Escalas de medição: tudo o que precisa saber

Existem diferentes níveis na escala de medição e os dados medidos são classificados em dados qualitativos ou quantitativos. Assim, para realizar a análise estatística de dados, é importante primeiro entender as variáveis e o que deve ser medido ao utilizar essas mesmas variáveis.

Nesse sentido, ao longo deste artigo vamos abordar cada ponto referente à análise estatística e a sua importância para o respetivo processo.

Mas antes, em primeiro lugar, é importante entender o que é uma variável.

O que é uma variável?

É um valor que muda, contudo, pode ser medido. Por exemplo, considere uma amostra de trabalhadores: as variáveis para esse conjunto da população podem ser localização, sexo, idade, categoria de emprego, etc. O valor das variáveis diferirá para cada um.

Agora sim, estão reunidas as condições para entender todo o processo das escalas de medição.

Os 4 níveis das escalas de medição

Nominal, ordinal, intervalo e razão são definidos como os quatro níveis fundamentais de escalas de medição utilizados para recolher dados na forma de estudos ou inquéritos. Cada um deles é uma pergunta de múltipla escolha.

Assim, cada escala é um nível incremental de medida, ou seja, cada escala preenche a função da anterior, e todas as escalas de perguntas de inquéritos 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 observar o que estas escalas representam.

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

1º nível das escalas de medição: Nominal

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

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

Exemplo

Neste inquérito apenas os nomes das marcas são significativos para quem pergunta, não há necessidade de nenhum fator específico para estas marcas. Entretanto, enquanto recolhem dados nominais, os investigadores conduzem análises com base nas etiquetas associadas.

Por exemplo, no exemplo mostrado, quando um investigador seleciona Motorola como a sua marca preferida, os dados inseridos e associados serão “1”. Isto quantifica e responde à pergunta final: quantos entrevistados selecionaram a Motorola, Samsung e Sony.

Este nível é o mais fundamental dos estudos quantitativos.

Análise de dados da escala nominal

Há duas formas primárias de recolha de dados nominal:

Fazendo uma pergunta aberta, cujas respostas podem ser codificadas para um número respetivo de etiquetas decidido pelo investigador.
Fazendo uma pergunta de múltipla escolha, onde as respostas serão etiquetadas.

Em ambos os casos, a análise dos dados recolhidos ocorrerá a usar percentagens 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 numa amostra alvo.

Escala Nominal SPSS — No SPSS, é possível 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, este assume-os como uma variável de escala por padrão, visto que os dados contêm essencialmente valores numéricos. Assim, é importante mudá-los para nominal ou ordinal, ou mantê-los como escala, dependendo da variável que os dados representam.

2º nível de 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 delas.

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

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

Exemplo

São aplicadas em casos onde o alvo do estudo ou inquérito é colocar em ordem de qualidade ou satisfação. Estas escalas são geralmente utilizadas em estudos de mercado para reunir e avaliar o feedback sobre a satisfação do produto, mudança de perceção 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 a sua nomenclatura.
Satisfeito – A análise dos resultados com base na ordem e nome torna-se um processo conveniente para o investigador.
Muito satisfeito – Se os investigadores pretendem obter mais informações do que as que recolheriam, 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 investigador possa realizar uma análise conveniente dos dados recolhidos. 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 investigadores podem concluir qual é a variável de um grupo que é maior ou menor do que outra variável de um grupo selecionado aleatoriamente. Enquanto no teste Kruskal-Wallis H, os investigadores 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 com diferenças familiares, constantes e computáveis são classificadas, usando a escala de intervalo.

Estas escalas são eficazes, visto que abrem portas para a análise estatística dos dados fornecidos. Neste caso, média, mediana ou moda podem ser usados para calcular a tendência central nessa escala. A única desvantagem é não haver 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. Assim, 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 estudos ou inquéritos onde a diferença entre as variáveis é imperativa – o que não pode ser alcançado a usar 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.
Os valores médios e medianos numa 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, estas 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.

Exemplo de matriz bipolar

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 utilizada para analisar de dados de intervalo.

Por exemplo, 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 moda.

4º nível das escalas de medição: Razão

A escala de razão é definida como uma escala de medição quantitativa caracterizada por um ponto zero absoluto, o que significa não haver valor numérico negativo. 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 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 investigador pode beneficiar do uso desta escala em casos onde:

É necessário recolher informações mais detalhadas. Investigadores e analistas podem calcular a tendência central usando técnicas estatísticas como média, mediana, moda e métodos como média geométrica, coeficiente de variação ou média harmónica também podem ser usados nesta escala.
O zero conta. Ao observar que as variáveis têm todas as características de uma escala de intervalo com a presença do valor zero absoluto e este 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, no entanto, 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, e sendo assim, as técnicas de análise quantitativas como SWOT, TURF, Conjoint, tabulação cruzada, entre outras, podem ser utilizadas para recolher informação.

Nesse sentido, enquanto algumas técnicas, tais como SWOT e TURF, que analisam os dados para que os investigadores possam criar guias de como melhorar produtos ou serviços, 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 sabe mais sobre escalas de medição é hora de começar a pesquisar. Lembre-se que na QuestionPro temos as ferramentas de inquéritos online e também offline que precisa para o seu negócio aumentar!