Lo raro es que mucha gente en marketing, educación o incluso medicina aplica estadísticas sin verificar qué tipo de escala están usando. Eso lo cambia todo. Porque no puedes promediar opiniones categorizadas como "sí" y "no" como si fueran temperaturas. Ni puedes decir que alguien con un CI de 120 es "el doble de inteligente" que uno de 60 —la escala no lo permite. Y es exactamente ahí donde muchos estudios, reportes y dashboards empiezan a descarrilar. Yo he visto equipos celebrar un "aumento del 50% en satisfacción" basado en datos ordinales. ¿Resultado? Celebraciones vacías. Decisiones equivocadas. Tiempo perdido.
¿Qué significa realmente "nivel de medición" en la práctica diaria?
Estamos lejos de eso de decir "es solo teoría". El tema es que cada nivel de medición impone reglas sobre qué operaciones puedes hacer. Puedes contar cuántos votaron por el partido X (nominal). Puedes ordenar a los empleados por rendimiento (bajo, medio, alto). Pero si tratas de sumar esos niveles o calcular una media, estás introduciendo ficción matemática. Y en ciencia, en gestión, en política, eso se paga caro. Sobre todo porque muchas herramientas actuales —como Excel o Google Sheets— no te advierten. Simplemente calculan. Te dan un promedio de respuestas tipo Likert (1 a 5) como si fuera dinero o metros. Y todo parece correcto. Hasta que alguien con criterio pregunta: ¿esto tiene sentido?
Stephen Stevens, el psicólogo que propuso esta clasificación en 1946, no buscaba crear una doctrina rígida. Quería claridad. Quería que los investigadores no confundieran categorías con magnitudes. Y aunque hoy se discute si esta jerarquía es demasiado estricta —sobre todo en ciencias sociales—, el marco sigue siendo útil. No porque sea perfecto, sino porque obliga a pensar antes de operar. Honestamente, no está claro que exista un sistema mejor para evitar malas interpretaciones en datos cualitativos. Pero sí está claro que ignorarlo es un riesgo innecesario.
El nivel nominal: cuando los nombres no son números
Imagina que codificas el color de ojos: 1 = azul, 2 = castaño, 3 = verde. Parece numérico. Pero esos números no implican orden ni magnitud. Podrías usar A, B, C, y sería igual. Aquí solo se permite contar frecuencias. ¿Cuántos tienen ojos verdes? Bien. ¿Cuál es el promedio de color de ojos? Eso no existe. Es como preguntar cuál es el "promedio" de los nombres propios. El problema persiste cuando se usan códigos numéricos: la gente ve dígitos y asume que pueden operarse. Y no. En el nivel nominal, solo puedes clasificar y contar. Punto. No hay jerarquía. No hay distancias. Aquí los valores son etiquetas disfrazadas de números. Y si no lo entiendes, estás jugando con fuego estadístico.
Cuándo y por qué usar el nivel ordinal
Eres cliente de un hotel. Dejas una calificación: 1 estrella (malo), 2 (regular), 3 (bueno), 4 (muy bueno), 5 (excelente). Sabes que 5 es mejor que 1. Pero ¿es 5 el doble de 1? ¿La diferencia entre 1 y 2 es la misma que entre 4 y 5? No lo sabes. Porque el nivel ordinal solo dice "más que", no "cuánto más". Muchas escalas Likert —tan populares en encuestas— caen aquí. Y sin embargo, se les calcula promedios como si cada paso fuera idéntico. Eso es problemático. Porque si para alguien "muy de acuerdo" es un abismo desde "de acuerdo", y para otro es un paso pequeño, el promedio pierde validez. El orden existe, pero las distancias son desconocidas. Dicho esto, en la práctica muchas organizaciones aceptan promediar estos datos porque necesitan un resumen. Pero debes saber que estás haciendo una asunción no verificable. Y eso, en términos técnicos, es arriesgado.
Intervalo vs razón: la frontera del cero absoluto
La diferencia entre estos dos niveles parece sutil. Pero es profunda. Ambos permiten sumar, restar, promediar. Pero solo el nivel de razón permite multiplicar y dividir —porque tiene un cero absoluto. La temperatura en grados Celsius es un ejemplo clásico de escala de intervalo. 0°C no significa "ausencia de calor". Es solo un punto arbitrario (congelación del agua). Por eso, no puedes decir que 40°C es el doble de caliente que 20°C. Pero en grados Kelvin, sí puedes. Porque 0K es la ausencia total de energía térmica. Ahí el cero es real. Esa es la clave. En el nivel de razón, el cero significa nada. Peso, altura, ingresos, tiempo: todos tienen cero absoluto. Puedes pesar 0 kg. Puedes tener 0 dólares. Y porque el cero es verdadero, puedes comparar proporciones. Algo de 100 metros es el doble de largo que uno de 50. No hay debate. En cambio, con IQ, que es escala de intervalo, no puedes decir que 140 es el doble de inteligente que 70 —porque el cero no es absoluto. Es como resultado: aquí es donde muchos malinterpretan datos científicos.
El cero que todo lo decide
Pensemos en ingresos. Juan gana 2.000 euros al mes. María gana 4.000. Podemos decir que María gana el doble. Porque 0 euros significa sin ingresos. Es un cero absoluto. Ahora, ¿qué tal con la escala de dureza del Mohs, que mide la resistencia de minerales? El talco es 1, el diamante es 10. Pero el diamante no es 10 veces más duro que el talco. De hecho, es miles de veces más resistente. La escala es ordinal con intervalos desiguales. Y aun así, mucha gente asume que es lineal. El error es común. Y se extiende a áreas como evaluación educativa, donde se asignan números a desempeños sin validar la escala. El riesgo: falsas precisiones. Resultados que parecen exactos, pero que son pura ilusión cuantitativa.
Dónde falla la clasificación y qué hacer al respecto
Algunos expertos critican que esta jerarquía sea demasiado rígida. En ciencias del comportamiento, por ejemplo, se argumenta que una escala Likert de 7 puntos —si está bien diseñada— puede aproximar una escala de intervalo. Los datos aún escasean para probarlo concluyentemente. Pero en la práctica, muchos investigadores lo tratan como tal. Porque si no, queda muy poco por analizar. Lo que explica que muchos artículos académicos promedien respuestas de encuestas. Y aunque es técnicamente cuestionable, es funcional en ciertos contextos. Pero hay que ser honestos: estás asumiendo igualdad de intervalos sin verificarla. Es un atajo. No un rigor. Y como todo atajo, a veces te lleva al precipicio.
Además, el mundo real no siempre encaja en cajas tan limpias. Una calificación escolar (A, B, C) parece ordinal. Pero si la conviertes a puntos (4, 3, 2), ¿de repente se vuelve de intervalo? No. Los puntos no cambian la naturaleza de la escala. Estás añadiendo apariencia de precisión, no precisión real. Es un poco como ponerle un velocímetro digital a un carro con motor de vapor. Todo se ve moderno, pero el motor sigue siendo el mismo. El problema no es usar transformaciones. Es creer que transforman la esencia.
¿Cómo elegir el nivel correcto para tu análisis?
Depende del propósito. Si solo necesitas etiquetar, nominal basta. Si quieres priorizar, usa ordinal. Si necesitas comparar diferencias, busca intervalo. Y si requieres proporciones (el doble, la mitad), necesitas razón. En educación, por ejemplo, clasificar estudiantes por carrera es nominal. Rendir en exámenes tipo A/B/C es ordinal. Calificaciones numéricas (0 a 100) podrían ser intervalo —si asumes que cada punto vale igual—. Pero si usas tiempo de respuesta en segundos, estás en razón: 0 segundos es nada, 10 segundos es el doble que 5. La elección del nivel afecta qué estadísticas puedes usar. Moda (todas las escalas), mediana (ordinal hacia arriba), media (intervalo y razón), desviación estándar (intervalo y razón). Saltarte esta lógica es como usar un cuchillo para clavar un clavo: funciona mal, y daña ambas cosas.
Preguntas Frecuentes
¿Se puede convertir una escala nominal a ordinal? No directamente. A menos que haya un criterio de orden natural (como niveles educativos: primaria, secundaria, universidad), no puedes imponer jerarquía. Forzar un orden donde no existe introduce sesgo. Y no, el hecho de que uses números no crea jerarquía.
¿Por qué la escala de Likert no es de intervalo?
Porque no hay garantía de que la distancia psicológica entre “de acuerdo” y “muy de acuerdo” sea igual que entre “neutral” y “de acuerdo”. Son juicios subjetivos. Y aunque muchos la tratan como intervalo por conveniencia, es una asunción no probada. Hay estudios que sugieren que con 5 o más opciones, se aproxima. Pero no es ley.
¿El nivel de medición limita las herramientas estadísticas?
Sí. Profundamente. Con nominal, solo frecuencias y moda. Con ordinal, puedes usar medianas y percentiles. Intervalo y razón permiten media, desviación, correlaciones paramétricas. Usar pruebas avanzadas en datos que no lo soportan genera resultados no confiables. Es como calcular la velocidad promedio de un grupo de personas que dijeron “lento”, “medio”, “rápido”. ¿Qué significa eso, en metros por segundo?
Veredicto
Los 4 niveles de medición no son un invento académico aburrido. Son el andamio que sostiene cualquier análisis serio. Encuentro esto sobrevalorado solo por quienes nunca han visto colapsar un proyecto por errores de escala. Sí, en la práctica se toman licencias. Se promedian ordinales. Se ignoran los ceros. Pero eso no los hace correctos. Mi recomendación: conoce la regla antes de romperla. Porque cuando justificas una decisión con datos, no basta con que "suene bien". Tiene que ser sólido. Y eso lo cambia todo.