在统计学中，数据可以分成很多类型：定性类和定量类、离散型和连续型、独立型和非独立型。
定性变量和定量变量
定量类属于数值型变量，如年龄和收入，是具体的数值。
定量类属于非数值型变量，如性别和民族，变量的值是描述性的，就像男、女、汉、苗等。
- 定性类（Qualitative）
- 名称（Nominal）：描述性，如姓名、性别、邮政编码等，值为男、女、汉、蒙。它的顺序没有意义，也不能进行加减乘除运算。
- 序号（Ordinal）：看待某事的态度，完全同意、同意、无所谓、不同意、坚决不同意等，程度可以比较，但没有倍数关系，不能说完全同意并非2倍的同意。加减乘除也没有意义。
- 定量类（Quantitative）
- 序号（Ordinal）：病害分级或好评分级，1、2、3、4、5星。同样，级别之间可以比较大小，但不能表示倍数关系，不能说4星不比2星好（差）两倍。加减乘除也没有意义。
- 间断值（Interval）：温度。严格来说可以加减，但不能乘除。不能说40℃是20℃的2倍温暖。0℃不代表真的0，不是没有数量，而是有温度的。
- 比率值（Ratio）：身高、体重、年龄等。既可以加减、也可以乘除，数值间可以有倍数关系。0表示真正的0，没有数值。可以确定的说2米比1米高两倍。
可以通过0点是否是真的0来判断是间断值还是比率值。
离散型变量和连续型变量
- 离散型变量：有确定的值，且值与值之间有间隙，一般不能取小数。如，汽车的个数，家里孩子的个数。
- 连续型变量：几乎可以取到每一个值，精确的小数位数取决于测量方法和精度。比如身高、体重。
独立类和非独立类
- 独立类：变量值的改变不依赖于其他变量。比如学习时间是独立变量。
- 非独立类：变量值的变化依赖于其他变量。比如考试成绩是非独立变量，依赖于学习时间。
一般而言，非独立变量依赖于独立变量，而独立变量不依赖于非独立变量。
发表评论