Ordinalskala in der Datenanalyse einfach erklärt: Ablauf und Tipps

Eine Ordinalskala ordnet die Kategorien in eine Rangfolge

Eine Ordinalskala ordnet Merkmalsausprägungen in eine Rangfolge, ohne dass die Abstände zwischen den Stufen gleich groß sein müssen. Für dich heißt das: Median, Modus und Quantile sind erlaubt, das arithmetische Mittel ist streng genommen nicht sinnvoll interpretierbar.

Was die Ordinalskala ausmacht

Ordinal skalierte Daten darfst du sortieren und vergleichen, aber nicht sinnvoll addieren oder mitteln. Arbeite deshalb mit Median, Modus, Quartilen und Rangkorrelationen wie Spearmans Rho statt mit Mittelwert und Standardabweichung.

In der Statistik unterscheidet man vier Skalenniveaus: Nominalskala, Ordinalskala, Intervallskala und Verhältnisskala. Sie unterscheiden sich darin, welche Beziehung zwischen den Skalenpunkten besteht. Bei der Ordinalskala gibt es eine klare Reihenfolge der Kategorien, die Abstände zwischen zwei benachbarten Stufen lassen sich aber nicht als gleich groß deuten. Erst auf der Intervallskala kommen gleiche Abstände hinzu. Ein einfaches Beispiel sind Schulnoten: Eine 2 ist besser als eine 3, doch niemand kann belegen, dass der Leistungsabstand zwischen 1 und 2 genauso groß ist wie zwischen 4 und 5.

Typische ordinale Merkmale sind Bildungsabschlüsse, Dienstgrade, Platzierungen in einem Ranking oder Antworten auf einer Zustimmungsskala von „stimme gar nicht zu“ bis „stimme voll zu“. Wenn du in einer Umfrage fragst, wie zufrieden Kommilitonen mit dem Wohnen im Studium sind, und fünf Stufen anbietest, erhältst du ordinale Daten. Die Zahlen 1 bis 5, die du dabei vergibst, sind nur Codes für die Reihenfolge, keine echten Messwerte.

Daraus folgen konkrete Regeln für die Datenanalyse:

• Lagemaß: Median, bei vielen Gleichständen zusätzlich der Modus.
• Streuung: Interquartilsabstand oder Spannweite, nicht die Standardabweichung.
• Zusammenhang: Spearmans Rho oder Kendalls Tau statt Pearsons r.
• Gruppenvergleich: Mann-Whitney-U-Test für zwei unabhängige Gruppen, Kruskal-Wallis-Test für mehr als zwei Gruppen.
• Messwiederholung: Wilcoxon-Vorzeichen-Rang-Test oder Friedman-Test.

Ablauf: So analysierst du ordinale Daten Schritt für Schritt

Der Ablauf beginnt immer mit der Frage, welches Skalenniveau deine Variable tatsächlich hat. Das klingt banal, entscheidet aber über jede spätere Methode. Viele Studiengänge mit empirischem Anteil, von Psychologie über BWL bis Soziologie, prüfen genau diese Entscheidung in Klausuren und Hausarbeiten.

1. Skalenniveau bestimmen: Frag dich, ob die Kategorien eine natürliche Reihenfolge haben und ob gleiche Abstände belegbar sind. Reihenfolge ja, gleiche Abstände nein: ordinal.
2. Kodierung festlegen: Vergib aufsteigende Codes, etwa 1 = „sehr unzufrieden“ bis 5 = „sehr zufrieden“. Notiere die Richtung im Codebuch, damit niemand die Skala falsch herum liest.
3. Häufigkeiten darstellen: Erstelle eine Häufigkeitstabelle mit absoluten, relativen und kumulierten Werten. Als Grafik eignet sich ein Balkendiagramm in der Reihenfolge der Kategorien, nicht nach Häufigkeit sortiert.
4. Kennwerte berechnen: Gib Median und Quartile an, zum Beispiel „Median = 4, Q1 = 3, Q3 = 5“.
5. Passenden Test wählen: Vergleichst du zwei unabhängige Gruppen, nutze den Mann-Whitney-U-Test, bei Zusammenhängen Spearmans Rho.
6. Ergebnis formulieren: Beschreibe Rangunterschiede, nicht Mittelwertdifferenzen.

Ein Beispiel aus dem Studienalltag: Du willst wissen, ob Studierende an Hochschulen und Universitäten ihre Lehrveranstaltungen unterschiedlich bewerten. Die Bewertung liegt auf einer fünfstufigen Skala vor, die Hochschulart ist die Gruppierungsvariable. Hier passt der Mann-Whitney-U-Test. Eine saubere Formulierung im Ergebnisteil lautet etwa: „Studierende der Gruppe A bewerten die Lehre tendenziell höher als Studierende der Gruppe B“, ergänzt um Teststatistik, p-Wert und Effektstärke.

Willst du dagegen prüfen, ob die Zahl der Stunden in Studentenjobs mit der Zufriedenheit zusammenhängt, kombinierst du eine metrische mit einer ordinalen Variable. Auch dann rechnest du mit Spearmans Rho, weil das niedrigere Skalenniveau die Methode bestimmt.

Typische Fehler und die bessere Lösung

Der häufigste Fehler ist, ordinale Codes wie echte Messwerte zu behandeln. Wer bei einer Zufriedenheitsfrage einen Mittelwert von 3,4 berichtet, unterstellt gleiche Abstände, die es nicht gibt. Besser: Median und Verteilung angeben. Ob dein Fach Mittelwerte bei Likert-Items toleriert, klärst du am besten vorab mit der Betreuung, denn die Konventionen unterscheiden sich zwischen Disziplinen.

Ein zweiter Fehler betrifft die Testauswahl. Der t-Test setzt metrische Daten voraus, bei ordinalen Variablen ist der Mann-Whitney-U-Test die passende Alternative. Ebenso ersetzt Spearmans Rho bei Rangdaten den Korrelationskoeffizienten nach Pearson. Wer etwa Daten zu einem Auslandssemester auswertet und die Erfahrung auf einer Skala von „schlecht“ bis „sehr gut“ erhoben hat, sollte genau hier aufpassen.

Häufig falsch ist auch die Grafik. Ein Kreisdiagramm zerstört die Rangfolge, ein Balkendiagramm in falscher Reihenfolge ebenso. Ordne die Balken immer entlang der Skala. Ein weiterer Klassiker: Die Skala wird uneinheitlich kodiert, sodass 1 mal „gut“ und mal „schlecht“ bedeutet. Bei invertierten Items musst du vor jeder Analyse umpolen.

Schließlich verwechseln viele Ordinal- und Nominalskala. Studienfächer, die jemand bei der Frage Studiengang wählen nennt, haben keine Reihenfolge und sind nominal. Wer sie mit Zahlen kodiert und dann einen Median berechnet, produziert ein sinnloses Ergebnis. Die Lösung ist einfach: Vor dem Rechnen prüfen, ob die Reihenfolge inhaltlich begründet ist.

Checkliste: Was du zum Schluss prüfst

Bevor du deine Auswertung abgibst, gehst du die folgenden Punkte einzeln durch. Jeder Punkt lässt sich mit Ja oder Nein beantworten und direkt in deiner Datei oder deinem Text kontrollieren.

• Ist für jede Variable das Skalenniveau im Methodenteil benannt und begründet?
• Läuft die Kodierung bei allen Items in dieselbe Richtung, invertierte Items eingeschlossen?
• Berichtest du für ordinale Variablen Median und Interquartilsabstand statt Mittelwert und Standardabweichung?
• Sind Balkendiagramme entlang der Skalenreihenfolge sortiert?
• Hast du für Gruppenvergleiche einen Rangtest wie Mann-Whitney-U, Kruskal-Wallis, Wilcoxon oder Friedman verwendet?
• Nutzt du für Zusammenhänge Spearmans Rho oder Kendalls Tau?
• Formulierst du Ergebnisse als Rang- oder Verteilungsunterschiede?

Für formale Vorgaben wie Zitierweise, Umfang oder Anhang mit Rohdaten ist die Prüfungsordnung deines Fachs maßgeblich, ergänzt durch die Hinweise deines Lehrstuhls. Lies sie, bevor du die Struktur deiner Arbeit festlegst. Weitere Studium-Tipps helfen dir, Statistikmodule neben anderen Pflichten einzuplanen.

Stehst du noch vor der Studienwahl und fragst dich, wie viel Statistik dich erwartet, lohnt ein Blick in die Modulhandbücher. Ein Studienorientierungstest zeigt dir, ob dir quantitative Methoden liegen, und die Studienberatung beantwortet konkrete Fragen zu Pflichtmodulen. Auch die Entscheidung zwischen Universität oder Fachhochschule wirkt sich darauf aus, wie theoretisch oder anwendungsnah Statistik gelehrt wird.

Gerade zu Beginn hilft es, die Grundbegriffe früh sicher zu beherrschen. Gute Erstsemester-Tipps raten deshalb, Skalenniveaus mit eigenen Beispielen zu üben, bis du jede Variable ohne Nachschlagen einordnen kannst.

Quellen und Stand

• Offizielle Quelle: www.uni-kassel.de (geprüft am 2026-10-28)
• Wikipedia: Ordinalskala: de.wikipedia.org (geprüft am 2026-10-28)

Die Einordnung „Ordinalskala in der Datenanalyse einfach erklärt: Ablauf und Tipps“ fasst den vollständigen Zusammenhang zusammen.