|
扫码加入数据分析学习群
如果只使用变量类型，很多时候并不能准确地说明变量的含义和属性，因此还需要进 一步给变量增加测量尺度这一属性。在统计学中，按照对事物描述的精确程度，将所采用 的测量尺度从低级到高级分为 4 个层次：定类尺度、定序尺度、定距尺度和定比尺度。 1. 定类尺度 定类尺度(Nominal Measurement)是对事物的类别或属性的一种测度，按照事物的某种属 性对其进行分类或分组。定类变量的特点是其值仅代表事物的类别和属性，仅能测度类别 差，不能比较各类之间的大小，所以各类之间没有顺序或等级之分，例如变量“血型”就 是一个定类尺度的变量。而对于“性别”这种两分类变量，一般仍然将其归为定类尺度变 量。但是两分类变量较为特殊，即使将其归为其他类型，一般也不会影响后续分析。 2. 定序尺度 定序尺度(Ordinal Measurement)是对事物之间等级或顺序差别的一种测度，可以比较优 劣或排序。定序变量比定类变量的信息量多一些，不仅含有类别的信息，还包含次序的信 息。例如，按照小学、中学、大学这种方式来对“学历”加以记录，它就是一个典型的定 序变量。 3. 定距尺度和定比尺度 定距尺度(Interval Measurement)是对事物类别或次序之间间距的测度。定距变量的特点 是其不仅能将事物区分为不同类型并进行排序，而且可以准确指出类别之间的差距是多少， 典型的定距尺度变量就是温度。定比尺度(Scale Measurement)则更进一步，和定距尺度的 差别在于它有一固定的绝对“零点”。比如温度，0℃只是一个普通的温度(水的冰点)，并非 没有温度，因此它只是定距变量，而重量则是真正的定比变量，0kg 意味着没有重量可言。由于这两种测量尺度在绝大多数统计分析中没有本质的差别，因此很多时候没有做严格 区分
|