测量尺度

测量尺度 (Scales of Measurement / Levels of Measurement)

测量尺度→统计学与计量经济学中变量属性分类框架→心理学家Stanley Smith Stevens于1946年《Science》发表On the Theory of Scales of Measurement正式提出→将数据按信息丰富度划分为四个递进层级：定类 (Nominal)、定序 (Ordinal)、定距 (Interval)、定比 (Ratio)。该分类决定每类变量所适用的描述统计量、可视化方法与推断统计（假设检验）工具选择，是实证研究设计的基石。

四层尺度体系详解

一、定类尺度 (Nominal Scale)：最低信息层级→仅按属性将对象归入互斥且穷尽的类别→无顺序、无大小、无可加性。允许的操作：相等性判断（$=$、$\neq$）。示例：性别（男女）、血型（A/B/AB/O）、国籍、行业代码（SIC/NAICS）、颜色。核心描述统计限于频数、众数（唯一有意义的集中趋势测度）及各类别比例。可视化适用条形图、饼图。推理仅用非参数法：卡方检验（独立性/拟合优度）、Fisher精确检验。禁止：均值、中位数、加减乘除。

二、定序尺度 (Ordinal Scale)：在类别基础上引入全序关系（$<$、$>$、$=$）→对象可排优劣高低，但相邻等级间距未必相等。示例：教育程度（小学<中学<本科<研究生）、满意度Likert量表（1-5分）、比赛名次、信用评级（AAA>AA>A>BBB）。允许：中位数、百分位数、Spearman秩相关系数、Kendall τ、Mann-Whitney U检验、Kruskal-Wallis检验。禁止：加减运算（"满意"减"一般"无定义）、均值的严格解释（虽然实践中常被近似使用，见后文争议）。可视化适用箱线图、累积分布图。

三、定距尺度 (Interval Scale)：除序关系外，任意两值之差具有可比性→等距单位成立→但无绝对零点（零点为人为约定，非"属性不存在"）。此特性使加减法合法而比值无意义。示例：摄氏与华氏温度（$0^{\circ}\mathrm{C}$为水冰点而非"无热"）、IQ分数（均值100、标准差15的设计标尺）、日历日期（公元纪年零点为约定）。允许：加减、算术均值、方差、标准差、Pearson相关系数、t检验、ANOVA、线性回归。禁止：比值陈述（$40^{\circ}\mathrm{C}$不可称为"$20^{\circ}\mathrm{C}$的两倍热度"），但温差比值有意义。

四、定比尺度 (Ratio Scale)：最高层级→兼具等距单位与绝对零点（零点对应属性的客观不存在）。该零点使比值合法且可诠释。示例：身高、体重、年龄、收入、价格、数量、开尔文温度（0K即绝对零度，分子运动停止）、利率、持续时间。允许全部算术运算与统计方法→均值、几何均值、变异系数均合法。几乎所有经济学核心变量（GDP、消费、投资、货币供给）均为定比尺度。

层级嵌套与降级使用

四层尺度呈严格嵌套包含：定比$\supset$定距$\supset$定序$\supset$定类。每一高层级自动继承低层级全部信息特征并增添新的约束条件。据此有一条实用原则：高尺度数据可安全降级（将定比收入按区间编码为定序收入档），但低尺度数据不可升级（不能将定序满意度视同定距进行均值比较而不做论证）。这种降级在计量经济学中常见：引入虚拟变量表示定类分组，或将连续变量离散化为分段常数函数以捕捉非线性效应。

争议、批评与实践灵活

Stevens分类虽为教科书标准，但在方法论与实践中持续受检视。核心批评有三：其一，Lord (1953)的"橄榄球号码悖论"指出，即使定类"号码"经统计检验也可拒绝零假设，暗示尺度归属不应机械决定方法；其二，心理测量学中Likert量表得分常被当作定距变量使用（计算Cronbach's $\alpha$、因子分析），虽严格上仅为定序；其三，Velleman与Wilkinson (1993)在The American Statistician撰文主张尺度选择应服从研究问题的实质内涵，而非对Stevens分类做教条式套用。计量实践中，稳健做法是：先报告数据原生尺度，若升格使用（定序$\to$定距方法）则附稳健性检验或非参数对照。