序数尺度

序数尺度 (Ordinal Scale)

序数尺度是统计学中四种测量尺度之一（其余三种为名义尺度、等距尺度和比率尺度），由心理学家斯坦利·史密斯·史蒂文斯 (Stanley Smith Stevens) 在其1946年经典论文《On the Theory of Scales of Measurement》中系统分类。序数尺度不仅将观测对象分配到互斥的类别中，还赋予了这些类别一个内在的顺序或排名关系。

核心特征

序数尺度的核心属性是类别之间的顺序关系（$<$、$>$或 $=$），但类别之间的间距不可比较。例如，在教育评级中将学生分为 A、B、C、D 四个等级，我们知道 A > B > C > D，但不知道 A 和 B 之间的差距是否等于 B 和 C 之间的差距。换言之，序数尺度具有传递性和非对称性，但不支持加减运算。

常见实例

• 教育水平：小学、初中、高中、大学、研究生——具有明确的由低到高的顺序，但各级之间的"知识增量"无法量化比较。
• 李克特量表：在调查研究中常见的"非常不同意、不同意、中立、同意、非常同意"五级量表。尽管常被当作等距数据分析，严格而言仅具有序数属性。
• 社会经济地位：低、中、高——层次清晰但边界模糊。
• 体育排名：冠军、亚军、季军——仅告知次序，不传达成绩的具体差距。
• 信用评级：AAA、AA、A、BBB——等级明确，但级差风险并非恒定。

统计方法限制

序数尺度决定了可用的统计方法范围：

• 合法统计量：中位数、众数、百分位数、秩相关系数。
• 非法统计量（通常）：均值、标准差、方差——因为这些指标的计算依赖于等距假设。将序数数据当作等距数据计算均值会导致无意义的结果。
• 推荐的非参数方法：曼-惠特尼U检验、威尔科克森符号秩检验、克鲁斯卡尔-沃利斯检验、斯皮尔曼秩相关系数。

信息层级

从信息含量的角度，四种测量尺度的层级为：名义 $\subset$ 序数 $\subset$ 等距 $\subset$ 比率。序数尺度比名义尺度多提供了方向信息，但缺乏等距尺度的单位一致性。正因为如此，序数数据可以通过单调变换保持信息不变——任何严格单调递增的变换（如将 1, 2, 3, 4 换为 1, 10, 100, 1000）都保留了序数结构，因此序数数据的统计结论应在此类变换下保持不变。

实践中的争议

序数与等距尺度的界限在实证研究中常引发争议。研究者常将多级李克特量表视作等距数据以使用参数方法（如 t 检验、ANOVA），并引用中心极限定理和模拟研究来为这种做法辩护。保守观点则认为，除非量表经过严格的 Rasch模型或项目反应理论校准，否则应优先使用非参数方法。度量尺度的恰当选择是社会科学实证研究中最基础也最常被忽视的方法论问题之一。