揭示数据维度的秘密：定类到定比的统计阶梯
1. 定义与分类：尺度的起点
定类尺度，如同文字的标签，如性别（Nominal Scale）和民族，仅用来区分类别，如“男性”和“女性”，每个类别间无等级关系，数值通常用代码表示。数据在此尺度上表现为分类数据，如“代码1”代表“男性”。
2. 排序与等级：定序尺度的延伸
定序尺度超越了分类，引入了排序，比如健康状况或质量等级。虽然可以区分大小，但并未测量出类别间的精确差异，数据为顺序数据，如“健康状况良好”。
3. 间距与精确度：定距尺度的精确世界
定距尺度如“月均收入”和“温度”，数值间可比较大小，差异有实际意义。这些数据可以进行加减运算，但零点并非绝对不存在，仅是尺度的标记点，形成间距数据。
4. 比率与绝对零点：定比尺度的精确表达
定比尺度如体重和身高，具备绝对零点，如“0”代表“无”或“不存在”。这里的数据可以进行加减乘除运算，如国际千克原器，是衡量质量的精确标准。
深入探讨：尺度背后的集中趋势
集中趋势描绘数据的中心位置，包括均值、中位数和众数。均值易受极端值影响，而中位数和众数则更稳定，尤其在处理顺序数据时。
离中趋势：衡量分散程度
离中趋势，如全距和四分位距，揭示数据点与中心点的偏离程度。全距受极端值影响，四分位距则更稳定，适用于描述偏态分布的离散特征。
总结
从定类到定比，每个统计尺度都为我们揭示了数据的不同维度。理解这些概念，能帮助我们更准确地分析和解读数据，揭示其背后的故事。