Types of Data数据类型

在进行数据分析或统计工作时，首要步骤是仔细观察数据，并在开始前明确你所处理的变量类型。变量的类型直接决定了你可以采用何种分析方法。

---

一、 常见的数据收集形式

根据数据的观测维度和时间跨度，我们通常将其分为以下三类：

提示：若数据集中仅包含一个变量，称为单变量数据集 (Univariate)；若包含多个变量，则称为多变量数据集 (Multivariate)。

---

二、 定性变量：类别型与定序型

1. 类别变量 / 公称变量 (Categorical / Nominal Variables)

这类变量用于描述类别，各类别之间没有数量上的逻辑关系。

• 二项变量 (Binomial)：仅有两个选项。
  • 示例：住房状态（拥有自有住房 vs 租房）。
• 多项变量 (Multinomial)：具有两个以上的选项。
  • 示例：交通方式选择（开车、乘车、公共交通、步行或骑行）。
• 局限性：
  • 类别之间无法建立定量关系。
  • 平均值通常毫无意义（例如：四种交通方式的“平均类别”没有实际用途）。

2. 定序数据 (Ordinal Data)

数据按照某种特定的方式进行排序或分级。

• 示例：家庭拥有汽车的数量（0辆、1辆、2辆、3辆或更多）。
• 特点：
  • 变量记录的顺序至关重要（0不能编码为1，1不能编码为0）。
  • 类别之间可以进行比较，但仍无法使用常规统计方法。
  • 差值（Difference）在此类数据中是无意义的。

---

三、 定量变量：等比型与等距型

1. 比率数据 (Ratio Data) / 连续变量 (Continuous Variable)

这是最强的测量形式，其显著特征是拥有一个自然零点 (Natural Zero)。

• 示例：销售额（美元）、长度距离、物体重量。
• 特点：
  • 零点有意义：例如“0美元”代表确实没有钱。
  • 运算：可以计算比率（如A是B的两倍）和差值。
  • 距离示例：A点到B点的距离可以是 8 公里、8.5 公里或 6.2 英里，具有连续性。

2. 区间数据 / 等距数据 (Interval Data)

数据是有序的，且观测值之间有明确的距离度量，但没有自然零点。

• 示例：温度（摄氏度）。
• 特点：
  • 0 不代表消失：当温度为 0°C 时，并不意味着“没有温度”，而是代表冰点，测量的是一种客观存在。
  • 比率无意义：例如 50°C 并不意味着比 25°C “热两倍”。
  • 差值有意义：我们可以准确地说两地温度相差 25°C。

---

核心总结：

识别数据是横截面还是时间序列，明确变量是名义、定序、比率还是等距，是选择正确统计工具的基石。