统计学基础——变量与测量尺度
在分析数据之前，需要先理解我们究竟测量了什么。在统计学中，我们测量的每一个特征都称为变量，每个变量都有其类型和测量尺度，决定了哪些运算和计算是允许的。本页将学习区分四种测量尺度、离散变量与连续变量，以及自变量、因变量与因果关系。
背景与基本定义
变量（Variable）是在不同研究对象之间可以取不同值的特征——例如身高、性别、成绩或眼睛颜色。在所有研究对象中保持不变的称为常量。
四种测量尺度，从简单到复杂：
- 名义尺度（Nominal）——无序的类别：性别、出生国、颜色。只能区分相同/不同并计算频数。
- 顺序尺度（Ordinal）——有排列顺序的类别，但等级间距不相等：满意度评级（低–中–高）、竞赛名次。
- 等距尺度（Interval）——有顺序且间距相等，但零点是人为规定的：摄氏温度、公历年份。比值没有意义（\(20^\circ\) 并不是 \(10^\circ\) 的"两倍热"）。
- 比率尺度（Ratio）——与等距尺度相同，但有绝对零点：身高、体重、时间、收入。比值有意义（\(8\) kg 是 \(4\) kg 的两倍重）。
离散与连续：离散变量取可数的独立值（子女数、汽车数），连续变量在某范围内取任意值，需要测量（身高、时间）。
变量在研究中的角色：自变量是研究者改变或检验的因素（"解释变量"），因变量是被测量的结果。因果关系指一个变量的变化引起另一个变量的变化——这与仅有相关关系不同，后者可能源于第三个混淆变量。
解题步骤
- 第一步——询问该变量测量的是什么：类别（定性）还是数量（定量）？
- 第二步——若是定性：检查类别之间是否有顺序。无顺序→名义尺度；有顺序→顺序尺度。
- 第三步——若是定量：检查是否有绝对零点（意味着"完全没有"）。无→等距尺度；有→比率尺度。
- 第四步——判断离散/连续：是计数独立值（离散）还是连续测量（连续）？
- 第五步——识别变量角色：被改变的"原因"是自变量，被测量的"结果"是因变量。
- 第六步——在断言因果关系之前，确认没有能解释两者关系的第三个混淆变量。
例题解析
例题 1： 识别测量尺度
题目： 研究者记录了每位参与者的：（甲）电话号码，（乙）柔道腰带级别（白、黄、黑），（丙）摄氏体温，（丁）体重（kg）。请对每项进行测量尺度分类。
解答：
- （甲）电话号码是识别标签，无顺序或数量意义——名义尺度。
- （乙）腰带级别有明确顺序，但等级间距无法量化——顺序尺度。
- （丙）摄氏温度：间距相等，但零点是人为规定的（\(0^\circ\) 并非"没有热量"）——等距尺度。
- （丁）体重：有绝对零点（\(0\) kg = 没有质量），比值有意义——比率尺度。
答案： 依次为：名义尺度、顺序尺度、等距尺度、比率尺度。
例题 2： 离散还是连续
题目： 对每个变量进行离散或连续分类：（甲）一个人每天发送的消息数，（乙）100米跑的时间（秒），（丙）公共汽车上的乘客人数。
解答：
- （甲）消息数是可计数的整数，不存在"3.5条消息"——离散。
- （乙）跑步时间可以以任意精度测量（\(11.43\) 秒、\(11.431\) 秒）——连续。
- （丙）乘客人数是计数的整数——离散。
答案： 依次为：离散、连续、离散。
例题 3： 自变量与因变量
题目： 某研究考察夜间睡眠时间是否影响第二天的考试成绩。自变量和因变量分别是什么？
解答：
- 问一问：谁是我们怀疑会产生影响的因素，谁是被测量的结果。
- 睡眠时间是影响因素——因此它是自变量。
- 考试成绩是由睡眠引发的被测量结果——因此它是因变量。
- 记忆技巧：因变量"依赖"自变量，正如成绩依赖睡眠时间。
答案： 自变量：睡眠时间。因变量：考试成绩。
例题 4： 因果关系还是混淆变量
题目： 研究发现鞋子尺码越大的孩子阅读能力越强。鞋子尺码会导致阅读能力提高吗？最合理的解释是什么？
解答：
- 表面上鞋子尺码与阅读能力之间存在正相关，但这并不意味着因果关系。
- 寻找能同时解释两个变量的混淆变量。
- 年龄是混淆变量：年龄较大的孩子既穿更大的鞋，阅读能力也更强。
- 结论：这是一种虚假相关（仅有相关关系），鞋子尺码与阅读能力之间并无因果关系。
答案： 不是因果关系；年龄是解释两者关系的混淆变量。
例题 5： 各尺度允许的操作
题目： 一名学生通过编号（蓝色=1，绿色=2，棕色=3）计算眼睛颜色的"平均值"，得到2.1。这个计算有效吗？
解答：
- 眼睛颜色是名义尺度变量——数字只是识别标签。
- 名义尺度唯一合法的操作是计算频数（以及确定众数），不能进行算术运算。
- 计算均值至少需要等距尺度，在该尺度上各值间距相等且有意义。
- 因此 \(2.1\) 没有意义——不存在"平均颜色"。
答案： 该计算无效；名义尺度变量不能计算均值。
常见错误
✗ 常见错误： 从相关关系的存在推断因果关系（"X与Y相关，所以X导致Y"）。
✓ 正确做法： 相关不等于因果。要主张因果关系，需要排除混淆变量，最好通过只改变自变量的受控实验来验证。
✗ 常见错误： 混淆等距尺度与比率尺度，对摄氏温度计算比值（"\(30^\circ\) 是 \(10^\circ\) 的三倍热"）。
✓ 正确做法： 比值只在有绝对零点的比率尺度上有意义。等距尺度（摄氏度、公历年份）的零点是人为规定的，因此只有差值有意义，比值没有意义。
✗ 常见错误： 将子女数分类为连续变量（因为是数字），或将身高分类为离散变量（因为记录为整数）。
✓ 正确做法： 关键在于是计数（离散）还是连续测量（连续），而不在于是否为数字。子女数是计数，因此是离散的；身高是连续测量，因此是连续的，即便取整记录也是如此。
练习建议
- 提示——尺度从弱到强的顺序：名义 \(\to\) 顺序 \(\to\) 等距 \(\to\) 比率。较高级别的尺度包含较低级别的所有能力。
- 提示——总可以从高级尺度降低到低级尺度（例如将身高划分为"低/中/高"），但反向则不行——降级会丢失信息。
- 提示——判断离散/连续，问自己"中间值是否可能存在？"2.5个兄弟姐妹不可能（离散）；2.5 kg 是可能的（连续）。
- 提示——在实验中，研究者控制自变量并测量因变量；调节变量（Moderator）会改变两者之间关系的强度。
总结与关键公式
测量尺度：
| 尺度 | 特征 | 示例 |
|---|---|---|
| 名义 | 无序类别 | 性别、颜色 |
| 顺序 | 有序但间距不等 | 评级、名次 |
| 等距 | 间距相等，零点任意 | 摄氏温度 |
| 比率 | 绝对零点，比值有意义 | 体重、时间 |
- 离散 = 计数；连续 = 测量。
- 自变量 = 原因；因变量 = 结果。
- 相关 \(\ne\) 因果——警惕混淆变量。