KNOWECON WIKI

ARTICLE

定比尺度

定比尺度 (Ratio Scale) 定比尺度 (Ratio Scale)，又称 比率尺度 或 等比量表，是统计学中四种基本 测量尺度 中信息量最丰富、数学结构最完整的一种。它由美国心理学家 Stanley Smith Stevens 于 1946 年在《论测量尺度》(On the Theory of Scales of Measurement) 一文中系统

浏览 0 更新 2025-10-26

定比尺度 (Ratio Scale)

定比尺度 (Ratio Scale)，又称 比率尺度 或 等比量表，是统计学中四种基本 测量尺度 中信息量最丰富、数学结构最完整的一种。它由美国心理学家 Stanley Smith Stevens 于 1946 年在《论测量尺度》(On the Theory of Scales of Measurement) 一文中系统提出，与 定类尺度 (Nominal Scale)、定序尺度 (Ordinal Scale) 和 定距尺度 (Interval Scale) 共同构成测量理论的经典分类框架。

核心定义

定比尺度是一种 具有绝对零点的定距尺度。它不仅具备定距尺度所有的数学性质——即测量值之间可以进行有意义的加减运算、差值可以比较大小——还因为存在一个非任意的、有实质物理意义的 绝对零点 (Absolute Zero)，使得测量值之间的 比值 也具有了统计意义。

绝对零点的存在意味着：当某变量的测量值为零时，该变量所代表的属性确实不存在。例如，零千克的质量表示没有质量，零开尔文的温度表示分子热运动完全停止（理论上的绝对零度），零元的收入表示没有任何货币收入。

数学性质

设 X X 为定比尺度下的一个随机变量，其取值来自一个比例测度空间。则对于任意两个测量值 x1,x2 x_1, x_2 ：

  • 可排序性：可以判断 x1>x2 x_1 > x_2 、x1=x2 x_1 = x_2 或 x1<x2 x_1 < x_2 。
  • 等距性：差值 x1−x2 x_1 - x_2 具有确定的数量意义，差值之间可以比较大小。
  • 可比性（定比尺度独有）：比值 x1/x2 x_1 / x_2 有意义。例如，200 千克是 100 千克的两倍，这一陈述有客观的物理含义。

定比尺度上允许的 保序变换群 仅为 相似变换，即乘以一个正的比例常数：

x′=k⋅x,k>0x' = k \cdot x, \quad k > 0

这意味着定比尺度的度量单位是任意的（如用千克还是磅），但零点不可移动。这与定距尺度不同——定距尺度允许线性变换 x′=a+bx x' = a + b x （b>0 b > 0 ），零点可以任意设定，故摄氏温度和华氏温度之间可以线性转换，但其比值（如"今天 20°C 是昨天 10°C 的两倍热"）在物理上并不严谨。

与定距尺度的关键区别

定比尺度和 定距尺度 常常被混淆，但其核心差异在于对 零点的解释：

  1. 定距尺度（如摄氏温度、IQ 分数、年份）：零点是人为设定的参考点。比如摄氏零度是水的冰点，而非"没有温度"。因此说"40°C 比 20°C 温度高一倍"是不成立的。
  2. 定比尺度（如开尔文温度、身高、体重、收入、价格）：零点是物理上的绝对零，代表"无"。因此"身高 180 cm 是身高 90 cm 的两倍"这一陈述成立。

这一区别在计量经济学和实证研究中至关重要：将定比变量误作定距变量处理通常不会导致严重偏误（因为相似变换是线性变换的子集），但反过来将定距变量错误地解释比值则可能导致荒谬结论。

典型实例

  • 物理学中的质量、长度、时间：千克、米、秒均具有绝对零点，是定比尺度的典范。
  • 经济学中的价格、收入、GDP、货币供应量：零元即为"无货币"，比值分析（如人均 GDP 是另一个国家的两倍）具有经济含义。
  • 金融学中的收益率、波动率、交易量：零收益意味着无损益，零交易量意味着无成交。
  • 人口统计学中的年龄（以出生时刻为零点）、家庭人口数。
  • 开尔文温标：与摄氏温标和华氏温标不同，开尔文温度以绝对零度为起点，属于定比尺度。而摄氏和华氏属于定距尺度。

统计应用中的意义

定比尺度的识别直接影响统计方法的选择：

可用的描述性统计量：由于定比尺度支持全部四则运算，均值、标准差、变异系数（CV=σ/μ CV = \sigma / \mu ）等所有基于矩的统计量均有意义。相比之下，定序尺度只适合中位数和分位数，定类尺度仅适合众数。

可用的推断方法：基于均值的 假设检验（如 t t 检验、ANOVA）和 回归分析 要求因变量至少为定距尺度，而定比尺度完全满足这一要求。此外，由于比值有意义，对数变换 ln⁡(y) \ln(y) 在定比变量上具有自然的解释——回归系数表示弹性或半弹性——这在经济学中极为常用。

变异系数的特殊作用：变异系数 CV=σ/μ CV = \sigma / \mu 仅在定比尺度上有意义，因为它需要绝对零点来保证比值的稳定性。在比较不同单位或不同量级的离散程度时（如比较身高和体重的变异性），变异系数是不可替代的工具。

在测量理论中的位置

此外，定比变量在取自然对数后，其分布往往更接近正态分布，这为大量计量模型的设定提供了便利。例如，在 Mincer 方程 中，工资的对数作为被解释变量已成为劳动经济学的标准做法，其前提正是工资具有定比尺度的属性。

在 Stevens (1946) 的测量层次体系中，四种尺度按信息量递增排列为：

定类⊂定序⊂定距⊂定比\text{定类} \subset \text{定序} \subset \text{定距} \subset \text{定比}

每种高级尺度继承了低级尺度的所有性质，并增添新的结构。定比尺度处于这一层级的顶端，拥有最丰富的数学结构，也因此允许最广泛的统计分析。然而，在实际研究中，并非所有变量都能够达到定比尺度的测量水平——心理学中的态度量表、教育测量中的考试分数往往只达到定距水平，这提醒研究者在解读"倍数"和"百分比变化"时保持谨慎。正确的尺度识别是统计推断有效性的前提——将低层尺度强行当作高层尺度分析会导致无意义的结论，而将高层尺度降格处理则浪费了数据中蕴含的丰富信息。