【数据收集】名义变量、序级变量、区间变量、比率变量的理解及例子

测量变量（measurement variable）是用来描述一个特定的实体的未知属性的，可以被分为以下四类：名义变量、序级变量、区间变量和比率变量。 其中名义变量和序级变量描绘数据的定性属性(qualitative attributes)，区间变量和比率变量描绘数据的定量属性(quantitative attributes)。

名义变量（Nominal Variable）

名义变量是一种用于对被度量的特定属性进行命名、标签或分类的变量。它采用代表不同类别的定性值，这些类别没有内在的排序。
不能对名义变量进行数值运算
Operations: =、！=

分类及举例

可以在两个层面上对名义变量进行分类：1.数据收集的方法 2.数值属性

• 从数据收集方法
  开放性问题 open-ended technique
  e.g. 开放性问答：你认为怎样提升我们的服务质量？
  闭合性问题 closed-ended technique
  e.g. 多选题问卷调查：你认为以下方法怎么做可以提升我们的服务质量？A. 重新装修店面 B.推出新菜品 C.培训员工
• 数值属性
  数值型的变量(Numeric Variable)
  e.g. 电话号码、身份证号
  非数值型变量(Non numeric Variable)
  e.g.名字、性别、地址

序级变量（Ordinal Variable）

序级变量是一种把数值按顺序排列的测量变量。在序级变量中，没有标准的排序,有中值和众数。
Operations：=、！=、>、<、>=、<=

分类和举例

没有标准的分类方法，但通常和名义变量一样将其分为数值型变量和非数值型变量。
e.g.成绩（A、A+、B）、用户满意度（10、9、8）

区间变量（Interval Variable）

区间变量定义沿尺度测量的值，每两个点之间距离相等，为连续变量。
没有0值。
Operations：=、！=、>、<、>=、<=、+、-

分类和举例

e.g. 温度（华氏度/摄氏度）、时间（12-hour clock）

分类：
- 正态分布/高斯分布
- 非正态分布

比率变量

连续变量，与区间变量唯一的区别就是比率变量拥有一个绝对的零值。
Operations：=、！=、>、<、>=、<=、+、-、：

分类和举例

e.g. Kelvin温度、身高、体重
温度（摄氏度/华氏度）不是比率变量因为只能说今天温度比昨天温度高/低多少度，不会说今天温度是昨天温度的几倍。温度计上的0摄氏度是规定的相对零点。

MCQ：今年妈妈年龄是小明年龄的2倍，小明今年20岁，妈妈10年后多少岁？
A 30 B 40 C 50

调查问卷：你每天看手机时间有多久？
A少于两小时 B2-5小时 C5小时以上

分类方法同区间变量一样

Reference

formplus.

[第一次写blog，有任何不准确的地方，请多多指教，谢谢；）]