Meetniveaus in marktonderzoek: nominaal, ordinaal, interval en ratio

Meetniveaus geven aan hoeveel informatie een variabele bevat en bepalen daarmee welke berekeningen en statistische toetsen je erop mag toepassen. In marktonderzoek onderscheiden we vier meetniveaus: nominaal (categorieën zonder rangorde), ordinaal (een rangorde zonder gelijke afstanden), interval (gelijke afstanden zonder absoluut nulpunt) en ratio (gelijke afstanden met een absoluut nulpunt). Hoe hoger het meetniveau, hoe krachtiger de analyses die zijn toegestaan.

Wie een vragenlijst opstelt, denkt vaak eerst aan de inhoud van de vragen. Toch beslist een minder zichtbare keuze net zo hard over de waarde van je onderzoek: het meetniveau van elke variabele. Dat niveau bepaalt of je straks een gemiddelde mag berekenen, welke grafiek klopt en welke toets een geldige conclusie oplevert. In deze gids leggen we de vier meetniveaus uit, tonen we per niveau welke statistiek is toegestaan en laten we zien waar het in de praktijk misgaat.

Wat zijn meetniveaus?

Meetniveaus, ook wel schaalniveaus of meetschalen genoemd, beschrijven de wiskundige eigenschappen van de waarden die een variabele kan aannemen. De indeling gaat terug op de psycholoog Stanley Smith Stevens, die in 1946 vier niveaus beschreef: nominaal, ordinaal, interval en ratio. Die volgorde is een hiërarchie. Elk hoger niveau bevat alle eigenschappen van het niveau eronder en voegt er iets aan toe.

De kernvraag bij elk meetniveau is simpel: wat mag je zinvol met de getallen doen? Bij nominale data zijn de getallen niet meer dan labels, terwijl je bij ratiodata volwaardig mag optellen, aftrekken, vermenigvuldigen en delen. Het meetniveau is dus geen administratief detail, maar de grammatica van je data. Net zoals een zin zonder werkwoord niet werkt, levert een analyse die het meetniveau negeert geen geldige uitspraak op.

Een handige eerste splitsing: nominaal en ordinaal noemen we samen categorische of kwalitatieve meetniveaus, interval en ratio noemen we numerieke of kwantitatieve meetniveaus. Deze tweedeling loopt als een rode draad door de keuze van je statistische technieken, en verklaart ook waarom het onderscheid tussen kwalitatief en kwantitatief marktonderzoek zo bepalend is.

De vier meetniveaus: nominaal, ordinaal, interval en ratio

De onderstaande tabel vat de vier meetniveaus samen aan de hand van drie beslissende eigenschappen: is er een rangorde, zijn de afstanden gelijk en is er een absoluut nulpunt?

Nominaal meetniveau

Bij het nominale meetniveau deel je waarnemingen in categorieën in die geen enkele rangorde kennen. De categorieën zijn gelijkwaardig, ze verschillen alleen van elkaar. Denk aan de vraag welk merk iemand het laatst kocht, in welke provincie een respondent woont of welk type abonnement een klant heeft. Je kunt de categorieën tellen en vergelijken op gelijkheid, maar de vraag welke categorie hoger is heeft geen betekenis.

Ook als je nominale categorieën een nummer geeft in je databestand, blijven het labels. Codeer je regio Vlaanderen als 1 en Wallonië als 2, dan betekent 2 niet meer dan 1. Het gemiddelde van deze codes is dus letterlijk zinloos. Voor nominale data gebruik je frequenties, percentages en de modus, en je visualiseert ze met een staafdiagram of taartdiagram.

Ordinaal meetniveau

Het ordinale meetniveau voegt een rangorde toe. De categorieën staan in een logische volgorde, maar de afstand tussen twee opeenvolgende categorieën is niet aantoonbaar gelijk. Een klassiek voorbeeld is opleidingsniveau, dat oploopt van lager naar hoger onderwijs, maar waarbij de sprong tussen twee niveaus niet overal even groot is. Ook de veelgebruikte likert-schaal, van helemaal oneens tot helemaal eens, is in essentie ordinaal.

Bij ordinale data mag je naast de modus ook de mediaan gebruiken, want de middelste waarneming heeft betekenis zodra er een volgorde is. Wat je strikt genomen niet mag, is een gemiddelde berekenen, want daarvoor moeten de afstanden gelijk zijn. In de praktijk gebeurt dat toch vaak bij samengestelde schalen, en die keuze is soms verdedigbaar, maar ze hoort altijd expliciet onderbouwd te worden in je methode.

Interval meetniveau

Op het interval meetniveau zijn de afstanden tussen de waarden wel gelijk en betekenisvol, maar ontbreekt een absoluut nulpunt. Het bekendste voorbeeld is temperatuur in graden Celsius: het verschil tussen 10 en 20 graden is even groot als tussen 20 en 30 graden, maar nul graden betekent niet de afwezigheid van temperatuur. Daardoor mag je optellen en aftrekken, maar geen verhoudingen uitspreken. Zeggen dat 20 graden twee keer zo warm is als 10 graden klopt niet.

Intervaldata zijn in zuiver marktonderzoek minder vaak dan je denkt. Jaartallen, IQ-scores en gestandaardiseerde testscores zijn typische voorbeelden. Voor interval en ratio samen geldt dat je alle centrummaten mag gebruiken: modus, mediaan en gemiddelde, aangevuld met de standaarddeviatie als spreidingsmaat.

Ratio meetniveau

Het ratio meetniveau is het rijkste niveau. Het heeft alle eigenschappen van interval plus een absoluut nulpunt, waar de eigenschap volledig afwezig is. Omzet, leeftijd, aantal aankopen, gewicht en tijdsduur zijn ratiovariabelen. Omdat het nulpunt echt is, mag je hier ook vermenigvuldigen en delen: 100 euro besteding is aantoonbaar twee keer zoveel als 50 euro.

Voor marktonderzoekers is ratiodata goud waard, want ze staat elke denkbare berekening toe en laat zich koppelen aan financiële uitkomsten. Meet daarom waar mogelijk op ratio in plaats van te vragen naar een klasse. Vraag de exacte leeftijd of het exacte aantal aankopen, want die kun je later altijd nog samenvatten tot categorieën. Andersom werkt niet.

Waarom het meetniveau bepaalt welke analyse je mag doen

De belangrijkste reden om meetniveaus te begrijpen is dat ze de grens trekken tussen een geldige en een ongeldige analyse. Een verkeerd gekozen bewerking levert een getal op dat er overtuigend uitziet, maar niets betekent. De onderstaande tabel laat zien welke centrummaten en spreidingsmaten per meetniveau zijn toegestaan.

Dezelfde logica geldt voor de keuze van je toets. Het meetniveau van je variabelen bepaalt rechtstreeks welke techniek geldig is. Zo werkt de chi-kwadraattoets op nominale en ordinale (categorische) variabelen, terwijl je voor een verband tussen twee numerieke variabelen naar correlatie kijkt. Ook bij het beoordelen van statistische significantie is de eerste vraag altijd op welk meetniveau je meet, want daar hangt de keuze van de toets van af.

Wil je dieper ingaan op de vraag of een gevonden verband ook oorzakelijk is, lees dan hoe je correlatie en causaliteit uit elkaar houdt. En omdat het meetniveau ook je visualisatie stuurt, helpen deze datavisualisatie tips en tricks om per niveau de juiste grafiek te kiezen.

Het meetniveau van een variabele bepalen in drie stappen

Het meetniveau vaststellen hoeft geen giswerk te zijn. Loop deze drie vragen af en je komt altijd op het juiste niveau uit.

Stap 1: kun je de waarden in een logische volgorde zetten? Is het antwoord nee, dan is de variabele nominaal en stopt de vraag hier. Merk, kleur en regio hebben geen natuurlijke rangorde. Is het antwoord ja, ga dan door naar stap 2.

Stap 2: zijn de afstanden tussen de waarden gelijk? Bij een likert-schaal of een rangorde van klein naar groot is dat niet zeker, dus blijf je op ordinaal niveau. Zijn de afstanden aantoonbaar gelijk, zoals bij een score in punten of een bedrag in euro, ga dan door naar stap 3.

Stap 3: is er een absoluut nulpunt? Betekent nul de echte afwezigheid van de eigenschap, dan is de variabele ratio. Is nul willekeurig gekozen, zoals bij temperatuur in Celsius of een jaartal, dan is de variabele interval. Met deze drie vragen plaats je vrijwel elke variabele foutloos.

Een praktische vuistregel bij het ontwerpen van je marktonderzoek: meet zo hoog mogelijk. Vraag naar de exacte leeftijd in plaats van een leeftijdsklasse, en naar het precieze aantal aankopen in plaats van een bereik. Je kunt ratiodata altijd terugbrengen naar categorieën als dat je rapportage overzichtelijker maakt, maar de omgekeerde weg is definitief afgesloten. Wie te grof meet, gooit informatie weg die nooit meer terugkomt.

Meetniveaus en de vraagtypen in je enquête

Elk vraagtype in een enquête levert data op een bepaald meetniveau op. Wie beide bewust aan elkaar koppelt, ontwerpt een vragenlijst die precies de analyses toelaat die de onderzoeksvraag vereist. Het meetniveau is dus geen keuze die je pas tijdens de analyse maakt, maar een gevolg van hoe je de vraag formuleert.

Een gesloten vraag met losse categorieën, zoals welk kanaal iemand het vaakst gebruikt, levert nominale data op. Een keuzevraag met een natuurlijke volgorde, zoals opleidingsniveau of een tevredenheidsschaal van laag naar hoog, is ordinaal. Een open numerieke vraag naar een bedrag, een aantal of een leeftijd geeft ratiodata, het rijkste niveau. En een rangschikvraag waarin respondenten opties op volgorde zetten, produceert ordinale rangnummers.

De praktische les is dat je het meetniveau al vastlegt op het moment dat je de vraag opstelt. Wil je later een gemiddelde besteding berekenen, stel dan een open numerieke vraag in plaats van vaste bestedingsklassen. Wil je groepen zuiver vergelijken, zorg dan voor een heldere nominale indelingsvraag. Deze koppeling tussen vraagtype en meetniveau verklaart waarom een sterke vragenlijst begint bij de analyse die je uiteindelijk wilt uitvoeren, en van daaruit terugredeneert naar de vragen die je stelt.

Veelgemaakte fouten met meetniveaus

In de praktijk zien we telkens dezelfde valkuilen terugkeren. De onderstaande tabel zet de meest voorkomende fouten op een rij, met hun gevolg en de juiste aanpak.

Deze fouten hangen sterk samen met andere ontwerpkeuzes. Een verkeerd meetniveau vergroot bijvoorbeeld het risico op een onbetrouwbaar resultaat wanneer je ook nog eens een te kleine steekproefgrootte hanteert. En bij het corrigeren van je data met weging en raking werk je bijna altijd met nominale kenmerken zoals geslacht en regio, dus ook daar is een helder meetniveau de basis.

Voorbeeld: meetniveaus in een klanttevredenheidsonderzoek

Stel dat een webshop de klanttevredenheid wil meten. Eén enkele vragenlijst bevat dan al snel meerdere meetniveaus door elkaar. De vraag naar het gebruikte apparaat, smartphone, tablet of computer, is nominaal. De algemene tevredenheid, gemeten op een schaal van zeer ontevreden tot zeer tevreden, is ordinaal. Het aantal aankopen in het afgelopen jaar en het totale bestede bedrag zijn ratiovariabelen.

Voor de analyse betekent dat concreet het volgende. Voor het apparaat rapporteer je percentages en toon je een staafdiagram. Voor de tevredenheidsschaal gebruik je de mediaan en de verdeling over de categorieën, en behandel je een gemiddelde met de nodige voorzichtigheid. Voor het aantal aankopen en de besteding bereken je gerust het gemiddelde en de standaarddeviatie, en leg je verbanden met andere numerieke variabelen. Wie deze niveaus door elkaar haalt en overal automatisch een gemiddelde neerzet, rapporteert cijfers die niet kloppen, hoe verzorgd de tabel er ook uitziet. Precies dit soort keuzes maakt het verschil tussen een rapport dat indruk maakt en een rapport dat standhoudt.

Waarom een verkeerd meetniveau je onderzoek onderuithaalt

Moderne software maakt het verraderlijk makkelijk om de fout in te gaan. Vul je een kolom met categoriecodes in een statistiekpakket of een spreadsheet, dan berekent het programma zonder aarzelen een gemiddelde. De computer weet immers niet dat regio 1 en regio 2 labels zijn en geen hoeveelheden. Juist doordat de tools alles rekenen, is de drempel om een fout resultaat te produceren lager dan ooit. Een kloppend ogende grafiek met een onzinnig gemiddelde is zo gemaakt, en niemand die de knoppen bedient wordt gewaarschuwd.

Daar ligt precies de meerwaarde van een ervaren onderzoeker. Het herkennen van het meetniveau, het verantwoorden van een keuze om ordinale schalen soms als interval te behandelen en het kiezen van de bijpassende toets is vakwerk dat bepaalt of je conclusies standhouden. Een bureau bouwt die controle al in bij het ontwerp van de vragenlijst, lang voordat er data binnenkomen. Zo voorkom je dat je maanden later merkt dat een cruciale vraag te grof gemeten is en de analyse die je nodig had onmogelijk blijkt.

Bij BABLR begint elk soort marktonderzoek daarom met een bewuste keuze van meetniveaus per variabele. Dat geldt of we nu een klanttevredenheidsonderzoek opzetten of breed consumentenonderzoek uitvoeren. Het resultaat is data die precies de analyses toelaat die je nodig hebt, en cijfers waar je zonder voorbehoud beslissingen op kunt bouwen. Wil je zekerheid dat je onderzoek vanaf de eerste vraag juist is opgezet? Neem gerust contact op, dan bekijken we samen welke aanpak bij jouw vraag past.