区间数据及其分析|定义与示例

间隔的数据在相邻值之间具有相等距离的数值尺度上进行测量。这些距离称为“间隔”。

在区间尺度上没有真正的零，这就是它和a的区别比率量表．在区间尺度上，零是任意点，而不是完全不存在变量．

间隔量表的常见例子包括标准化测试，如SAT和心理量表。

测量水平

间隔是四个层次结构中的一个测量水平．测量的级别表示记录数据的精确程度。级别越高，测量就越复杂。

而名义上的而且序数变量是分类变量，区间和比率变量是定量变量。定量数据比分类数据可以进行更多的统计检验。

区间与比率量表

区间和比率尺度在值之间都有相等的间隔。然而,只有比例尺度有一个真正的零，表示完全没有变量。

摄氏度和华氏度就是例子间隔尺度．这些标尺上的每个点与相邻点之间相差恰好一度。20度和21度的差和225度和226度的差是一样的。

然而，这些刻度有任意的零点——零度并不是可能的最低温度。

因为没有真正的零，你不能在区间尺度上乘以或除以分数。30°C不是15°C的两倍热。同样，零下5华氏度也不及零下10华氏度的一半冷。

相反，开尔文温标是a比率量表．在开氏温标中，没有比0 K更冷的温度。因此，开尔文的温度比很有意义:20k的温度是10k的两倍。

校对对你的论文有什么好处?

Scribbr编辑不仅纠正语法和拼写错误，还通过确保你的论文没有模糊的语言、多余的单词和尴尬的措辞来加强你的写作。

参见编辑示例

区间数据的例子

像智力这样的心理学概念经常被量化操作化在测试或库存中。这些测试的分数间隔相等，但它们并没有真正的零分，因为它们不能测量“零智力”或“零性格”。

确定一个刻度是区间还是序数，考虑它是否使用固定测量单位的值，其中任何两点之间的距离都是已知大小。例如:

• 从0(没有疼痛)到10(最可能的疼痛)的疼痛评级量表是间隔。
• 疼痛分级表从无疼痛，轻度疼痛，中度疼痛，剧烈疼痛，到可能的最严重疼痛是有序的。

将您的数据作为间隔数据处理可以提供更强大的功能统计测试待执行。

区间数据分析

要获得数据的概览，您可以首先收集以下内容描述性统计：

• 的频率分布在数字或百分比上，
• 的模式，中位数,或的意思是要找到集中趋势，
• 的范围，标准偏差而且方差表示可变性．

分布

表格和图形可用于组织数据并可视化其分布。

• 表格
• 图

要组织数据，请将其输入到分组频率分布表中。

SAT分数	频率
401 - 600	0
601 - 800	4
801 - 1000	15
1001 - 1200	19
1201 - 1400	16
1401 - 1600	5

要使数据可视化，请将其绘制在频率分布多边形上。在x轴上绘制分组，在y轴上绘制频率，并使用直线连接每个区间的中点。

集中趋势

从你的图表中，你可以看到你的数据是公平的正态分布．因为没有斜，为了找到你的价值所在，你可以使用所有3种常见的衡量标准集中趋势:众数、中位数和平均值。

当你拥有正态分布的定量数据时，平均值通常被认为是集中趋势的最佳度量。这是因为它使用数据集中的每一个值进行计算，而不像众数或中位数。

可变性

范围、标准偏差和方差描述了数据的分布情况。极差是最容易计算的，而标准差和方差比较复杂，但信息量也比较大。

统计测试

现在您已经对数据有了概览，可以选择适当的数据测试用于统计推断。与一个正态分布对于区间数据，参数检验和非参数检验都是可能的。

参数化测试更多统计学上的比非参数检验更能让你对数据做出更有力的结论。但是，您的数据必须满足几个条件需求用于应用参数测试。

下面的参数测试是一些最常用的测试测试假说关于间隔数据。

关于间隔数据的常见问题

测量的四个层次是什么?

测量水平告诉你变量的记录有多精确。有4个等级的测量，可以从低到高的排名:

• 名义上的：数据只能进行分类。
• 序数：可以对数据进行分类和排序。
• 时间间隔：可以对数据进行分类和排序，并均匀间隔。
• 比：数据可以被分类，排序，均匀间隔，并有一个自然的零。

区间数据和比值数据的区别是什么?

而时间间隔而且比数据可以对两者进行分类、排序，并且相邻值之间具有相等的间距，只有比率尺度具有真正的零。

例如，摄氏度或华氏度的温度是间隔刻度，因为0不是可能的最低温度。在开尔文标度(一种比率标度)中，零表示完全缺乏热能。

李克特量表是序数量表还是区间量表?

通常会考虑单独的李克特型问题顺序数据，因为这些项目有明确的等级顺序，但分布不均匀。

整体李克特量表分数有时被视为间隔数据。这些分数被认为是有方向性的，甚至它们之间的间隔。

数据的类型决定内容统计测试你应该用来分析你的数据。