~ There are four measurement scales (or types of data): nominal, ordinal, interval and ratio.
有四种测量尺度(或数据类型):标称尺度、序数尺度、区间尺度和比值尺度。
nominal尺度是没有定量值的,如下表示
ordinal 尺度比nominal更进一步,他可以进行顺序性的初步测量,如下所示
interval 数据又进一步,使比较可以按照间隔刻度来度量,其中增量是已知的、一致的和可度量的。
区间尺度很好，因为对这些数据集进行统计分析的领域打开了。例如，集中趋势可以用模式、中位数或平均数来衡量;标准差也可以计算出来。
这是区间尺度的问题:它们没有“真正的零”。例如，没有“没有温度”这回事。没有一个真正的零，就不可能计算比率。对于区间数据，我们可以加和减，但不能乘或除。困惑吗?10度+ 10度= 20度。没有问题。然而，20度并不比10度热两倍，因为在摄氏温标上根本就没有“无温度”一说。我希望这是有道理的。总之，区间尺度很好，但是我们不能计算比率，这就把我们带到了最后一个度量尺度
ratio尺度:
比率量表是测量量表的终极极乐世界，因为它们告诉我们顺序，告诉我们单位之间的精确值，而且它们也有一个绝对的零，这允许使用广泛的描述性和推断统计学。以上关于区间数据的所有内容都适用于比率尺度+比率尺度对零有明确的定义。比率变量的好例子包括身高和体重。
当涉及到统计分析时，比率量表提供了大量的可能性。这些变量可以有意义地增加、减少、乘、除(比)。集中趋势可以用模式、中位数或平均数来衡量;分散度的度量，例如标准差和变异系数也可以从比率尺度计算出来。
参考网址:
数据尺度的四种类型:
https://www.mymarketresearchmethods.com/types-of-data-nominal-ordinal-interval-ratio/