Метрики · 12 сентября 2026 г.

Интервальная шкала и шкала отношений в опросах: в чём разница и когда можно делить

Интервальная шкала и шкала отношений — два верхних уровня измерения, на которых расстояния между соседними значениями равны и содержательны, поэтому законны среднее арифметическое, стандартное отклонение, t-критерий и корреляция Пирсона. Разница между ними — в наличии истинного нуля: у интервальной шкалы нулевая точка условна (как 0°C), у шкалы отношений ноль означает полное отсутствие измеряемого свойства (как ноль покупок). Из этого различия следует единственное, но важное ограничение: утверждения вида «вдвое больше» корректны только для шкалы отношений, а для интервальной — нет. Ниже — какие вопросы опроса дают каждый из этих уровней и какие операции законны для каждого.

Что объединяет интервальную шкалу и шкалу отношений

Оба уровня измерения делят общий признак, которого не было ни у номинальной, ни у порядковой шкалы: равенство интервалов. Разница между соседними значениями здесь одинакова и содержательна на всём протяжении шкалы — переход от 20 до 30 значит ровно то же самое, что переход от 50 до 60. Именно это свойство делает законными среднее арифметическое, стандартное отклонение и всю параметрическую статистику, которая опирается на арифметические операции над самими значениями.

Различает эти два уровня один-единственный признак — истинный, физически осмысленный ноль. Если он есть — это шкала отношений и наиболее информативный из всех четырёх уровней измерения. Если ноль условен или отсутствует — это интервальная шкала, чуть менее информативная, потому что отношения между значениями для неё уже некорректны.

На практике различие между двумя уровнями редко становится камнем преткновения в самом расчёте — формулы среднего, дисперсии и корреляции Пирсона одинаковы для обоих уровней. Важность различия проявляется именно в формулировке выводов: там, где интервальная шкала разрешает говорить только о разнице в абсолютных единицах, шкала отношений разрешает говорить ещё и об отношении величин, и подмена одной формулировки другой — самая частая ошибка на стыке этих двух уровней.

Интервальная шкала: равные промежутки без истинного нуля

Классический пример интервальной шкалы вне опросов — температура по Цельсию: разница между 10 и 20 градусами точно равна разнице между 20 и 30, но 0°C не означает отсутствия температуры вообще, это условная точка замерзания воды, выбранная произвольно при создании шкалы. По шкале Фаренгейта тот же физический факт — тот же ноль градусов Цельсия — выражается числом 32, что и доказывает условность нулевой точки.

В опросах чистая интервальная шкала встречается реже, чем кажется: ближе всего к ней подходят суммарные баллы психометрических методик — например, стандартизованный индекс выгорания, вопросник самооценки, — где равенство интервалов между баллами доказано отдельной калибровкой на больших выборках при разработке методики, а не предполагается по умолчанию.

Ещё один пример интервальной шкалы, ближе к практике опросов, — составной индекс вроде индекса развития территории, где ноль условно выбирается как точка отсчёта конкретной методики, а не как объективное отсутствие измеряемого свойства. Сравнивать такие индексы между регионами по разнице значений корректно, а утверждать, что один регион развит «в полтора раза больше» другого, — уже нет, ровно по той же причине, по которой некорректно так говорить о температуре.

Шкала отношений: равные промежутки и истинный ноль

Шкала отношений — самый информативный уровень измерения: у неё есть и равные интервалы, и настоящий ноль, означающий полное отсутствие измеряемого свойства. В опросах к этому уровню относится почти всё, что измеряется естественными числовыми единицами: возраст, доход, число визитов, время ответа на анкету в секундах, количество повторных покупок за период.

Ноль в каждом из этих примеров буквален: ноль покупок значит, что покупок не было вообще, а не какую-то условную точку отсчёта конкретной шкалы. Именно наличие истинного нуля разрешает то, что было запрещено для интервальной шкалы, — говорить об отношениях между значениями: доход 200 тысяч рублей ровно вдвое больше дохода 100 тысяч, и это утверждение математически корректно, а не приближение.

Стоит отдельно отметить процентные показатели, распространённые в отчётах по опросам: доля довольных клиентов в процентах формально ведёт себя как шкала отношений — 0% означает полное отсутствие довольных, 100% возможный максимум, — но верхняя граница в 100% делает её особым, ограниченным случаем: утверждение «доля выросла вдвое» работает только вдали от границ шкалы, а рост с 90% до 100% физически не может продолжиться дальше, что стоит учитывать при интерпретации трендов на уже высоких значениях.

Почему утверждение «вдвое больше» работает не всегда

Для шкалы отношений кратность корректна, а для интервальной — нет, и путаница здесь встречается на удивление часто именно потому, что интуитивно обе шкалы выглядят одинаково «числовыми». Сказать, что 20°C вдвое теплее 10°C, некорректно: по шкале Кельвина, где ноль истинный, 10°C — это 283,15 K, а 20°C — 293,15 K, и отношение между ними совсем не два, что и доказывает, что кратность по Цельсию была артефактом произвольной нулевой точки, а не реальным физическим фактом.

В опросах похожая ловушка возникает с суммарными баллами психометрических шкал: если индекс удовлетворённости построен так, что ноль на нём не означает полного отсутствия удовлетворённости, а является условной точкой отсчёта конкретной методики, то утверждение «удовлетворённость выросла вдвое, с 20 до 40 баллов» некорректно по тем же причинам, что и с температурой, даже если шкала формально интервальная и среднее по ней считать можно.

Практический пример: доход как шкала отношений

Таблица показывает важный практический момент: один и тот же признак — доход — может относиться к разным уровням измерения в зависимости от того, как именно задан вопрос в анкете. Точное число в рублях — шкала отношений с полным набором законных операций. Диапазон вроде «50–100 тысяч» уже теряет статус шкалы отношений и становится порядковым, потому что границы диапазонов неравной ширины и точное значение внутри диапазона теряется.

Стандартное отклонение и другие операции, законные для обоих уровней

Кроме среднего арифметического, интервальная шкала и шкала отношений разрешают полный набор операций описательной статистики: стандартное отклонение, дисперсию, коэффициент вариации. Все три показателя описывают разброс ответов вокруг среднего и требуют именно равенства интервалов между значениями — без него разброс, посчитанный как «среднее отклонение от среднего», не имеет однозначного содержательного смысла.

Дополнительно для обоих уровней законна корреляция Пирсона — измерение линейной связи между двумя переменными — и вся параметрическая статистика для сравнения групп: t-критерий для двух групп, дисперсионный анализ для трёх и более. Все эти методы опираются на арифметические операции над самими значениями переменной, а не на их ранги, и именно поэтому требуют хотя бы интервального уровня измерения, а не только порядкового.

Коэффициент вариации — стандартное отклонение, делённое на среднее и выраженное в процентах, — заслуживает отдельного упоминания: в отличие от абсолютного стандартного отклонения, он позволяет сравнивать разброс двух переменных в разных единицах измерения, например разброс дохода в рублях и разброс возраста в годах, но корректен только для шкалы отношений с истинным нулём — для интервальной шкалы деление на среднее теряет смысл, потому что само среднее зависит от произвольно выбранной нулевой точки.

Когда шкала отношений превращается в порядковую при сборе данных

Частая практическая ошибка проектирования анкеты — задать вопрос, который по своей природе относится к шкале отношений, в виде диапазонов, теряя информацию без необходимости. Доход, возраст, стаж работы можно спрашивать точным числом, и тогда сохраняется вся мощь статистики шкалы отношений; но как только вопрос заменяется списком диапазонов ради удобства заполнения, данные откатываются к порядковому уровню, и часть методов анализа — среднее, стандартное отклонение, корреляция Пирсона — становится уже недоступна без дополнительных допущений.

Причина, по которой составители анкет всё равно выбирают диапазоны, понятна: точный вопрос о доходе воспринимается респондентом как более личный и может снижать процент ответивших. Здесь стоит явно взвесить компромисс — точность анализа против отклика на вопрос — и, если тема достаточно чувствительная, сознательно принять потерю уровня измерения в обмен на более высокую заполняемость, а не терять её случайно, не задумываясь об этом на этапе проектирования.

Компромиссный приём, который снимает часть этого противоречия, — собирать точное число, но представлять его респонденту в интерфейсе более мягко: ползунок или числовое поле с шагом психологически ощущается проще, чем открытое поле «впишите точную сумму», но на выходе всё равно даёт шкалу отношений, а не порядковую категорию. Такой выбор формата ввода стоит на этапе проектирования анкеты явно проговаривать вместе с решением о том, спрашивать точное число или диапазон, а не оставлять на волю случая.

Логарифмическая скошенность внутри шкалы отношений

Отдельный частный случай шкалы отношений, который иногда сбивает с толку, — переменные, естественно распределённые логарифмически: доход, время реакции, число посещений сайта за месяц. Сама переменная остаётся полноценной шкалой отношений с истинным нулём, но её распределение по выборке сильно скошено вправо: большинство значений сосредоточено у нижней границы, а немногочисленные крупные значения растягивают правый хвост.

Для такой переменной среднее арифметическое остаётся законным формально, но плохо описывает типичное значение содержательно: средний доход по выборке, куда попал один респондент с доходом в десять раз выше остальных, сдвинется заметно сильнее, чем медиана той же выборки. Практический приём — логарифмировать переменную перед расчётом среднего и стандартного отклонения, если распределение выборки сильно скошено, а затем при интерпретации возвращаться к исходным единицам. Уровень измерения при этом не меняется — это по-прежнему шкала отношений, — но математическая операция логарифмирования делает статистику устойчивее к выбросам.

Похожая скошенность характерна и для времени: длительность прохождения опроса в секундах — классическая шкала отношений, но подавляющее большинство респондентов укладывается в привычный диапазон, а единичные случаи, когда форма осталась открытой в фоновой вкладке на несколько часов, искажают среднее время прохождения на порядок. Обычная практика — отсекать или логарифмировать такие выбросы перед расчётом среднего, а не исключать их из выборки полностью, если нет оснований считать сам ответ недостоверным.

Составные индексы: когда сумма шкал отношений остаётся шкалой отношений

Опросы нередко строят составной показатель из нескольких числовых вопросов — например, общее число обращений в поддержку за квартал как сумма обращений по разным каналам. Если каждое слагаемое — полноценная шкала отношений с истинным нулём, сумма или среднее слагаемых тоже остаётся шкалой отношений: ноль общего числа обращений по-прежнему означает буквальное отсутствие обращений по всем каналам сразу.

Это не работает автоматически для составных индексов из порядковых шкал: сумма нескольких пятибалльных оценок удовлетворённости не приобретает истинный ноль просто потому, что сложили несколько чисел — минимальное значение такой суммы (например, пять баллов при пяти вопросах по шкале от одного до пяти) не означает полного отсутствия удовлетворённости, оно означает минимально возможную по шкале оценку. Разница между составным индексом из шкал отношений и составным индексом из порядковых шкал — частая причина того, что один и тот же по форме расчёт для одного набора вопросов методологически корректен, а для другого — нет.

Типичные ошибки

• Говорить «вдвое больше» про интервальную шкалу, где ноль условен, а не истинный.
• Задавать вопрос о доходе или возрасте диапазонами по умолчанию, теряя уровень измерения без необходимости.
• Считать суммарный балл психометрической методики шкалой отношений без проверки, есть ли у неё истинный ноль.
• Не различать интервальную шкалу и шкалу отношений при выборе формулировок вывода в отчёте.

Практический чек-лист

1. Определите, есть ли у нуля вашей переменной буквальный физический смысл отсутствия признака.
2. Если да — перед вами шкала отношений, законны все статистические операции без исключений.
3. Если ноль условен или отсутствует — интервальная шкала: среднее и корреляция Пирсона законны, а кратность («вдвое») — нет.
4. При проектировании вопроса выбирайте точное число вместо диапазона, если чувствительность темы это позволяет.
5. В отчёте избегайте формулировок с кратностью для интервальных данных — замените их разницей в абсолютных единицах.

С чего начать

Возьмите числовой вопрос анкеты — доход, возраст, число покупок — и проверьте, действительно ли ноль на этой шкале означает полное отсутствие признака. Если да, перед вами шкала отношений и весь набор параметрической статистики доступен без оговорок. В сервисе «До Сути» числовые вопросы собираются точным полем ввода, а не только диапазоном, и выбор формулировки — точное число или категория — остаётся решением того, кто проектирует анкету, с учётом баланса между точностью анализа и заполняемостью.