数据分析中的变量分类

数据分析工作每天要面对各种各样的数据，每种数据都有其特定的含义、使用范围和分析方法，同一个数据在不同环境下的意义也不一样，因此我们想要选择正确的分析方法，得出正确的结论，首先要明确分析目的，并准确理解当前的数据类型及含义。统计学中的变量指的是研究对象的特征，我们有时也称为属性，例如身高、性别等。每个变量都有变量值，变量值就是我们分析的内容，它是没有含义的，只是一个参与计算的数字，所以我们主要关注变量的类型，不同的变量类型有不同的分析方法。

变量主要是用来描述事物特征，那么按照描述的粗劣，有以下两种划分方法：

按基本描述划分

【定性变量】：也称为名称变量、品质变量、分类变量，总之就是描述事物特性的变量，目的是将事物区分成互不相容的不同组别，变量值多为文字或符号，在分析时，需要转化为特定含义的数字。

定性变量可以再细分为：

有序分类变量：描述事物等级或顺序，变量值可以是数值型或字符型，可以进而比较优劣，如喜欢的程度：很喜欢、一般、不喜欢

无序分类变量：取值之间没有顺序差别，仅做分类，又可分为二分类变量和多分类变量 二分类变量是指将全部数据分成两个类别，如男、女，对、错，阴、阳等，二分类变量是一种特殊的分类变量，有其特有的分析方法。 多分类变量是指两个以上类别，如血型分为A、B、AB、O

【定量变量】：也称为数值型变量，是描述事物数字信息的变量，变量值就是数字，如长度、重量、产量、人口、速度和温度。

定量变量可以再细分

连续型变量：在一定区间内可以任意取值，其数值是连续不断的，相邻两个数值可作无限分割，即可取无限个数值。如身高、绳子的长度等。

离散型变量：值只能用自然数或整数单位计算，其数值是间断的，相邻两个数值之间不再有其他数值，这种变量的取值一般使用计数方法取得。

按照精确描述划分

【定类变量】

测量事物类别或属性，各类支架没有顺序或等级，实际上也就是上面说的无序分类变量，所包含的数据信息很少，只能计算频数和频率，是最低层次的一种变量

【定序变量】

测量事物之间的等级或顺序，就是上述的有序分类变量，由于它的变量值可以是数值型或字符型，并且可以反映等级之间的优劣，除了可以计算频数和频率之外，还可以计算累计频率，因此数据包含的信息多于定类变量。

【定距变量】

测量事物的类别或顺序之间的间距，它不但具有定类和定序变量的特点，还能计算类别之间的差距，可以进行加减运算，数据包含的信息高于前两种

【定比变量】 测量事物类别比值，和定距变量相比，它不但可以进行加减运算，还可以进行乘除运算，包含的数据信息最多，是最高级的变量。

上面这四种变量可以从浅到深精确的描述事物，四种变量级别从低到高，高层次变量可以向低层次转化，代价是损失部分数据信息，但是低层次变量无法向高层次转化，这会得出错误结果。

按照变量的取值划分

前面两种分类方法都是从变量对事物的描述角度出发进行分类，一旦对事物描述确定下来，那么变量的取值也就相应确定下来了，比如定性变量的取值只能是某属性下的计数，比如人数、客户数等，因此只能取特定的值，数值是离散的。而定量变量可以取某属性下的任意值，变量值即可连续也可离散，比如身高、体重、销售额等。连续型数值和离散型数值的分析方法是不同的，因此从统计学角度，又经常划分为连续型变量和定性变量（分类变量）

关于变量的类型及取值方法，可以归纳为下表