定类变量
由一组类别组成的，表示一个潜在特性的不同表现的定类尺度。理想状态下，就某个属性而言，分配到某个类别的个体都具有某种同一性。把民主党派和共和党派相混合在“独立党派人士”分类中，将向我们传达关于他们政治行为的错误信息。另外，分类也必须是互斥的(每个个案只能属于一个类别)和完整的。
定类变量的分类可以由调查者根据其需要按任何顺序排列。正如我们看到的，对表1各列的重新排序不会丢失任何信息。相反，定序变量的分类具有某种隐含的次序：他们量度的不仅有性质上的而且有分量上的差异。比如社会地位变量的类别为(低，中，高)，那么它就不能再按别的顺序来组织，如(中，低，高)，否则就有可能丢失某些信息。定类变量和定序变量都属于类别变量，它们之间的差异在于定序变量的尺度包含了组间的次序关系，而定类变量则不具有这种性质。
定类变量量表可以量度真实的离散现象，比如种族或性别，但是在大多数情况它们大概表现了某种量度误差，因为其代表的潜特质或多或少表示某种定量的特质。例如，态度通常不是简单地进行正面地或反面的回答，人们总是保持他们不同程度的赞同倾向。因此，态度可以被认为是一个连续的集合，从坚定的同意到不确定，再到坚定的反对。在态度这个问题上，不能因为量度的难度而把这个潜含的丰富信息模糊化。
特别要注意，类别的数量和性质对于做出正确推理是至关重要的。在社会学和政治学的研究中，一个最大的错误就是将回答混合成很少几个类别。或许是为了方便起见，或许是因为人人如此，对数据进行二分(即把人们归类为成非此即彼)的做法从来都是错误的，不管使用了何种统计技术，粗劣的量度数据肯定会产生错误严重的结论。
因变量与自变量
大多数社会科学家认为一个人的党派认同，通常在其青年期逐渐形成，部分地决定他或她的政治偏好。在这种意义上讲，1980年的选举将由选民的政党派别决定。一个变量，依赖于另一个变量，或者由另一个变量所引起，或者暂时跟随另一个变量的变化而变化，我们称其为“因变量”。顺其自然的，这个原因变量被称为“自变量”。自变量在某一水平上的变化将引起因变量相应的变化，但是反过来，因变量的改变不会对自变量产生影响。
本书描述的一些方法只有当研究者对因变量有清楚的定义时，才可以适用。虽然其他的方法没有对因果依赖关系做出假定，但也应该仔细思考变量间存在的因果关系。把一个变量人为指定为因变量或是自变量，在某些场合是适当的，没有任何公式不允许这么做——但是由此产生的结果却很有可能是错误的。
当然，这些决定只是表现了我们对数据的假设，因为不太可能证明一个变量是另一个变量的原因。
类别的数目
既然定类变量通常被编组成二维或多维的表格(分别如表1和表22)，在这种方式下，每个单元格包含了尽可能多的个案。其后果是：包含许多个零的交叉类别表看起来不那么可靠和有足够的表达力，这是很容易理解的。合并某些类别以提高单元格的频次尽管能够解决这个问题，但是毫无疑问也产生了其他一些问题。这有两个原因：
第一，该定类变量的变异，部分地依赖于该变量的类别数目；在其他变量保持不变的情况下，该变量的类别越多，变异越大。这里，“变异”指个案间的量度差异。如果全部样本都属于一个类别，那么就不存在离差或变异；另一方面，如果它们或多或少分布在几个类别中，那么该变量就存在较大的变异。把人们按党派分成民主党派，共和党派，以及独立党派，比起更为精确的“坚定的民主党派”，是一种较为简单的类别方式，但是存在较少的变异。在回归分析中，变异的数量，特别是自变量的变异数量，部分地影响相关量度值。
第二，合并或减少类别的数目会严重影响观察到的相互关系。例如，假定一个研究者有三个变量，各分成五个类别。为了简化结果的表达，他决定把每个变量都合并成两个类别。然而，在使用相同的变量，样本和同样的统计方法的情况下，从二分数据(dichotomized data)得来的统计分析的结果，将不同于从没有经过合并的变量得到的分析结果。具体研究中，往往会在2×2×2的交叉分类表中发现相关关系，而在5×5×5的交叉分类表中并不存在这种关系。
该教训也相当简单：尽可能的保持原有的类别，在没有充分的理由时，在没有经过证明重新分类不会影响实质性结论时，不要将变量变成二分或者三分变量。
……
展开
