阿摩線上測驗
下列何種資料是屬於比率尺度（ratio scale）?
(A)身高
(B)名次
(C)溫度
(D)血型。
答案：登入後查看
統計： A(7643), B(605), C(2575), D(129), E(0) #431622
統計： A(7643), B(605), C(2575), D(129), E(0) #431622
詳解 (共 10 筆)
Paoyin Lee
#683112
名義：性別、職業類別...
順序：名次
等距：溫度、智商...
比率：有絕對零點的特性，如：長度
290
4
Cathy Huang
#820860
等距：（無絕對零點）零存在------溫度零度（存在）
比率：（有絕對零點）零不存在---身高零公分、薪水零元（不存在）
103
3
Katherine Lin
#689701
絕對零點
代表一個量尺起點的參照點，且在此參照點之下是不存在且沒意義的。
例如:重量、長度都可用0為起點，負值是不存在的。但是攝氏或華氏溫度和分數的0點都是依使用上的便利，由人為設定的，0以下的數值仍有其意義。
這樣就清楚多了
資料來源http://www.twpsytest.com/moodle/mod/glossary/showentry.php?courseid=1&concept=absolute+zero
53
0
Paoyin Lee
#683117
比率變項最重要的條件是要有絕對零點（absolute zero），亦即所使用的數量須代表從自然原點（natural origin）開始起算的一段距離。比率變項可以加減，亦能乘除。
44
0
美萱
#1242133
比率有絕對零點
(A)身高 (比率，可加減乘除)
(B)名次 (次序)
(C)溫度 溫度0度→不代表沒有溫度
(D)血型 (名義，無法比較)
(A)身高 (比率，可加減乘除)
(B)名次 (次序)
(C)溫度 溫度0度→不代表沒有溫度
(D)血型 (名義，無法比較)
43
0
吳蕙君
#1099341
比率的英文= Ratio有 "o" 所以是絕對"零"點
ex:身高不會有負的
ex:身高不會有負的
39
1
葉建明
#834590
一般在蒐集資訊之後，為了將所蒐集的資訊進一步量化與處理上方便之因素，我們將資料「數字化」，以作為後續比較與計算的基礎，然而在量化後得到的資料又可分為四種型態，分別為類別尺度、順序尺度、區間尺度及比例尺度等。以名目尺度或順序尺度檢測定性資料；以區間尺度或比率尺度檢測定量資料。
（一）類別尺度（Nominal scale）
又稱名義尺度，使用數字來分辨事物不同的性質或分類，目的僅在說明事物性質間的差異，數字並不代表性質或類別之間的差異大小或形式。如用0、1 代表男性、女性，此時0 與1 之間的目的是為了要區分性別，並不包含特殊的數字意義。又如職業、地區等變數在經過量化後，其中數字僅作為區分類別之用，並無特殊意義。
（二）順序尺度（Ordinal scale）
順序尺度的資料除了可以區分類別之外，尚具備順序的概念，如名次、滿意度、等級等。在這一類的資料中，我們除了可以區分不同類別的資料，也可對於資料進行排序，例如我們可以知道第一名跟第二名之間的差異，除了類別之外，尚有順序的差別。
以上兩種尺度（名義尺度、順序尺度），一般稱為初級測量尺度，兩者差異之處在於有順序的存在。
（三）區間尺度（Interval scale）
在上述的資料尺度中，我們除了瞭解第一名優於第二名，兩者間具有「等級」的概念，但並不知道第一名優於第二名多少，兩者的差距並無法作為衡量與比較的基礎。因此如果在資料尺度中加上差距的標準，如智商、溫度等，則150C 高於100C，兩者差了50C。兩者之間除了順
序的概念之外，並具有相等單位的特性，可衡量之間差異的程度。
（四）比例尺度（Ratio scale）
在區間尺度的資料中，可以瞭解資料間差異的概念，若再加上「倍數」的概念，則就成了比例尺度，例如商品的價格、成交量、報酬率等。我們除了可以說明某甲的身高高於某乙幾公分以外，更可比較兩人身高差異的倍數。在比例尺度中，0 是具有意義的，其所代表的意義為
計算的基礎，即表示變數計算距離時，是以自然原點（natural origin）起算；而在區間尺度中，0 僅為區分的標準，並不具備特殊意義。
以上兩種尺度（區間尺度、比例尺度）又稱高級測量尺度。通常越高層次的資料越不容易獲得，在處理上高尺度的資料可以降階處理，而低尺度的資料則不適合使用處理高尺度資料的方法，這是在資料分析時需要特別注意之處。一般而言，雖然我們可以透過統計套裝軟體處理
複雜的計算過程，得到結果，解釋上也與直覺相符，但若不瞭解資料的基本特性，則很可能發生錯誤的推論，更甚至造成錯誤的決策，這是在分析資料時需要特別注意。
以上資料參考台灣金融研訓院。
（一）類別尺度（Nominal scale）
又稱名義尺度，使用數字來分辨事物不同的性質或分類，目的僅在說明事物性質間的差異，數字並不代表性質或類別之間的差異大小或形式。如用0、1 代表男性、女性，此時0 與1 之間的目的是為了要區分性別，並不包含特殊的數字意義。又如職業、地區等變數在經過量化後，其中數字僅作為區分類別之用，並無特殊意義。
（二）順序尺度（Ordinal scale）
順序尺度的資料除了可以區分類別之外，尚具備順序的概念，如名次、滿意度、等級等。在這一類的資料中，我們除了可以區分不同類別的資料，也可對於資料進行排序，例如我們可以知道第一名跟第二名之間的差異，除了類別之外，尚有順序的差別。
以上兩種尺度（名義尺度、順序尺度），一般稱為初級測量尺度，兩者差異之處在於有順序的存在。
（三）區間尺度（Interval scale）
在上述的資料尺度中，我們除了瞭解第一名優於第二名，兩者間具有「等級」的概念，但並不知道第一名優於第二名多少，兩者的差距並無法作為衡量與比較的基礎。因此如果在資料尺度中加上差距的標準，如智商、溫度等，則150C 高於100C，兩者差了50C。兩者之間除了順
序的概念之外，並具有相等單位的特性，可衡量之間差異的程度。
（四）比例尺度（Ratio scale）
在區間尺度的資料中，可以瞭解資料間差異的概念，若再加上「倍數」的概念，則就成了比例尺度，例如商品的價格、成交量、報酬率等。我們除了可以說明某甲的身高高於某乙幾公分以外，更可比較兩人身高差異的倍數。在比例尺度中，0 是具有意義的，其所代表的意義為
計算的基礎，即表示變數計算距離時，是以自然原點（natural origin）起算；而在區間尺度中，0 僅為區分的標準，並不具備特殊意義。
以上兩種尺度（區間尺度、比例尺度）又稱高級測量尺度。通常越高層次的資料越不容易獲得，在處理上高尺度的資料可以降階處理，而低尺度的資料則不適合使用處理高尺度資料的方法，這是在資料分析時需要特別注意之處。一般而言，雖然我們可以透過統計套裝軟體處理
複雜的計算過程，得到結果，解釋上也與直覺相符，但若不瞭解資料的基本特性，則很可能發生錯誤的推論，更甚至造成錯誤的決策，這是在分析資料時需要特別注意。
以上資料參考台灣金融研訓院。
28
0
Jie Yang
#682769
B-順序量尺
C-等距量尺
D-名義量尺
17
5
謝原
#789593
但以身高來說，身高沒有0的情形能出現~
誰身高能為0呢?
誰身高能為0呢?
6
0
高健哲
#763017
記得自然科學裡面溫度是有絕對零點的。K=0
但是教師甄試裡面好像都會把它當等距。^^
絕對零度被定義為0K及−273.15°C。在該溫度下，所有經典分子運動都會停止，處於經典模型下的完全靜止狀態。
2
0