二 变量

一手数据的收集过程，就是研究人员利用一定的测量工具（如问卷），对每个个体的特征进行度量的过程。就同一个特征来讲，对于不同的个体，其度量值会有所差异。这种由可变化的数据构成的、用来描述个体特征的标志称为变量（Variable）。表1—1中的编号、省份、地区、性别、年龄等8个标志均为变量。

（一）定性变量与定量变量

根据构成数据（变量值）的性质，变量可分为定性变量（Qualitative Variable）和定量变量（Quantitative Variable）。前者由定性数据构成，其主要功能是对个体进行分类；后者由定量数据构成，其主要功能是进行数学运算。表1—1中，编号、省份、地区、性别、学历、职业6个变量为定性变量，年龄、月收入为定量变量。

定量变量又可依据数据形式，进一步细分为两类：由一系列的整数构成的定量变量，称为离散型变量（Discrete Variable）；可在一定区间内任意取值的定量变量，称为连续型变量（Continuous Variable）。例如，游客人数、客房数量等变量为离散型变量，而年龄、月收入、就餐时间等变量为连续型变量。区别两类变量的一种简单方法是：从变量值中取两个相邻的整数，在其中间插入任一数值，看该数值是否有意义。如有意义，则此变量为连续型，反之则为离散型。

（二）自变量与因变量

根据变量之间的因果关系，可将其分为两类：作为原因的自变量（Independent Variable，常记为x）和作为结果的因变量（Dependent Variable，常记为y）。若x与y存在因果关系，则x值发生变化，必然引起y值的变化；反之，y值的变化不会对x值的变化产生任何影响。例如，性别、学历、职业、年龄等变量可作为自变量，而月收入等变量可作为因变量。

（三）变量的测量尺度

在对个体特征进行测量时，对于不同的变量，应该使用不同的测量尺度（所使用的测量工具拥有不同性质的刻度）。一般来讲，可将测量尺度分为定类、定序和定距三个层次。

定类尺度（Nominal Measure）是最低层次的测量尺度，利用此尺度测量所得到的变量值，仅可用来对个体进行分类（或分组）。如表1—4所示，对个体的性别特征进行测量时，应使用定类尺度（测量工具只有“男”“女”两个刻度），变量值（或刻度）只具有分类功能，将所有个体分为男、女两组。

定序尺度（Ordinal Measure）是较高层次的测量尺度，利用此尺度测量所得到的变量值，不仅可用来对个体进行分类，而且可对个体及类别进行排序。如表1—4所示，对个体的学历特征进行测量时，应使用定序尺度（测量工具有“初中及以下”“高中/中专”“大专”“本科”“研究生”5个刻度），变量值（或刻度）将所有个体分为5组，而且各组之间在学历层次上存在着高低顺序的差异。

定距尺度（Scale Measure）是最高层次的测量尺度，利用此尺度测量所得到的变量值，不仅可用来对个体进行分类、排序，而且变量值之间能够进行相互运算。如表1—4所示，对个体的月收入进行测量时，应使用定距尺度（测量工具包含一系列的数字刻度），得到的变量值（或刻度）可依据一定的规则，将所有个体分为若干个小组，且各组之间在月收入方面存在着高低顺序的差异。更为重要的是，不同个体之间的月收入可以进行运算。例如，一名游客的月收入为3000元，另一名游客的月收入为2000元，则两名游客月收入的差距可通过两个数值相减得到，为1000元。

表1—4 不同变量的测量尺度

通常来讲，对于定性变量，测量时应选择使用定类尺度或定序尺度；对于定量变量，测量时应选择定距尺度。