數據分析中的變量分類

數據分析工作每天要面對各種各樣的數據，每種數據都有其特定的含義、使用范圍和分析方法，同一個數據在不同環境下的意義也不一樣，因此我們想要選擇正確的分析方法，得出正確的結論，首先要明確分析目的，并準確理解當前的數據類型及含義。統計學中的變量指的是研究對象的特征，我們有時也稱為屬性，例如身高、性別等。每個變量都有變量值，變量值就是我們分析的內容，它是沒有含義的，只是一個參與計算的數字，所以我們主要關注變量的類型，不同的變量類型有不同的分析方法。

變量主要是用來描述事物特征，那么按照描述的粗劣，有以下兩種劃分方法：

按基本描述劃分

【定性變量】：也稱為名稱變量、品質變量、分類變量，總之就是描述事物特性的變量，目的是將事物區分成互不相容的不同組別，變量值多為文字或符號，在分析時，需要轉化為特定含義的數字。

定性變量可以再細分為：

有序分類變量：描述事物等級或順序，變量值可以是數值型或字符型，可以進而比較優劣，如喜歡的程度：很喜歡、一般、不喜歡

無序分類變量：取值之間沒有順序差別，僅做分類，又可分為二分類變量和多分類變量 二分類變量是指將全部數據分成兩個類別，如男、女，對、錯，陰、陽等，二分類變量是一種特殊的分類變量，有其特有的分析方法。 多分類變量是指兩個以上類別，如血型分為A、B、AB、O

【定量變量】：也稱為數值型變量，是描述事物數字信息的變量，變量值就是數字，如長度、重量、產量、人口、速度和溫度。

定量變量可以再細分

連續型變量：在一定區間內可以任意取值，其數值是連續不斷的，相鄰兩個數值可作無限分割，即可取無限個數值。如身高、繩子的長度等。

離散型變量：值只能用自然數或整數單位計算，其數值是間斷的，相鄰兩個數值之間不再有其他數值，這種變量的取值一般使用計數方法取得。

按照精確描述劃分

【定類變量】

測量事物類別或屬性，各類支架沒有順序或等級，實際上也就是上面說的無序分類變量，所包含的數據信息很少，只能計算頻數和頻率，是最低層次的一種變量

【定序變量】

測量事物之間的等級或順序，就是上述的有序分類變量，由于它的變量值可以是數值型或字符型，并且可以反映等級之間的優劣，除了可以計算頻數和頻率之外，還可以計算累計頻率，因此數據包含的信息多于定類變量。

【定距變量】

測量事物的類別或順序之間的間距，它不但具有定類和定序變量的特點，還能計算類別之間的差距，可以進行加減運算，數據包含的信息高于前兩種

【定比變量】 測量事物類別比值，和定距變量相比，它不但可以進行加減運算，還可以進行乘除運算，包含的數據信息最多，是最高級的變量。

上面這四種變量可以從淺到深精確的描述事物，四種變量級別從低到高，高層次變量可以向低層次轉化，代價是損失部分數據信息，但是低層次變量無法向高層次轉化，這會得出錯誤結果。

按照變量的取值劃分

前面兩種分類方法都是從變量對事物的描述角度出發進行分類，一旦對事物描述確定下來，那么變量的取值也就相應確定下來了，比如定性變量的取值只能是某屬性下的計數，比如人數、客戶數等，因此只能取特定的值，數值是離散的。而定量變量可以取某屬性下的任意值，變量值即可連續也可離散，比如身高、體重、銷售額等。連續型數值和離散型數值的分析方法是不同的，因此從統計學角度，又經常劃分為連續型變量和定性變量（分類變量）

關于變量的類型及取值方法，可以歸納為下表