1. Escalas de Medida
Para realizar un correcto análisis de los datos es fundamental conocer de
antemano el tipo de medida de la variable, ya que para cada una de ellas se utiliza
diferentes estadísticos. La clasificación más convencional de las escalas de
medida las divide en cuatro grupos denominados Nominal, Ordinal, Intervalo y
Razón.
. NOMINAL
Son variables numéricas cuyos valores representan una categoría o identifican un
grupo de pertenencia. Este tipo de variables sólo nos permite establecer
relaciones de igualdad/desigualdad entre los elementos de la variable. La
asignación de los valores se realiza en forma aleatoria por lo que NO cuenta con
un orden lógico. Un ejemplo de este tipo de variables es el Género ya que
nosotros podemos asignarle un valor a los hombres y otro diferente a las mujeres
y por más machistas o feministas que seamos no podríamos establecer que uno
es mayor que el otro.
2. ORDINAL
Son variables numéricas cuyos valores representan una categoría o identifican un
grupo de pertenencia contando con un orden lógico. Este tipo de variables nos
permite establecer relaciones de igualdad/desigualdad y a su vez, podemos
identificar si una categoría es mayor o menor que otra. Un ejemplo de variable
ordinal es el nivel de educación, ya que se puede establecer que una persona con
título de Postgrado tiene un nivel de educación superior al de una persona con
título de bachiller. En las variables ordinales no se puede determinar la distancia
entre sus categorías, ya que no es cuantificable o medible.
3. INTERVALO
Son variables numéricas cuyos valores representan magnitudes y la distancia
entre los números de su escala es igual. Con este tipo de variables podemos
realizar comparaciones de igualdad/desigualdad, establecer un orden dentro de
sus valores y medir la distancia existente entre cada valor de la escala. Las
variables de intervalo carecen de un cero absoluto, por lo que operaciones como
la multiplicación y la división no son realizables. Un ejemplo de este tipo de
variables es la temperatura, ya que podemos decir que la distancia entre 10 y 12
grados es la misma que la existente entre 15 y 17 grados. Lo que no podemos
establecer es que una temperatura de 10 grados equivale a la mitad de una
temperatura de 20 grados.
4. RAZÓN
Las variables de razón poseen las mismas características de las variables de
intervalo, con la diferencia que cuentan con un cero absoluto; es decir, el valor
cero (0) representa la ausencia total de medida, por lo que se puede realizar
cualquier operación Aritmética (Suma, Resta, Multiplicación y División) y Lógica
(Comparación y ordenamiento). Este tipo de variables permiten el nivel más alto

2. de medición. Las variables altura, peso, distancia o el salario, son algunos
ejemplos de este tipo de escala de medida.
Debido a la similitud existente entre las escalas de intervalo y de razón, SPSS las
ha reunido en un nuevo tipo de medida exclusivo del programa, al cual denomina
Escala. Las variables de escala son para SPSS todas aquellas variables cuyos
valores representan magnitudes, ya sea que cuenten con un cero (0) absoluto o
no. Teniendo esto en cuenta discutiremos a continuación los diferentes
procedimientos estadísticos que se pueden utilizar de acuerdo al tipo de medida
de cada variable.
B. Análisis Descriptivo de acuerdo al nivel de Medida
No todos los procedimientos estadísticos son realmente útiles para la totalidad de
los niveles de medida. Cada uno de los tipos de medida posee ciertas
características, las cuales debemos tener en cuenta en el momento de realizar un
análisis descriptivo. En la tabla [5-2], encontrarás algunos de los procedimientos
que resultan ventajosos en los análisis descriptivos de los diferentes niveles de
medida. Es necesario aclarar que esta tabla es sólo una muestra de las medidas
que se pueden emplear; en algunos textos de estadística aparecen tablas más
amplias y detalladas de los procedimientos.
Tabla 5-2
Si nos fijamos en la tabla 5-2, notaremos que los niveles Nominal y Ordinal
cuentan con los mismos procedimientos de análisis, por lo que se agrupan como
variables categóricas. A partir de este punto cuando nos refiramos a las variables
categóricas debemos recordar que se alude a las variables de tipo Nominal y
Ordinal.
Es importante resaltar que para los análisis descriptivos no hay una gran
diferencia entre estos dos tipos de variables, pero si existe diferencia en los
análisis de Inferencia. Antes de conocer como se efectúan estos procedimientos
en SPSS, es necesario exponer las razones por las que ciertos procedimientos no
son de utilidad en algunos de los niveles de medida.
B.1. Variables Categóricas
Para las variables que representan categorías o grupos de pertenencia, los
principales procedimientos estadísticos, que se pueden utilizar en su análisis
descriptivo son las frecuencias (Recuento), el Porcentaje, la Moda, en algunos
casos la mediana y los gráficos más favorables son el de Sectores y el de Barras.
Para comprender mejor la razón de estos procedimientos vamos a realizar el
análisis de la variable Género, la cual cuenta con los valores (1, 1, 1, 1, 1, 1, 1, 1,

3. 2, 2); en donde el valor uno (1) representa al género Femenino y el valor Dos (2) al
género Masculino. Las frecuencias y sus respectivos porcentajes para esta
variable serían los expuestos en la tabla [5-3]. Ahora si hallamos las principales
medidas de tendencia central, obtenemos los resultados expuestos en la tabla [5-
4].
Figura 5-4
Si nos fijamos en los resultados notaremos que la Media toma el valor 1.2, el cual
nos indica que en promedio los encuestados cuenta con un género de (1.2). Este
resultado no posee una interpretación aplicable a la información de la variable, por
lo que esta medida no es de utilidad en el análisis descriptivo.
Si observamos la Mediana notaremos que toma el valor 1, que para el caso
corresponde al género Femenino, pero si en vez de 10 valores tuviéramos
únicamente dos (1 y 2), la mediana sería de (1.5), cuya interpretación no es
aplicable a la información de la variable. La mediana se puede utilizar cuando
estamos trabajando con variables que contienen un elevado número de categorías
y su interpretación se debe manejar como un factor informativo para el
investigador y no como una medida representativa en el reporte.
Por último encontramos la Moda, la cual para el caso asume el valor 1 y nos indica
que la categoría con mayor frecuencia dentro de la variable es la correspondiente
al género Femenino. Las medidas de dispersión y distribución no son aplicables a
este tipo de variables ya que sus ecuaciones nos permiten determinar como se
comportan los datos respecto a un punto central o media. Si hallamos la
desviación estándar para los datos del ejemplo, obtendríamos un valor de
0.42164, que nos indicaría que el promedio del género presenta una variación de
±0.42, cuyo resultado no sería aplicable a la interpretación de la variable.
B.2. Variables de Escala
Este tipo de variables nos permite realizar análisis más profundos de los datos,
aplicando una gran variedad de medidas. Al contrario de las variables categóricas
en este tipo de variables las frecuencias no son de utilidad en los análisis
descriptivos, debido a la gran cantidad de valores que suele tomar. Supongamos
que realizamos un sondeo de edad con una muestra de 500 personas, si
generamos una tabla de frecuencias obtendríamos fácilmente unos 60 o 70 rangos
diferentes haciéndola muy extensa y poco informativa.
Para las variables de escala son más informativas la medidas como la media, la
mediana, la desviación estándar, la asimetría y otras más, a las cuales se les
suele denominar Medidas de Resumen.