前回、データは「質的変数」と「量的変数」の2つに分けられることを学びました。
この2分類は便利ですが、統計検定では、もう一段細かい分類が問われます。
それが「尺度水準」です。データをはかる「ものさしの細かさ」だと考えてください。
質的変数は「名義尺度」と「順序尺度」に、量的変数は「間隔尺度」と「比例尺度」に分かれます。
まずは名義尺度から。血液型のA・B・O・ABは、ただの分類です。
「Aの方がBより上」のような順序はありませんよね。これが名義尺度です。
例：血液型、性別、電話番号。区別するだけで、順序に意味はありません。
次は順序尺度です。5段階の満足度評価（5=満足〜1=不満）は、順序に意味があります。
5の人の方が4の人より満足している、と言えます。これが順序尺度です。
ただし「満足度4と5の差」と「1と2の差」が同じ大きさかは保証されません。間隔は不均等なのです。
例：満足度（5段階）、成績順位、震度。
ここからは量的変数の中の分類です。いちばん混乱しやすいポイントなので、ゆっくりいきましょう。
間隔尺度と比例尺度のちがいは、「0に絶対的な意味があるか」です。
気温（摂氏）の0℃は、温度が「ない」ことを意味しません。ただの基準点です。
だから「20℃は10℃の2倍暖かい」とは言えません。これが間隔尺度です。
例：気温（摂氏）、西暦、知能指数。等間隔だけれど、0はただの基準点です。
対して、身長0cmは「身長がない」ことを意味します。
だから「160cmは80cmの2倍」と言えます。これが比例尺度です。
売上金額、体重、人数、所要時間など、私たちが業務で扱う数値の多くは比例尺度です。
さえ「昨日より2度低い」とは言うけど、「気温20℃は10℃の2倍あたたかい」とは言わないよね。
さえ身のまわりのデータが、どの尺度に当てはまるか探してみよう！
最後にポイントです。尺度水準が「名義→順序→間隔→比例」と上がるほど、扱える計算が増えます。
つまり、データから得られる情報量が多くなる、ということです。
比例尺度なら平均も比率も自由に計算できますが、名義尺度では「最頻値」くらいしか意味がありません。
次回は、量的変数をさらに分ける「離散変数」と「連続変数」を学びます。お楽しみに。
