行銷資料科學 Marketing Data Science

淺談資料類型—研究資料

          當我們要對「資料」進行更進一步的「統計運算」時，就必須對資料「測量」（measurement）的類型先行了解。「測量」意指對所測概念（變數）給定一個數字或符號的過程，例如：溫度為攝氏26度、性別為男…等。

          在研究方法裡，有關「測量」（measurement）的資料類型包括：名目資料（nominal）、順序資料（ordinal）、區間資料（interval），以及比例資料（ratio），如圖1所示。

圖1 名目資料、順序資料、區間資料、與比例資料

繪圖者:張庭瑄

1.名目資料（nominal）

          名目資料能區分不同組別，例如：將「性別」區分成「男」、「女」。以下是名目資料的特性：

• 名目內容（如：「男」、「女」）本身具有意義，但編碼後 （如「男」為「1」、「女」為「0」） 的數字大小，並不代表任何意義（如，不能說1大於0）。
• 編碼後的數字不能排序，但在統計處理時，可以累加次數(頻率數，也就是符合的人數)，例如男性156人、女性182人，或按次數多寡依序排列找出最高數值(最多人選擇的選項次數)。 

2.順序資料（ordinal）

          順序資料能區分等級或順序，例如：教育程度裡，從小到大依序為：國小、國中、高中、大學、研究所。以下是順序資料的特性：

• 編碼後的數字能夠排序，但無法進行加減。
• 可降階為名目資料（如：將教育程度區分成國小、國中、高中、大學、研究所，但不予排序）。

3.區間資料（interval）

          區間資料能區分程度上的差異，例如：年份為2001年、2002年、2003年…。以下是區間資料的特性：

• 編碼後的數字為等距（如：「1與2之間的距離」，與「2與3之間的距離」相同）。
• 因為等距，所以能夠加減（如：年份2005年與2000年之間差了5年）。
• 因為不具絕對原點，所以不能乘除（如：年份2000年/2並不具意義）
• 問卷調查最常採用的就是區間尺度。例如請從「非常滿意、很滿意、滿意、普通、不滿意、很不滿意、非常不滿意」等選項中圈選出符合的，這原本是順序尺度，在此則拿來做為區間尺度來使用。區間尺度因為設定的組距都相等，所以可做為「非常滿意7分、…、非常不滿意1分」的處理方式，而最有名的則像是李克特七點量表或五點量表。
• 可降階為名目資料與順序資料。

4.比例資料（ratio）

          比例資料能衡量數值之間實質的差異，例如：價格為100元、200元、300元…等。以下是比例資料的特性：

• 因為等距，所以能夠加減（如：價格200元與價格100元之間差100元）
• 具絕對原點，所以能乘除（如：價格200元/2=價格100元）
• 可降階為名目資料、順序資料與區間資料

          當我們在整理與分析資料時，無論是要對現有資料進行「降階」，或是選擇該採用哪一種適合的統計工具進行分析時，必須先釐清以上的資料類型，才能協助我們進行正確的整理與分析。

羅凱揚（台科大兼任助理教授）、蘇宇暉（台科大管研所博士生）