資料的分類

選擇統計方法之前，首先要了解資料的型態。不同型態的資料可以進行的運算不同，適合的摘要方式、圖表與統計方法也會不同。

依資料性質分類#

依照觀察值所表達的意義，資料可以先分為類別資料與數值資料。

類別資料#

類別資料（categorical data），也稱為定性資料（qualitative data），是依照觀察對象的特性分組。資料值代表所屬類別，而不是可以直接進行加減乘除的數量。

• 名目尺度（nominal scale）：類別之間沒有大小或先後順序，例如血型、國籍、物種或治療組別
• 次序尺度（ordinal scale）：類別之間具有順序，但相鄰等級的差距不一定相等，例如疼痛程度、疾病分期或滿意度等級

數值資料#

數值資料（numerical data），也稱為定量資料（quantitative data），是透過計數或測量得到的數量。數值的大小與差距具有實際意義。

• 離散型資料（discrete data）：由計數得到，通常只能取分開的數值，例如住院次數、病例數或子女數
• 連續型資料（continuous data）：由測量得到，在一定範圍內可以取任意精細的數值，例如身高、體重、血壓或體溫

依測量尺度分類#

除了依資料性質分類，也可以依測量尺度區分為名目、次序、區間與比例尺度。這套分類關心的是資料能否排序、差距是否相等，以及零點是否具有絕對意義。

為什麼資料型態很重要？#

資料型態會影響我們如何呈現資料、選擇代表性的統計量，以及使用哪一種統計方法。例如，類別資料常以次數與比例摘要；連續型資料則可能使用平均數、標準差、中位數或四分位距。