目录:
本文将分解一些定量分析的基本术语。
6689062，CC0，通过PID
定性和定量统计分析对希望制定有效营销策略的企业或组织非常有帮助。但是，了解定性和定量统计数据及其工具可能会非常令人困惑。本文力求使与定量分析相关的基本术语有意义。
变数
变量是对象或事件的可观察特征，可以根据一些明确定义的分类或测量方案进行描述。
在行为或社会科学研究中研究的变量示例包括：性别，收入，教育程度，社会阶层，组织生产力，任务定向，回忆记忆，识别记忆和成就（Kerlinger&Lee，2001）。
独立和因变量
一个独立变量是由研究人员操纵的一种现象，预计会影响其他现象（Williams&Monge，2001）。自变量的一个例子是教学方法，药物治疗或培训方案。
因变量是受研究人员对另一种现象的操纵影响的一种现象。例如，成就是指教学方法的效果，是否可以治愈药物的效果以及是否具有更高的技能水平（达到）训练方案的效果。
假设教育研究人员想知道某种教学风格如何影响课堂学习，并通过在应用教学风格之前对学生进行预测试，然后在之后对这些学生进行重新测试来衡量差异。自变量将是新的教学方法（原因），因变量将是结果考试成绩或结果或效果）。
活动变量和属性变量
Kerlinger和Lee在活动变量和属性变量之间做了另一个区分。
活动变量是可以操纵的变量。活动变量也称为实验变量。此类变量的示例是教学方法，培训方案等，可以对其进行更改以衡量其对现象的影响。
属性变量是无法操纵的变量。属性变量的示例是性别，种族，心理状况和/或任何固有的或预先编程的且无法更改的特征。
分类变量和连续变量
第三对重要变量是分类变量和连续变量（Kerlinger和Lee）。
分类变量本质上属于一种称为名义和人口统计的度量。这意味着它们用于分类为互斥类别的目的。因此，他们没有职等，因此处于同等地位，例如性别，年龄，种族，宗教偏爱和政治派别。
连续变量是在一定范围内具有有序值意义的变量，理论上该范围内的值是无穷多个。这种变量的一个例子是智力，可以根据成就测验的分数将其指定为高，中或低。
统计分析中的量表
在统计分析中，有四个基本测量级别。
名义规模
名义规模是统计测量的最弱形式。研究人员使用名义量表对观察进行分类，而无意按重要程度对结果进行排序或排名。这样的观察包括突出眼睛，种族，宗教，国籍等的颜色。
序数表
序数标度包含标称标度，但试图以“大于”或“小于”对响应进行排名。例如，可以设计一份调查问卷，以了解成年人使用诸如Facebook之类的社交媒体的乐趣，或者可以按照排名顺序列出赛马的结果。
标称和序贯的度量标准都主要用于定性分析。
区间和比例量表
统计测量的第三种形式是间隔量表。区间和比例标度的第一个特征是，根据已知且相等的区间来处理显着性水平。这些水平或规模的第二个特征是它们本质上是定量的。此外，一些或所有算术运算可以应用于它们。
有效性和可靠性
弗雷德里克·威廉姆斯（Frederick Williams）和彼得·蒙格（Peter Monge）（2001）在《 统计推理》中 指出：
换句话说，总是有可能所选择的方法确实会导致统计上的疯狂。为了确保特定统计分析的结果，未来的研究人员必须考虑有效性和可靠性的概念。
有效期
行为或社会科学研究的有效性表明了量表衡量研究人员声称自己衡量的程度。 Williams&Monge指出：“有效性问题是研究人员定义为现象特征的事物与他或她用度量语言报告的事物之间的'契合度'问题”（第29页）。
例如，有效性的概念可能会问这样一个问题：“考试的成就分数在多大程度上与某个学科知识的保存有关？” 在一个荒谬的极端中，如果教师想知道自己的学生从数学课本的第5部分中学到了多少东西，而她对美国历史课本的第4部分进行了考试，就会违反有效性概念。同样，如果社会科学研究员通过进行性格测验来衡量对领导风格的看法，那她将是不对的。
可靠性
行为科学研究的可靠性是指测量的内部和外部一致性。可靠性试图知道，如果在完全相同的条件下使用，所选的测量工具是否会产生相同的结果。