为什么要区分数据类型？
我发表一条暴论：任何试图区分事物间特点的行为，并不真的只是想知道差异如何，最终的目的应当是理解差异之后，找到应对差异的方法。
这就像做 MBTI 一样。知道自己是什么样的人格类型只是第一步，你希望的是能利用这个类型解释自己日常的行为习惯，理性且善意地看待自己做得不够好或一直尝试都没能成功的事情，认识和你更合拍的人，或者让自己向着某个方向改变。
换句话说，认识自己是为了对自己因材施教，如果不能进入到这个层面，区分差异就变成了贴标签，不会对我们有任何帮助。
区分数据类型也是一样。
不同的数据类型就像不同的人格特质，它们有着不同的特点和数学运算特征，也要用不一样的方法和公式来运算。所以，诸多统计方法是针对不同数据类型发展而来，区分数据类型的意义是选择最恰当的统计方法。
课本只用了不长的篇幅来介绍数据类型，且只是一些文字内容，这导致它看起来不像是个重点。
但从你进入到「相关关系」这一章开始，一下子出现的各种统计方法目不暇接，看得头大，越往后翻出现的公式就越多。
题目往往考你某数据要用什么相关或统计方法，如果每次都要仔细考虑很久，翻很多次数也搞不清它们的区别，那么可能是你没有从区分数据类型的角度来记忆。
数据类型的学习上有哪些坑？
如果你已经深刻知晓了，区分数据类型对于接下来的学习是非常重要的，那你就完成了50%的任务，剩下的工作就是记住不同数据类型的名字，这部分不难，因为总共数据类型也没几种，少则2种，多则4种罢了。我们放在下一 part 来讲。
我想跟你分享几个不是很重要，但不知道就会让学习很难受的地方。
1、数据和变量的混用。
学了一段时间之后，这种混用可能会下意识地出现：脑子里想的是等级数据，说出来却是等级变量。比如，等级数据和等级变量。
混用其实不影响沟通、理解和处理数据，但初学者会觉得很难受。尤其是上一道题写的还是等级数据，下一道题就变成了等级变量，可能你马上要翻翻书，确认一下到底是数据还是变量。
没关系的，是变量还是数据都可以，重点在前面，是等级还是称名，是有序还是无序。
2、翻译导致的学习困难。
很多看起来不太一样的文字描述，可能只是翻译的原因。
数据类型没有那么多，但你看几本课本，可能会发现作者用了完全不一样的中文描述。
是翻译的锅，而且这种不适感会存在于整个统计学的学习中，你会持续看到很多难以从字面意义和过去的经验中理解的中文，比如，正态分布、置信区间、极大似然估计等等，直到你把这些词刻在大脑里达到随取随用的程度。
知道这一点会让脑子里混乱的系统清晰一些，当你看到出题或课本又用了新的名字，不是你学漏了，冷静下来回想你现在脑子里的中文，再看看试卷上的，都是马甲和小号罢了。
所以，区分数据类型也是记住核心差异就好。应用统计学都是实用学科，对文字游戏不感兴趣，我们也要勇于透过汉字看本质。
（之后有新的坑会再来补充）
有哪些数据类型？
（点击展开大图）
1.区分标准
个人感觉，课本上讲的区分标准本身就很难理解，如测量尺度、测量水平，仍然是「怎么理解都可以，但怎么都理解不了的中文」，所以我补充了比较好理解的区分标准。
关于区分标准没必要非常准确地背诵某位作者的原文，理解差异才是最重要的。更何况数据类型之间的差异已经明显到二分了，也就是非此即彼的程度，背诵区分标准的意义也不大啦。
2.绝对零点
这个词自带的理科气质有点吓人。所谓绝对零点，就是量表上标着0的地方，表示所要测量的属性是无。
「无」是在自然界的层次讨论的，不是尺子不够长或零点不够低的层次。所以，在绝对零之下不存在任何数值，负值是取不到的，也是无意义的。
有绝对零点的是比率数据；无绝对零点的是等距数据。
身高取0时，身高属性消失了，所以身高是比率数据；
摄氏温度取0时，仍然存在温度（0摄氏度），温度没有消失，所以温度是等距数据。
智力量表测量的是人的智力高低，智力量表得分为0时，人仍然存在智力，只不过相对得分高的人，智力水平较低
对于不存在绝对零点的等距数据，它的零点是「相对零点」，也就是人为规定的零点。
比如，身高的绝对零点是地面（0cm）。但你也可以规定，零点为距离水平面 110cm 的地方。在这个相对零点下，身高仍然可以测量，只是每个人的身高都是（绝对零点下的身高-110）cm。
使用相对零点时，两个数值间的差异是有意义的，或者说仍然是正确的。
如我的身高170cm，妹妹的身高160cm。在110cm的人为零点下，我和妹妹的身高差还是10cm，不论人为零点变成130cm还是-130cm，差值永远不变。所以等距数据可以做加减法。
但我和妹妹身高的倍数无意义。
原本我的身高是妹妹的1.0625倍，但110cm零点下，我的身高是妹妹的1.2倍，倍数会随着人为零点的改变而改变。
所以，等距数据不存在xx是xx的几倍这样的描述，比如「三点是一点的3倍」，「20度是10度的两倍」，都是不对的。
但这不意味着，温度完全不能用倍数描述。只不过不是摄氏度和华氏度单位下，温度都是等距数据罢了。这涉及到了温度的物理定义，感兴趣的话可以读：为什么不能说 20℃ 是 10℃ 的两倍？
（关于当你在统计上想刨根问底的时候，有时候会跑到了物理和数学的领地里这件事。）
总结一下。对于客观量，等距尺度下倍数不适用，可以理解为违背了客观量的定义，毕竟客观量的定义已经暗含了绝对零点是什么，如果你要改变绝对零点，那倍数自然也不成立了。
而对于大部分心理测量工具得到的心理量，如自尊、生活满意度、焦虑程度等，我们无法知道这些量的零点在哪里，它们不存在于物理世界中。因此我们只能设计出相对零点，为的是能够研究它们。