Метрики · 12 сентября 2026 г.

Уровни измерения в опросах: какую шкалу выбрать и как анализировать данные

Уровень измерения — это то, насколько математически осмысленны значения вопроса опроса: можно ли их только различать, ранжировать, вычитать друг из друга или ещё и делить. Классификация Стивенса выделяет четыре уровня: номинальная шкала (категории без порядка — выбранный канал связи), порядковая (категории с порядком, но без равных интервалов — оценка удовлетворённости от 1 до 5), интервальная (равные интервалы без истинного нуля — суммарный балл психометрической методики) и шкала отношений (равные интервалы и истинный ноль — возраст, доход, число покупок). От уровня зависит, какие операции над ответами законны: считать ли среднее, применять ли t-критерий или нужен непараметрический аналог. Ниже — как определить уровень своего вопроса.

Зачем вообще думать об уровне измерения

Уровень измерения решает не абстрактный теоретический вопрос, а вполне практический: можно ли для ответов на этот вопрос вообще посчитать среднее значение, или среднее здесь ничего не значит. Классификацию разработал психолог Стэнли Стивенс в 1946 году, и с тех пор она остаётся стандартом в методологии опросов и статистике, потому что отвечает на конкретный вопрос перед расчётом: какие математические операции над числами, которые респондент выбрал в анкете, законны, а какие создают иллюзию точности там, где её нет. На практике это выглядит буднично: вопрос о поле респондента и вопрос об оценке удовлетворённости от 1 до 5 оба хранятся как числа в одной базе данных, но законность вычисления среднего для них принципиально разная.

Ошибка в эту сторону совершается тихо: вопрос выглядит как число — оценка от 1 до 5, ранг важности из списка, — и с этим числом начинают обращаться так же, как с суммой чека в рублях: складывают, делят, сравнивают средние между группами. На части шкал это законно, на части — нет, и разница почти никогда не видна на глаз, только через понимание того, что именно измеряет конкретная шкала. Итог такой ошибки обычно выглядит благополучно — цифра «средняя удовлетворённость 3,7» попадает в презентацию и кочует из квартала в квартал, — но при попытке содержательно объяснить, что стоит за этим числом, оказывается, что 3,7 не соответствует ни одному реальному ответу и трактуется каждым читателем отчёта по-своему.

Номинальная шкала — категории без порядка

Номинальная шкала — самый простой уровень: значения — это категории без какого-либо порядка между собой. Пол, регион, выбранный канал связи, ответ на вопрос «какой тариф вы используете» — во всех этих случаях порядок вариантов в списке произволен и ничего не означает: переставить местами пункты «чат», «почта», «телефон» можно как угодно, смысл вопроса от этого не изменится. Похожим образом устроены вопросы с множественным выбором без ранжирования: какой мессенджер вы используете, из какого источника узнали о продукте — все варианты равноправны, и единственная осмысленная операция над ними — подсчитать, сколько раз выбран каждый.

Над номинальными данными законны только две операции: подсчёт частоты каждой категории и проверка на совпадение или различие. Можно сказать, что чат выбрали 40% респондентов, а телефон — 25%; можно проверить критерием хи-квадрат, связан ли выбор канала с сегментом клиента. Но посчитать «средний канал связи» физически бессмысленно — категориям не сопоставлено число, которое можно было бы усреднить, даже если в базе данных они закодированы цифрами 1, 2, 3 для удобства хранения. Ошибка происходит именно на этом стыке: столбец закодирован числами для компактности, и при выгрузке в таблицу кто-то по инерции применяет к нему функцию среднего, получая артефактную цифру вроде 1,8.

Порядковая шкала — порядок есть, а расстояния нет

Порядковая шкала добавляет то, чего не было у номинальной, — осмысленный порядок значений: оценка удовлетворённости от «совсем не доволен» до «полностью доволен», ранг важности критериев при выборе поставщика, уровень образования. Здесь уже можно сказать, что один ответ выше или ниже другого, и это не произвол, как в примере с каналами связи. Похожая логика — у вопросов о частоте: «никогда», «редко», «иногда», «часто», «всегда» — порядок однозначен, а точное числовое расстояние между соседними градациями никем строго не измерено.

Чего порядковая шкала не гарантирует — это равенства интервалов между соседними значениями. Разница между «1» и «2» баллами удовлетворённости не обязана по ощущениям респондента равняться разнице между «4» и «5»: переход от «ужасно» к «плохо» психологически может ощущаться иначе, чем переход от «хорошо» к «отлично». Именно поэтому строгая методология не разрешает без оговорок считать среднее по порядковым данным. Это не значит, что такими данными нельзя пользоваться содержательно — можно и нужно, просто набор законных операций у них уже: медиана, доли по категориям, ранговая корреляция, но не прямое среднее без оговорок.

Интервальная шкала — равные промежутки, но нет истинного нуля

Интервальная шкала устраняет главный недостаток порядковой: расстояния между соседними значениями здесь равны и содержательны. Классический пример вне опросов — температура по Цельсию: разница между 10 и 20 градусами точно такая же, как между 20 и 30. У интервальной шкалы, однако, нет истинного нуля — нулевая точка выбрана условно, а не означает полное отсутствие измеряемого свойства: 0°C не значит «нет температуры». Другой пример вне температуры — календарный год: разница между 2020 и 2021 такая же по величине, как между 2021 и 2022, но год «0» не означает отсутствия времени, это условная точка отсчёта конкретного календаря.

В опросах интервальные шкалы в чистом виде редки: ближе всего к ним стоят многопунктные суммарные индексы вроде психометрических опросников, где итоговый балл строится по методике, доказавшей равенство интервалов калибровкой на больших выборках. Обычная пятибалльная оценка удовлетворённости к этому уровню строго не относится — это методологический спор, разобранный отдельно ниже. Из-за этой редкости в учебниках интервальную шкалу нередко пропускают как промежуточный случай и сосредотачиваются на паре порядковая/отношений, которая покрывает подавляющее большинство реальных вопросов анкеты.

Шкала отношений — есть и промежутки, и нулевая точка

Шкала отношений — самый информативный уровень: у неё есть и равные интервалы, и настоящий, а не условный ноль, который означает полное отсутствие измеряемого свойства. Возраст, доход, число визитов на сайт, время ответа на опрос в секундах, количество повторных покупок — везде ноль означает буквальное отсутствие: ноль покупок значит, что покупок не было вообще, а не какую-то условную точку отсчёта. Похожим образом устроены денежные суммы, длительность в минутах, число открытых заявок в поддержку — везде ноль имеет буквальный физический смысл.

Наличие истинного нуля даёт то, чего нет ни у одной другой шкалы, — осмысленность отношений между значениями: можно сказать, что респондент с доходом 200 тысяч рублей зарабатывает вдвое больше респондента со 100 тысячами. Для интервальной шкалы такое утверждение уже некорректно: нельзя сказать, что 20°C вдвое теплее 10°C, потому что ноль градусов Цельсия не означает отсутствия температуры. Практическое следствие для отчётов: формулировки с кратностью — «вдвое», «втрое», «на 50% больше» — корректны только для шкалы отношений, использовать их для интервальной или порядковой шкалы — распространённая, но методологически неверная привычка.

Сравнение всех четырёх уровней в одной таблице

Собрать все четыре уровня рядом полезно один раз — дальше достаточно держать в голове главный вопрос: что законно делать со значениями этой конкретной шкалы.

Двигаясь по строкам таблицы сверху вниз, каждый следующий уровень не отменяет возможности предыдущего, а добавляет новую: то, что законно для номинальной шкалы, законно и для порядковой, интервальной, отношений — а вот обратное неверно. Среднее арифметическое, законное для интервальной шкалы и шкалы отношений, для строго порядковой шкалы уже спорно, а для номинальной — бессмысленно в принципе, даже если категории закодированы числами в базе данных.

Как уровень измерения определяет выбор статистического теста

От уровня измерения переменной напрямую зависит, какой статистический метод к ней применим. Для номинальных данных доступны частоты, доли и критерий хи-квадрат — и почти ничего сверх этого. Для порядковых добавляются медиана, ранговая корреляция Спирмена и непараметрические критерии вроде Манна-Уитни и Краскела-Уоллиса, которые работают с рангами, а не самими значениями. Для интервальных данных и шкалы отношений становятся законны среднее, стандартное отклонение, t-критерий, дисперсионный анализ и корреляция Пирсона — вся параметрическая статистика, опирающаяся на арифметику над самими значениями. Эта иерархия строгая: метод, законный для нижнего уровня, всегда остаётся законным и для более высокого, но не наоборот, поэтому в спорной ситуации безопаснее занизить уровень измерения переменной, чем завысить его ради более привычного теста.

Практическое следствие: прежде чем выбирать тест, стоит сначала определить уровень измерения переменной, а не наоборот. Частая ошибка — выбрать привычный t-критерий, потому что он проще интерпретируется, и только потом обнаружить, что переменная порядковая и метод был неприменим с самого начала. Обратный порядок — сначала выбрать метод, а затем подгонять под него интерпретацию данных — встречается на практике заметно чаще, чем хотелось бы, и почти всегда объясняется тем, что аналитик знаком с одним инструментом лучше остальных, а не тем, что данные этому инструменту действительно соответствуют.

Спорный случай: шкала Лайкерта — порядковая или интервальная

Самый частый спор в методологии опросов — к какому уровню относить пятибалльную или семибалльную шкалу Лайкерта: «полностью не согласен» — «полностью согласен». Формально это порядковая шкала: категории упорядочены, но равенство интервалов между ними не доказано и зависит от формулировки, языка и контекста. Часть исследователей на практике обращается с суммой нескольких пунктов шкалы Лайкерта как с интервальной величиной — это распространённая практика, но не общепринятый консенсус, и спор об этом идёт не первое десятилетие.

Практичный компромисс, которого придерживается большинство современных руководств: единичный вопрос по шкале Лайкерта анализировать как порядковый — медианой, непараметрическими критериями; а суммарный балл по нескольким пунктам одной психометрической шкалы, если методика такой суммы валидирована, можно анализировать ближе к интервальному уровню, осознавая, что это допущение, а не строгий факт. Разбор вопроса «можно ли считать среднее по шкале Лайкерта» — отдельная тема, стоящая практического внимания сама по себе.

Практический алгоритм: как определить уровень измерения своего вопроса

Определить уровень измерения конкретного вопроса из анкеты можно по короткой последовательности проверок.

1. Есть ли в вариантах ответа осмысленный порядок? Если нет — шкала номинальная, дальше проверять нечего.
2. Если порядок есть, доказано ли равенство интервалов между соседними значениями отдельным исследованием или калибровкой? Если нет — шкала порядковая.
3. Если интервалы равны, есть ли у шкалы истинный ноль, означающий полное отсутствие измеряемого свойства? Если нет — шкала интервальная.
4. Если ноль истинный — перед вами шкала отношений, и для неё законны все статистические операции без исключений.
5. В спорном случае — например, с суммарным баллом психометрической методики — выбирайте более осторожную оценку уровня, а не более удобную для расчётов.
6. Если сомневаетесь между двумя соседними уровнями — посчитайте результат обоими методами и сравните: совпадающий вывод снимает вопрос, расходящийся — повод разбираться отдельно.

Типичные ошибки

• Считать среднее по одиночному порядковому вопросу и подавать его как точную метрику без оговорок.
• Кодировать номинальные категории цифрами 1, 2, 3 и затем случайно применять к ним арифметику.
• Путать интервальную шкалу со шкалой отношений и делать выводы вида «вдвое больше» там, где истинного нуля нет.
• Выбирать статистический тест по привычке, а не по фактическому уровню измерения переменной.
• Считать шкалу Лайкерта интервальной без оговорок, не проверяя, идёт речь об одном пункте или о валидированной сумме.
• Игнорировать уровень измерения при визуализации — например, рисовать линейный график для номинальных категорий, где порядок оси произволен.

С чего начать

Возьмите анкету последнего опроса и пройдите по каждому вопросу тем же алгоритмом: есть ли порядок, равны ли интервалы, есть ли истинный ноль. Для большинства вопросов ответ очевиден за несколько секунд — сложности возникают в основном вокруг многопунктных оценочных шкал вроде удовлетворённости или согласия. В сервисе «До Сути» опрос собирается с любым типом вопросов — от номинального выбора канала до числового поля с количеством покупок, — а определение уровня измерения и выбор статистического метода остаются задачей того, кто анализирует выгруженные ответы.