Słownik metodologiczny · Pomiar i skale

Skala nominalna – co to jest, jak kodować kategorie i jakie statystyki liczyć?

Skala nominalna rozróżnia kategorie bez naturalnej kolejności – kierunek studiów, formę terapii czy warunek eksperymentalny. Wyjaśniamy, dlaczego kody liczbowe są tylko etykietami, jakie statystyki są dozwolone i jak zbadać związek dwóch zmiennych nominalnych – z przykładem w R i opisem APA.

Strona główna / Słownik / Skala nominalna
W skrócie: Skala nominalna przypisuje osoby do rozłącznych kategorii, które nie mają naturalnej kolejności, np. kierunek studiów czy forma terapii. Liczby nadane kategoriom są tylko etykietami, dlatego ich średnia nic nie znaczy. Opisuj liczebności, odsetki i dominantę, a związek dwóch zmiennych nominalnych badaj testem χ² uzupełnionym o V Craméra.

Co to jest skala nominalna?

Skala nominalna (ang. nominal scale, nazywana też skalą nazw) to najniższy poziom pomiaru. Przypisuje osoby lub obiekty do kategorii, które różnią się rodzajem, a nie ilością ani kolejnością. Jedyne, co można o dwóch osobach powiedzieć, to czy należą do tej samej kategorii, czy do różnych. Zmienną mierzoną w ten sposób nazywa się zmienną nominalną, jakościową albo kategorialną nieuporządkowaną.

Podział na poziomy pomiaru pochodzi od Stevensa (1946), który wyróżnił skale nominalną, porządkową, interwałową i ilorazową. Na skali nominalnej liczby służą wyłącznie jako etykiety – równie dobrze można by użyć liter albo słów. Stevens sformułował dla niej jedną regułę: nie nadawaj tej samej liczby różnym kategoriom ani różnych liczb tej samej kategorii. Wyższe poziomy dokładają kolejność (skala porządkowa) oraz równe jednostki i zero (skala ilościowa, czyli interwałowa i ilorazowa). Zmienna nominalna z dwiema kategoriami to szczególny przypadek – skala dychotomiczna.

Przykłady zmiennych nominalnych w badaniach psychologicznych
ZmiennaPrzykładowe kategorieNa co uważać
Kierunek studiówpsychologia, pedagogika, informatykaPrzy wielu kierunkach dodaj kategorię „inny”
Warunek eksperymentalnytrening uważności, relaksacja, lista oczekującychKategorie tworzy badacz – to zmienna niezależna
Forma terapiipoznawczo-behawioralna, psychodynamiczna, systemowaNie mieszaj z formą kontaktu (online czy w gabinecie) – to inny wymiar
Rozpoznaniezaburzenia lękowe, depresyjne, odżywianiaGdy rozpoznania współwystępują, każde koduj jako osobną zmienną 0/1
Stan cywilnykawaler/panna, w związku małżeńskim, rozwiedziony/a, wdowiec/wdowaSprawdź, czy kategorie obejmują wszystkich badanych

Jak tworzyć kategorie?

Jakość pomiaru nominalnego zależy od listy kategorii. Zanim wpiszesz ją do kwestionariusza albo metryczki, sprawdź cztery warunki:

  • rozłączność – każda osoba pasuje do dokładnie jednej kategorii;
  • wyczerpywalność – kategorie obejmują wszystkich; gdy nie masz pewności, dodaj „inne (jakie?)” albo „nie dotyczy”;
  • jedna zasada podziału – lista „terapia online, terapia poznawczo-behawioralna, grupa wsparcia” miesza formę kontaktu z nurtem terapii;
  • jedna odpowiedź na zmienną – jeśli pytanie dopuszcza kilka odpowiedzi, każda opcja staje się osobną zmienną tak/nie (zob. kafeteria odpowiedzi).

Kategorie często powstają też z kodowania odpowiedzi na pytania otwarte. Wtedy dwie osoby powinny niezależnie zakodować przynajmniej część materiału, a ich zgodność warto ocenić współczynnikiem kappa – klasyczną miarą zgodności dla skal nominalnych (Cohen, 1960; zob. kappa Cohena).

Uwaga na kategorie, które mają kolejność. „Wieś, małe miasto, duże miasto” jest zmienną nominalną, gdy interesuje cię typ miejscowości, ale porządkową, gdy pytasz o jej wielkość. O poziomie pomiaru decyduje więc także pytanie badawcze.

Kodowanie: liczby to tylko etykiety

W pliku danych kategorie zwykle zapisuje się liczbami: 1 = terapia w gabinecie, 2 = terapia online itd. Ta numeracja jest dowolna i każda inna, która spełnia regułę Stevensa, przenosi tę samą informację. Dlatego średnia, mediana i odchylenie standardowe kodów nie mają sensu – średniej arytmetycznej nie da się obliczyć dla danych nominalnych (Manikandan, 2011). W przykładzie poniżej „średnia forma pomocy” wynosi 2.10 przy jednej numeracji i 2.31 przy innej, choć dane się nie zmieniły. Dominanta i odsetki zostają takie same.

W praktyce:

  • w R zapisz zmienną jako czynnik (factor()) z etykietami kategorii;
  • w SPSS ustaw w Widoku zmiennych (kolumna Measure) poziom Nominal i nadaj etykiety wartości;
  • w modelach regresji zamień zmienną na k − 1 zmiennych zero-jedynkowych z kategorią odniesienia (dummy coding);
  • zmiany kodów i łączenie kategorii wykonuj skryptem i opisz w księdze kodów (zob. rekodowanie i poradnik dane z Google Forms i LimeSurvey do SPSS i R).

Jakie statystyki są dozwolone?

Stevens (1946) wymienił dla skali nominalnej trzy rodzaje statystyk: liczbę przypadków, dominantę i miary związku oparte na tabeli kontyngencji. Współcześnie odpowiada im zestaw:

Statystyki i analizy dla zmiennych nominalnych
CelCo policzyć
Opis jednej zmiennejLiczebności, odsetki, dominanta
WykresWykres słupkowy – kolejność słupków jest dowolna, najczytelniej malejąco
Porównanie rozkładu z oczekiwanymTest chi-kwadrat zgodności
Związek dwóch zmiennych nominalnychTabela krzyżowa, test χ² niezależności, V Craméra (φ dla tabeli 2 × 2)
Zgodność dwóch oceniającychKappa Cohena
Zmienna nominalna jako predyktorANOVA albo regresja ze zmiennymi zero-jedynkowymi
Zmienna nominalna jako zmienna zależnaRegresja logistyczna (wielomianowa przy więcej niż dwóch kategoriach)

Test χ² mówi tylko, czy związek jest istotny statystycznie, dlatego należy go uzupełnić miarą siły związku, najczęściej V Craméra (McHugh, 2013). φ i iloraz szans stosuje się do tabel 2 × 2, a przy większych tabelach – V Craméra; test wymaga przy tym, by najwyżej 20% komórek miało liczebność oczekiwaną poniżej 5 i żadna nie spadała poniżej 1 (Kim, 2017).

Przykład: preferowana forma pomocy psychologicznej

Trzystu studentów (120 z psychologii, po 90 z pedagogiki i informatyki; dane symulowane) wskazało, z jakiej formy pomocy skorzystaliby w kryzysie: terapii w gabinecie, terapii online, grupy wsparcia albo aplikacji lub samopomocy. Rysunek 1 pokazuje rozkład odpowiedzi.

Wykres słupkowy preferowanej formy pomocy: terapia w gabinecie 116 osób (38.7%), terapia online 93 (31.0%), aplikacja lub samopomoc 56 (18.7%), grupa wsparcia 35 (11.7%); obok odsetki w trzech kierunkach studiów – terapię w gabinecie wybrało 49% studentów psychologii i 26% studentów informatyki, aplikację 9% i 32%
Rysunek 1. Rozkład zmiennej nominalnej. A: liczebności i odsetki w całej próbie, słupki ułożone malejąco; czerwony słupek to dominanta. B: odsetki w każdym kierunku studiów (procenty w wierszach tabeli krzyżowej). Obliczenia: R (dane symulowane).

Dominantą jest terapia w gabinecie (n = 116; 38.7%), dalej terapia online (n = 93; 31.0%), aplikacja lub samopomoc (n = 56; 18.7%) i grupa wsparcia (n = 35; 11.7%).

Czy preferencje zależą od kierunku studiów? Test niezależności dał χ²(6, N = 300) = 27.38, p < .001, a najmniejsza liczebność oczekiwana wyniosła 10.5, więc warunek liczebności jest spełniony. Siła związku: V = .21, 95% CI [.11, .28]. Reszty standaryzowane pokazują, skąd bierze się wynik: studenci psychologii częściej, niż wynikałoby z niezależności, wybierali terapię w gabinecie (+3.05) i rzadziej aplikację (−3.45), a studenci informatyki odwrotnie (−3.05 i +3.94).

Jak opisać wynik w pracy (APA)

Przy zmiennej nominalnej podaj liczebności i odsetki wszystkich kategorii, a przy teście χ² – stopnie swobody, N, wartość p i miarę siły związku. Wzór dla danych z przykładu:

Najczęściej wybieraną formą pomocy była terapia w gabinecie (n = 116; 38.7%), a następnie terapia online (n = 93; 31.0%), aplikacja lub samopomoc (n = 56; 18.7%) i grupa wsparcia (n = 35; 11.7%). Preferowana forma pomocy wiązała się z kierunkiem studiów, χ²(6, N = 300) = 27.38, p < .001, V = .21, 95% CI [.11, .28]. Analiza reszt standaryzowanych wskazała, że studenci psychologii częściej niż oczekiwano wybierali terapię w gabinecie, a studenci informatyki – aplikację lub samopomoc.

Rozkład zmiennych nominalnych z metryczki zwykle zbiera się w tabeli charakterystyki próby – zob. jak opisać charakterystykę próby.

Przykład reprodukowalny

Przykład w R

Kod tworzy dane z przykładu, opisuje zmienną nominalną, pokazuje, że „średnia kodów” zależy od dowolnej numeracji, i bada związek z kierunkiem studiów. Liczby w tekście i na rysunku 1 pochodzą z tego kodu.

Częstości, dominanta, test χ² i V Craméra

Dane wejściowe: preferowana forma pomocy i kierunek studiów 300 osób (dane symulowane, set.seed(91)).

Co odczytać: liczebności i odsetki, dominantę, dwie różne „średnie kodów”, statystykę χ², najmniejszą liczebność oczekiwaną, reszty standaryzowane oraz V z 95% CI.

R
set.seed(91)
formy <- c("Terapia w gabinecie", "Terapia online", "Grupa wsparcia", "Aplikacja lub samopomoc")
kierunki <- c("Psychologia", "Pedagogika", "Informatyka")
n_k <- c(120, 90, 90)                                      # liczebności kierunków
p_k <- list(c(.42, .26, .18, .14), c(.40, .24, .22, .14), c(.24, .34, .08, .34))
dane <- do.call(rbind, lapply(1:3, function(k)
  data.frame(kierunek = kierunki[k], forma = sample(formy, n_k[k], replace = TRUE, prob = p_k[[k]]))))
dane$kierunek <- factor(dane$kierunek, levels = kierunki)  # factor = zmienna nominalna
dane$forma <- factor(dane$forma, levels = formy)
# 1. Liczebności, odsetki i dominanta
tab <- table(dane$forma)
cbind(n = tab, proc = round(100 * prop.table(tab), 1))
names(tab)[which.max(tab)]
# 2. Kody to tylko etykiety: dwa równie dobre kodowania, dwie różne „średnie”
kod_a <- as.integer(dane$forma)                            # 1, 2, 3, 4 w kolejności z kwestionariusza
kod_b <- c(3, 1, 4, 2)[kod_a]                              # inna, równie dowolna numeracja
round(c(srednia_A = mean(kod_a), srednia_B = mean(kod_b)), 2)
# 3. Kierunek studiów a forma pomocy: test chi-kwadrat i V Craméra
tk <- table(dane$kierunek, dane$forma)
chi <- chisq.test(tk)
chi
round(min(chi$expected), 1)                                # najmniejsza liczebność oczekiwana
round(chi$stdres, 2)                                       # reszty standaryzowane: skąd bierze się związek
round(DescTools::CramerV(tk, conf.level = 0.95), 2)
Wynik w R
                          n proc
Terapia w gabinecie     116 38.7
Terapia online           93 31.0
Grupa wsparcia           35 11.7
Aplikacja lub samopomoc  56 18.7
[1] "Terapia w gabinecie"
srednia_A srednia_B 
     2.10      2.31 

	Pearson's Chi-squared test

data:  tk
X-squared = 27.381, df = 6, p-value = 0.0001229

[1] 10.5
             
              Terapia w gabinecie Terapia online Grupa wsparcia
  Psychologia                3.05           0.20          -0.73
  Pedagogika                -0.21          -1.06           2.16
  Informatyka               -3.05           0.84          -1.37
             
              Aplikacja lub samopomoc
  Psychologia                   -3.45
  Pedagogika                    -0.26
  Informatyka                    3.94
Cramer V   lwr.ci   upr.ci 
    0.21     0.11     0.28 

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3; V Craméra z przedziałem ufności policzono w pakiecie DescTools, a rysunek przygotowano w pakietach ggplot2 i patchwork. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. DescTools (wersja 0.99.60): Signorell, A. (2025). DescTools: Tools for descriptive statistics [R package]. https://doi.org/10.32614/CRAN.package.DescTools
  3. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  4. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork

Najczęstsze błędy

  • Średnia lub mediana kodów – „średnia forma pomocy = 2.10” nic nie znaczy; po zmianie numeracji wynosi 2.31.
  • Kody kategorii wpisane do regresji jak liczby – model zakłada wtedy, że „aplikacja” (4) leży trzy razy dalej od „gabinetu” (1) niż „terapia online” (2). Użyj zmiennych zero-jedynkowych.
  • Korelacja Pearsona lub Spearmana z kodami – ich wartość zależy od arbitralnej numeracji. Do związku dwóch zmiennych nominalnych służą χ² i V.
  • Kategorie nierozłączne lub niepełne – brak opcji „inne” albo dwie zasady podziału w jednym pytaniu.
  • Test χ² przy zbyt małych liczebnościach oczekiwanych albo łączenie kategorii dopiero po obejrzeniu wyników, bez zapowiedzianej reguły.
  • Same odsetki bez liczebności – „60% badanych” przy N = 15 i przy N = 1500 to zupełnie inna informacja.

Najczęstsze pytania

Co to jest skala nominalna?

To najniższy poziom pomiaru, na którym kategorie różnią się rodzajem, a nie ilością ani kolejnością – np. kierunek studiów, forma terapii czy warunek eksperymentalny. Liczby nadane kategoriom w pliku danych są tylko etykietami i można je dowolnie zamienić. Kategorie muszą być rozłączne i obejmować wszystkich badanych.

Czy na skali nominalnej można policzyć średnią?

Nie. Średnia kodów zależy od tego, jak ponumerowano kategorie: w przykładzie na tej stronie „średnia forma pomocy” wynosi 2.10 przy jednej numeracji i 2.31 przy innej, choć dane się nie zmieniły. Zmienną nominalną opisuj liczebnościami, odsetkami i dominantą.

Jaki test statystyczny dla zmiennych nominalnych?

Związek dwóch zmiennych nominalnych sprawdzisz testem chi-kwadrat niezależności i opiszesz współczynnikiem V Craméra (dla tabeli 2 × 2 – φ). Gdy zmienna nominalna jest predyktorem, a zmienna zależna jest ilościowa, użyj ANOVA; gdy zmienna nominalna jest zmienną zależną – regresji logistycznej.

Czym różni się skala nominalna od porządkowej?

Na skali nominalnej kategorie tylko się rozróżnia, a na skali porządkowej można je także uporządkować od mniejszego do większego nasilenia, np. wykształcenie albo odpowiedź „rzadko – często”. O wyborze czasem decyduje pytanie badawcze: typ miejscowości jest nominalny, ale jej wielkość – porządkowa.

Jak zakodować zmienną nominalną w SPSS i w R?

W SPSS nadaj kategoriom liczby, w Widoku zmiennych ustaw w kolumnie Measure poziom Nominal i dodaj etykiety wartości. W R zapisz zmienną jako czynnik: factor(x, levels = …, labels = …). W regresji zamień ją na k − 1 zmiennych zero-jedynkowych z kategorią odniesienia (dummy coding).

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20(1), 37–46. https://doi.org/10.1177/001316446002000104
  2. Kim, H.-Y. (2017). Statistical notes for clinical researchers: Chi-squared test and Fisher's exact test. Restorative Dentistry & Endodontics, 42(2), 152–155. https://doi.org/10.5395/rde.2017.42.2.152 ● Otwarty dostęp
  3. Manikandan, S. (2011). Measures of central tendency: The mean. Journal of Pharmacology and Pharmacotherapeutics, 2(2), 140–142. https://doi.org/10.4103/0976-500X.81920 ● Otwarty dostęp: pełny tekst
  4. McHugh, M. L. (2013). The chi-square test of independence. Biochemia Medica, 23(2), 143–149. https://doi.org/10.11613/BM.2013.018 ● Otwarty dostęp
  5. Stevens, S. S. (1946). On the theory of scales of measurement. Science, 103(2684), 677–680. https://doi.org/10.1126/science.103.2684.677

Cytowania BibTeX

@article{cohen1960coefficient, author={Cohen, Jacob}, title={{A coefficient of agreement for nominal scales}}, journal={Educational and Psychological Measurement}, year={1960}, volume={20}, number={1}, pages={37--46}, doi={10.1177/001316446002000104}}
@article{kim2017chi, author={Kim, Hae-Young}, title={{Statistical notes for clinical researchers: Chi-squared test and Fisher's exact test}}, journal={Restorative Dentistry \& Endodontics}, year={2017}, volume={42}, number={2}, pages={152--155}, doi={10.5395/rde.2017.42.2.152}}
@article{manikandan2011mean, author={Manikandan, S.}, title={{Measures of central tendency: The mean}}, journal={Journal of Pharmacology and Pharmacotherapeutics}, year={2011}, volume={2}, number={2}, pages={140--142}, doi={10.4103/0976-500x.81920}}
@article{mchugh2013chi, author={McHugh, Mary L.}, title={{The chi-square test of independence}}, journal={Biochemia Medica}, year={2013}, volume={23}, number={2}, pages={143--149}, doi={10.11613/bm.2013.018}}
@article{stevens1946theory, author={Stevens, S. S.}, title={{On the theory of scales of measurement}}, journal={Science}, year={1946}, volume={103}, number={2684}, pages={677--680}, doi={10.1126/science.103.2684.677}}
R