分类变量,也被称为名义变量,是一种变量类型,可以有两个或多个组或类别,可以被分配。变量可以分配到的类别没有顺序。换句话说,类别不能从高到低排列变量是race,它有许多不同的类别,但没有对它们进行排序。 数据表通常用于分...
分类变量,也被称为名义变量,是一种变量类型,可以有两个或多个组或类别,可以被分配。变量可以分配到的类别没有顺序。换句话说,类别不能从高到低排列变量是race,它有许多不同的类别,但没有对它们进行排序。

数据表通常用于分析根据相似性分组的数据确定变量类型的一种方法是定量的还是定性的。定量变量可以被测量并且有一个特定的数值。定量变量的例子包括身高、体重、年龄、薪水、温度,任何不定量的变量都是定性的,或者是一个范畴变量。这些变量在被测量或观察时没有数字意义,包括头发颜色、眼睛颜色、性别、出生城市等分类变量与序数变量相似,因为它们都有特定的类别来描述它们。分类变量和序数变量的区别在于后者具有内在的顺序。例如,调查可能要求受访者将陈述排序为差、好、优。这些都是范畴变量,但有明显的顺序,所以它们实际上是序数变量数据表通常用于分析按类别分组的数据。使用双向数据表,可以测量和比较两个分类变量。例如,可以测量一组个体的头发颜色和性别。观察和记录的分类变量将是这个人是男性还是女性以及他或她的头发是什么颜色,两个变量的每组观察值的数量将根据收集的数据以行和列的形式输入。条形图通常用作分析分类变量数据的图形方法。观察到的数据可以输入原始数字或百分比,这是首选。条形图显示每个组的总数。在上面的示例中,条形图可以表示男性或女性的数量或每个组中的个人数量头发颜色的分类。分段条形图可以提供一种显示观察期间捕获的数量的方法,而不是每个组的直接总数。使用相同的头发颜色和性别数据,分段条形图可以显示每种头发颜色的男性和女性人数。