测量的尺度

二、测量的尺度

在媒介调查研究中，我们可以通过操作化的过程把抽象概念转换成可操作层次的变量。然后通过对变量进行直观的、具体的测量，来探求反映事物本质概念之间的联系。

然而，作为可以取两个或两个以上值的变量来说，它有质的差异和量的不同，有取值离散和连续的区别；同时，根据被测量变量所具有的不同数学性质，对变量的测量也有不同的尺度。

（一）变量与变量的值

在媒介调查中，任何我们想要了解的信息都需要通过操作化定义转化为可以直接用来提问的问答题——提问的过程就是测量的过程。每一个问答题都是和要测量的变量相对应的，有的对应着一个变量，有的对应着几个变量；而某被访者对该问答题的答案或观测结果就是变量对应于该个体的取值，所有被访者的回答就构成了该变量的全部取值。例如“请问您昨天看了多长时间（分钟）的报纸？”就对应着“读报时间”这个变量；某位被访者回答“看了30分钟”，那么30就是“读报时间”这个变量对应于该被访者的取值。而所有的被访者对该变量的取值可能是0～1440分钟之间的任何一个数，所以该变量的取值范围是0～1440。

（二）变量的测量尺度

根据所提问答题的内容和性质的不同，变量的类型是不同的。媒介调查中，一般可将变量划分为四种测量尺度：定类尺度、定序尺度、定距尺度和定比尺度。

1.定类尺度

定类尺度也称类别尺度、名义尺度。定类尺度是测量层次中最低的一种，它实质上是一种分类体系。定类尺度只能将调查对象按事先规定的类别进行分类，以确定该调查对象的属性是属于哪种类别的。例如，性别、职业、民族、婚姻状况等变量，都是按照事物的性质和类别来区分的。定类尺度的变量取值可以是表示类别的文字，也可以是按照一定法则分派的数字代码，如用“1”代表男性，用“2”代表女性；用“1”代表工人，用“2”代表农民，用“3”代表军人，用“4”代表知识分子等，但这些数字都是人们赋予某类事物的识别标志，并不反映这些事物本身的数量状况，不能作加、减、乘、除等数学运算，而只能作“是”或“否”这样一些回答。但这种分类也是一切测量的基础。

2.定序尺度

定序尺度也称等级尺度、顺序尺度。定序尺度的取值可以按照某种逻辑顺序将调查对象排列出高低或大小，确定其等级及次序。例如，对人们经济地位和文化程度（以学历作为测量标准时）的测量，对人们对某一事物、某种服务的满意程度（分为很满意、比较满意、一般、不满意、很不满意）的测量，等等，都是定序尺度的测量。定序尺度的变量取值可以是表示顺序的文字，但一般都是用排序或排名次的数字形式来表示。定序尺度不仅能区分事物的类别，而且所分配的数字本身能反映被调查对象在高低、大小、先后、强弱等序列上的差异，它的数学特性比定类尺度高一个层次。也就是说，它不仅能区别异同，而且能确定其大小，可用数学符号“＞”或“＜”来表示。

定序尺度的变量值可以指出被访者在排序时的相对位置，但不能判断这些相对位置之间的绝对距离。例如作为测量个人月收入的一种方法，可以事先把变量的取值范围限定为：

①800元以下

②801元～1500元

③1501元～3000元

④3001元～5000元

⑤5000元以上

这是一种定序尺度的测量，如果被访者1的取值是“3”、被访者2的取值是“2”，可以说被访者1比被访者2的个人月收入高，因为3＞2，但究竟高出多少元是不知道的。

3.定距尺度

定距尺度也称等距尺度、区间尺度。定距尺度不仅能将变量区分为类别和等级，而且可以确定变量之间的数量差别和间隔距离。如人的智商和温度的测量等都是定距测量。定距尺度的每一间隔是相等的，由于有了相等的量度单位，就引入了数量变化的概念，如去年夏天的日平均温度是33摄氏度，今年夏天的日平均温度是35摄氏度，35-33＝2，于是可以说今年夏天的日平均温度比去年夏天的日平均温度高2摄氏度。因此，定距尺度才开始真正显示了事物在数量方面的差异。

在定距尺度中，不仅可排列出被访者的测量等级（如定序尺度那样），而且也可说明某一等级高出另一等级多少单位。但是，定距尺度没有绝对的零点，因此，这一测量类型所得出的数据只能作加减，而不能作乘除等运算。例如，温度计的零度并不说明没有温度，也不能说20度比10度的天气热一倍，而只能说10度比10度高10度。

定距尺度的零点是任意选取的，例如测量温度时的华氏温度和摄氏温度就是一个很好的例子。

4.定比尺度

定比尺度也称比例尺度、等比尺度。定比尺度除具有上述三种尺度的全部性质之外，还具有一个共同的基准——有实际意义的零点（绝对零点），所以它所测得的数据，既能作加减运算，又能作乘除运算。例如身高、年龄、增长率、市场占有率、发行量、收视率、千人成本等都是定比尺度。是否具有实际意义的零点是定比尺度与定距尺度的惟一区别。年龄有绝对零点（零是非任意的），人体重的零点也不是任意设定的，因而年龄和体重都是定比尺度。与定距尺度相比，定比尺度更有利于反映变量之间的比例或比率关系，这种关系一般可以用倍数或比率来表示。

5.四种测量尺度的比较

四种类型测量尺度的基本特征及其比较如表1—2所示。

表1—2　　　四种测量尺度的比较

由于不同的测量尺度具有不同的数学性质，所以在资料整理和统计分析中，将采用不同的统计方法。特定的分析技术适用于特定的测量尺度。对定类尺度测量的统计，主要是计算落入每一类的被访者人数（个数）及其所占的比例（称为频数分析），以及与其他定类尺度测量间的交互分析等；对定序尺度测量的统计，除了频数分析和交互分析以外，还可以计算中位数、百分位数等；对定距尺度测量的统计，除了适用于定类尺度和定序尺度的所有方法之外，还可以计算算术平均数、标准差、相关系数等统计量，只要不涉及比值的计算，几乎所有的统计方法都可用于定距尺度测量的分析；所有的统计方法，都适用于定比尺度的测量。

6.不同测量尺度的转换

对于有些变量（如年龄、收入）可按多种测量尺度进行测量。例如对收入的测量方法有：

（1）您的税前个人月收入是否大于2000元？

①是　②否

（2）您的税前个人月收入在下列哪一个收入段内？

①800元以下

②801元～1500元

③1501元～3000元

④3001元～5000元

⑤5000元以上

（3）您的税前个人月收入是（　　　）元？

如果按第（3）种测量尺度——定比尺度测量，假定某被访者回答4000元。若统计分析需要，研究者可以很容易将4000元转换为第（2）种测量尺度——定序尺度中的取值④以及第（1）种测量尺度——定类尺度中的取值①。反之，如果一开始按第（1）种测量尺度进行，某被访者取值是①，就无法转换为第（2）种和第（3）种测量尺度中的相应取值。

从这个例子可以看出，对于单个变量，高级别的测量尺度可转换为低级别的测量尺度，反之则不成立。这给我们的启示是，在媒介调查的测量设计中，如果变量可以有多种测量尺度，尽可能采用高级别的测量，如果统计分析需要低级别的测量，可以根据需要转换。

（三）测量的量度原则

不论是何种变量，也不论是哪种测量尺度，它的量度都必须具有完备性和互斥性。所谓完备性，就是说用这种尺度去测量某一变量时，对这一变量中所包括的各种情况都能进行测量。所谓互斥性，就是说变量中所包括的各种情况，在这种尺度下也是互相排斥的不同值。例如，我们在用定类尺度测量职业时，如果设定测量的分类法则是：

（1）工人。

（2）销售人员。

（3）技术人员。

（4）服务业人员。

（5）企业管理人员。

（6）运输行业人员。

（7）公务员。

（8）教育工作者。

（9）学生。

（10）文艺工作者。

（11）医务工作者。

（12）军人/警察。

（13）个体经营者。

（14）农林牧渔劳动者。

（15）自由职业者。

（16）下岗人员。

如果某被访对象是退休人员，则在这个测量分类中找不到他的合适类别，那么该量度就不具完备性；如果另一位被访对象是下岗后自行经营食品店，那么，在该分类法则中他既属于（4）服务业人员、又属于（13）个体经营者、又属于（16）下岗人员，这个量度也同时不具备互斥性。这样的测量是混乱的和无意义的，必须要重新定义分类法则。

（四）离散变量和连续变量

媒介调查常用到的变量可根据其连续性分为两种类型：离散变量和连续变量。

离散变量的取值范围是一组有限的数值，这些数值不能再分割。例如，家庭人口数就是离散变量，它的取值只能是1、2、3、…、n（n并不是未知的，可以查阅人口统计资料确定），而介于两个取值之间的数如1.5、2.8对这个变量来说都是无意义的。也就是说，如果把这些取值标注在数轴上时，它们表现为一系列不连续的点。

连续变量的取值可以是一定数值范围内的任何一个数值，而且任何两个数值之间的任何数值都是有意义的，例如时间、身高、重量、收入等变量。如果测量工具足够精确，可以精确地测出被访者A某天花在看电视上的时间是3.122457小时，而B花了2.785915小时，如果测量工具更加精确，仍可以更加细分。而对于“家庭人口数”这个离散变量，如果要计算“平均的家庭人口数”，也是个连续变量，因为平均家庭人口数是4.25人的说法是合理的。

以定类尺度测量的变量均属于离散变量；以定序尺度测量的变量一般也是离散变量，在测量人们态度的时候，常常用5代表非常同意、4代表比较同意、3代表一般、2代表比较不同意、1代表非常不同意，这个变量看起来似乎是连续的，但如果我们把这个测量变得越来越精细时，例如取值范围变为1～100或者更大，用来表示态度的得分就不可能是82.54321这样的数值，因此它的取值仍然是受限的，仍然是离散变量，但如果计算态度的平均值，平均值就是一个连续变量。

以定距或定比尺度测量的变量可能是离散的（如家庭订阅的杂志数目），也可能是连续的（如每天读杂志花费的分钟数）。在媒介调查中，多数的测量趋向于使用连续变量。