frequentemente usada como um valor numérico, não só pode ser atribuído a variáveis, mas o cálculo com base nesses valores também pode ser realizado.

Mesmo que as escalas de intervalo sejam surpreendentes, elas não calculam o valor do zero absoluto, razão pela qual a próxima escala entra em cena.

Exemplos

Há situações em que as escalas de atitude são consideradas escalas de intervalo.

Além da escala de temperatura, o tempo também é um exemplo muito comum de uma escala de intervalo, pois os valores já estão estabelecidos, constantes e mensuráveis. Os anos civis e o tempo também se enquadram nesta categoria de escalas de medição.

Escala Likert, NPS – Net Promoter Score, escala de diferencial semântica, tabela matriz bipolar, etc. São os exemplos mais utilizados de escalas de intervalos.

Análise de dados da escala de intervalo

Todas as técnicas aplicáveis à análise de dados nominais e ordinais são aplicáveis também aos de Intervalo. Além dessas técnicas, há alguns métodos de análise, tais como estatística descritiva, uma análise de regressão que é extensivamente para análise de dados de intervalo.

Estatística descritiva é o termo dado à análise de dados numéricos que ajuda a descrever, representar ou resumir dados de forma significativa e ajuda no cálculo da média, mediana e modo.

4º nível das escalas de medição: Razão

A escala de razão é definida como uma escala de medição quantitativa que é caracterizada por um ponto zero absoluto, o que significa que não há valor numérico negativo. Ela é calculada assumindo que as variáveis têm uma opção para zero, a diferença entre as duas variáveis é a mesma e há uma ordem específica entre as opções.

Com a opção de zero absoluto, podem ser aplicadas às variáveis técnicas variadas de análise quantitativa. Além do fato de que a escala de razão faz tudo o que uma escala nominal, ordinal e de intervalo pode fazer, ela também pode estabelecer o valor de zero absoluto.

O pesquisador pode se beneficiar do uso dessa escala em casos onde:

É necessário coletar informações mais detalhadas. Pesquisadores e estatísticos podem calcular a tendência central usando técnicas estatísticas como média, mediana, modo e métodos como média geométrica, coeficiente de variação ou média harmônica também podem ser usados nessa escala.
O zero conta. Ao observar que as variáveis têm todas as características de uma escala de intervalo junto com a presença do valor zero absoluto e esse valor é relevante.

Exemplo

Um excelente exemplo é a medição da altura. A altura pode ser medida em centímetros, metros, polegadas ou pés e não é possível ter uma altura negativa.

Se compararmos com os dados da escala de intervalos, por exemplo, a temperatura pode ser de -10 graus Celsius, entretanto, a altura não pode ser negativa, como mencionado acima.

Análise de dados da escala de razão

Os dados da escala da razão são de natureza quantitativa, portanto as técnicas de análise quantitativas como SWOT, TURF, Conjoint, tabulação cruzada, etc. podem ser utilizadas.

Enquanto algumas técnicas, tais como SWOT e TURF, que analisarão os dados de maneira que os pesquisadores possam criar roteiros de como melhorar produtos ou serviços e a tabulação cruzada será útil para entender se novas características serão úteis ou não para o mercado alvo.

Os dados da escala de razão podem ser multiplicados e divididos, esta é uma das principais diferenças entre os dados da escala de proporção e os dados da escala de intervalo, que só podem ser adicionados e subtraídos.

Resumo

Agora que você sabe mais sobre escalas de medição, é hora de começar a pesquisar. Lembre-se que na QuestionPro temos as ferramentas de pesquisa online e também offline que você precisa para o seu negócio decolar! Agende uma demonstração sem compromisso, totalmente gratuita e em português e conheça todos os recursos que temos disponíveis em nossas diferentes licenças.