区间数据

区间数据 (Interval Data)

区间数据，也称定距数据或等距尺度数据，是统计学中四种基本测量尺度之一，由心理学家斯坦利·史密斯·史蒂文斯 (Stanley Smith Stevens) 在其1946年论文《On the Theory of Scales of Measurement》中系统分类。其余三种为名义尺度 (Nominal Scale)、序数尺度 (Ordinal Scale) 和比率尺度 (Ratio Scale)。

区间数据的核心特征在于：数值之间的差值有意义且等距，但不存在真正的零点。这使得加减运算是合法的，而乘除和比值运算则不具有实质性解释力。

定义与核心属性

区间尺度的形式化定义为：对于任意两个区间尺度上的测量值 $x_1$ 和 $x_2$，其差值 $x_1 - x_2$ 具有明确的量值意义，且该差值在任何容许的线性变换 $x' = ax + b$（$a > 0$）下保持比例不变。具体而言，若令 $x'_1 = a x_1 + b$、$x'_2 = a x_2 + b$，则 $x'_1 - x'_2 = a(x_1 - x_2)$——两值之差被缩放了一个因子 $a$，但差值之间的大小关系得以保留。

区间数据的三个核心属性：

1. 等距性：尺度上任意两个相邻整数之间的距离处处相等。例如，$10^{\circ}\mathrm{C}$ 到 $20^{\circ}\mathrm{C}$ 的温差与 $30^{\circ}\mathrm{C}$ 到 $40^{\circ}\mathrm{C}$ 的温差完全相同。
2. 无绝对零点：区间尺度的零点是人为主观设定的，不表示"该属性的完全缺失"。$0^{\circ}\mathrm{C}$ 不代表"没有温度"，它仅仅是水的冰点这一约定参照点。
3. 线性变换不变性：区间数据在正线性变换 $x' = ax + b$ 下保持其信息结构不变。这意味着摄氏温度和华氏温度虽然数值不同，但包含完全相同的信息——两者之间仅相差一个线性变换：$F = 1.8C + 32$。

与其他测量尺度的比较

从信息丰富程度的层级来看：名义 $\subset$ 序数 $\subset$ 区间 $\subset$ 比率。

• 与名义尺度相比：名义数据仅有分类功能（如性别、民族），无任何顺序或数值含义；区间数据不仅分类，还能量化差异的大小。
• 与序数尺度相比：序数数据有顺序但间距不可比较（如教育等级）；区间数据的核心优势正是间距的可比性。知道A班平均分85、B班78、C班71，不仅知道A > B > C，还知道A与B的差距（7分）大于B与C的差距（7分）... 等等，这里两者相等。但关键是：我们能说差距是否相等，这在序数尺度中完全不可能。
• 与比率尺度相比：比率尺度（如身高、收入、价格）拥有绝对零点，因此"两倍""一半"等比例陈述有意义。区间尺度缺少零点，说"$40^{\circ}\mathrm{C}$ 是 $20^{\circ}\mathrm{C}$ 的两倍热"是无意义的——在华氏温标下这两个温度是 $104^{\circ}\mathrm{F}$ 和 $68^{\circ}\mathrm{F}$，比值完全不同。这一限制是区间与比率数据的根本分界线。

典型实例

• 摄氏温度与华氏温度：最经典的区间尺度示例。零点是人为约定的，温差有意义但比值无意义。
• 智商 (IQ) 分数：均值设为100，标准差设为15。IQ 130与IQ 115相差15分，与IQ 100和IQ 85的差距相等，但不能说IQ 150的人智力是IQ 75者的两倍。
• 日历年份与日期：公元2024年和公元1012年相差1012年，但"公元0年"只是一个约定基准，不存在"零时间"。
• 标准化考试分数：SAT、GRE等考试的分数体系通常被构造为区间尺度。
• pH值：溶液的酸碱度。pH 3到pH 4的变化与pH 6到pH 7的变化表示相同的氢离子浓度对数变化量，但pH 0不表示"无酸碱性"。
• 效用函数中的区间可比性：在微观经济学的期望效用理论中，冯·诺依曼-摩根斯坦效用函数 (von Neumann–Morgenstern utility function) 是区间尺度上的唯一确定量——效用的原点和单位可任意选择而不改变行为预测。

可用的统计方法

区间数据的信息结构决定了哪些统计方法在数学上是合法的：

合法操作与统计量：

• 所有名义和序数尺度允许的操作（分类、排序）；
• 加法与减法：计算差值、离差；
• 算术均值、标准差、方差——这些统计量的计算以等距性为前提，在区间尺度上完全有意义；
• 皮尔逊相关系数——度量两个区间变量的线性关联强度；
• 参数检验：t检验、ANOVA、线性回归分析——这些方法依赖于均值和协方差，在区间尺度上有效。

非法操作：

• 比值陈述（"A是B的X倍"）；
• 变异系数 (Coefficient of Variation)，因其计算含有比值；
• 几何均值，因其依赖于乘法意义上的比例关系。

李克特量表争议

在社会科学和市场研究的实证研究中，李克特量表 (Likert Scale) 的尺度归属是一个长期争议。严格而言，单题李克特五级选项（"非常不同意"到"非常同意"）属于序数数据——相邻选项之间的心理距离无法确保等距。然而，实践中研究者几乎总是将其视作区间数据处理，计算均值、标准差并运行回归模型。

支持"当作区间数据"的论据包括：1）多题加总后的总分（Likert summated score）随着题数增加，中心极限定理效应使其分布接近正态；2）大量模拟研究表明，参数方法对轻度偏离等距性的序数数据相当稳健；3）非参数方法虽然更严格，但在多变量建模中的灵活性远不及线性模型。

审慎的做法是：报告参数检验结果的同时，辅以相应的非参数方法（如斯皮尔曼秩相关、曼-惠特尼U检验）作为敏感性分析，确保结论不受尺度假设的影响。

在计量经济学中的应用

在计量经济学中，区间数据的识别对模型设定至关重要。大多数微观计量模型——特别是工资方程（被解释变量$\ln(\text{wage})$是比率尺度）、教育年限和认知测试分数（区间或准区间尺度）的回归——混合使用不同尺度的变量。理解各变量的尺度属性有助于正确解释回归系数：对于一个区间尺度的解释变量，其系数表示该变量每变动一个单位对被解释变量的平均效应，该效应在变量的整个取值范围内是恒定的（线性模型假设下）。而对于序数控制变量，研究者通常引入虚拟变量组而非将其作为连续变量处理，以避免施加等距假设。

区间数据在四种测量尺度中占据承上启下的关键位置：它使研究者得以从定性的"序"迈向定量的"量"，同时又以其对零点的审慎态度提醒我们——数字的便利绝不意味着解释的随意。