（一）定量研究所获得的数据类型

无论是采用观察、调查、测验还是实验的方法收集到的研究数据，甚至是直接使用的现成数据（如来自统计年鉴等），在选择分析方法时，都必须先了解其类型。

1.计数数据和测量数据

这是根据数据的来源进行的分类。

所谓计数数据是指通过点数个数来获得变量的数量的数据，如研究中研究对象的性别，我们只能够点数男性或女性研究对象的个数，而“男”或“女”本身并不具有数量属性，通常数据录入时用“1”“2”分别代表“男”“女”，这里的数字只具有指代的意义。因此，计数数据也被称作类别数据、称名数据。教育研究中涉及的很多人口统计学变量，如性别、是否独生子女、地域、学校类型、科目等，都属于类别数据。另外，在一些调查研究中，问卷中的调查条目也有很多属于类别变量[1]。例如，在研究农村儿童受教育情况的调查中，有如下条目：

“你为什么没有上学：A 自己不想上 B 父母不让上 C 没有学校接收”

在上述调查条目中，要求被调查者从中选择一个适合自己情况的选项，条目所附的三个选项代表了三种不同的原因，这些原因都有其自身的意义，但却不具有量化的属性。数据录入时根据被调查者的选择分别用“1”“2”“3”代表“A”“B”“C”三个选项，这里的数字只具有指代意义，代表三种不同性质的选项，该条目对应的变量就是一个称名变量。

测量数据是指按照一定的标准通过一定的工具而获得的数据。测量有两个要素，即参照点与单位。测量时的参照点有绝对参照点（绝对起点）和相对参照点（相对起点）两种。单位也有两种：相等单位（任意两点之间可以无穷细分）和不等单位（任意两点之间只有有限个数）。根据参照点与单位的不同，测量数据又可分为顺序数据、等距数据和等比数据。

顺序数据也叫等级数据，像学生的成绩排名、竞赛中的名次、对教师的喜爱程度等，都属于顺序数据。顺序数据是没有绝对参照点也没有相等单位的数据。比如，同一个学生的成绩，因为排名时参照点不同，其在班级内、年级内、地区内的排名很可能各不相同。顺序数据也没有相等单位，因此任意相邻的两个数据之间并不代表相同的差异，假如某班级最高的4个成绩分别是95，94，90，83，其对应的4个学生的名次依次为1，2，3，4，但第1名和第2名之间的差距与第3名和第4名之间的差距并不一样。顺序数据仅具有量的大小的含义，只可做大小高低的比较。

等距数据是指没有绝对参照点但有相等单位的数据，如学生的考试成绩、心理能力的分数、摄氏温度等。仍然以学生的成绩为例，在以100分为满分的测验中，学生的成绩是以其在该测验上正确回答问题的量决定的，0分代表全部回答错误，但这个参照点只是一个相对的参照点，0分并不意味着该学生对应的能力为零。同时，成绩是有相等单位的，通常我们以1分为记分单位，但如果需要，我们也可以以0.1分或10分为记分单位。等距数据所包含的数量信息更多，也能进行更多的数学运算。

等比数据，也叫比例数据、比率数据，是指既有绝对参照点又有相等单位的数据，如长度、重量、反应时间、开氏温度等。以开氏温度为例，开氏温度的零度是摄氏温度的-273度，那是目前能够测到的最低温度，那个零度是一个绝对的起点；相应地，我们知道摄氏温度的0度并不代表没有温度，只是一个相对的参照点。

需要注意的是，无论是等距数据还是等比数据，都是根据变量的测量属性来确定的，并不是说数据是按照等距或等比的规律变化的。比如，学生成绩是一个等距变量，但并不意味着所有学生的分数是等距变化的；身高是一个等比变量，也并不意味着人们的身高是按比例变化的。这里的等距、等比的命名更多是从数据运算的角度来考虑的。对于等距变量来说，数据之间只可以做多少比较，但不能做倍数比较（等比变量可以）。比如，我们说小明的身高是小红身高的两倍，是可以理解的，但如果说今天的温度是昨天的两倍，则不可理解，我们只能说今天温度比昨天高多少度才是可理解的。

教育与心理研究中用以获得以上4类数据的量表分别叫作计数量表、顺序量表、等距量表和等比量表。这4种量表的测量学属性依次增加，等比量表是测量水平最高的量表，也是最难编制的量表。最常见、使用得最多的量表是前三种量表。

2.离散数据与连续数据

这是根据变量取值的连续性进行的分类。

离散数据也叫离散变量，是指变量取值只能用自然数或整数单位计算的数据，即任意两点之间只有有限个数的数据。前面介绍的计数数据与顺序数据都属于离散数据。

连续数据也叫连续变量，是指变量取值可以在任意两点之间无穷细分的数据。等距数据和等比数据都属于连续数据。

从数据统计的角度看，连续数据的分布一般满足一定的分布形态，例如，学生成绩一般符合正态分布，因此，可以按照相应的分布进行数据的统计分析，即可进行参数统计； 离散数据包含的数量信息少，数据的分布往往没有什么规律和特点，如一个班级中男女生的分布，只能进行比较粗略的非参数统计。

（二）定量研究数据文件的建立

建立数据文件是定量分析的第一步，不同的数据分析软件采用的数据文件类型各不相同，但大多数的分析软件可以读入或转换其他类型的数据文件，如文本型数据文件、EXCEL数据文件等。其中EXCEL数据文件具有广泛的适用性，EXCEL操作程序也是一款非常大众化的操作程序，比较容易掌握。教育科学研究常用的统计分析软件为SPSS统计软件包，它可以方便快捷地将EXCEL格式的数据文件转换成SPSS专用数据文件，因此，这里只介绍EXCEL数据文件的建立。

一个数据文件有两个基本构成要素：变量名与数值。变量是指研究者提出来的让被调查者回答的一个个问题，在建立数据文件时，通常用简单清晰的几个文字或字母作为该问题的变量名，如“性别”“年级”“辍学原因”等，需要注意的是，变量名的第1个字符不能用数字或半角的标点符号，如“1题”是无效变量名。数值是指每个被调查者在该问题上的回答，通常用阿拉伯数字表示[2]，如图12-2所示。建立数据文件时，首先在EXCEL工作表的第一行按调查表中的顺序将每一个问题的变量名录入，然后再将被调查者的回答一一录入，录完第1个被调查者的数据另起一行录入第2个，依次类推。建立数据文件时有一个研究者经常忽略的问题，就是被调查者的编号问题。编号是每一份调查数据的唯一标识码，通常研究者将调查问卷收集回来后就要对问卷进行编号（如果是实验研究，实验前就应当给每个被试一个唯一的编号），录入数据时把编号作为一个变量录入。这样做的好处是方便查找以及数据整理。录入数据时需要注意的另一个问题是如果被调查者漏答或错答，则跳过该问题的录入，即什么都不录入，如图12-2中第4个数据没有性别信息。

图12-2 EXCEL数据文件示例

当数据全部录入完成后，就可以在SPSS操作系统[3]中打开该EXCEL格式的数据文件，直接导入数据并保存为SPSS格式的数据文件。该导入的操作如图12-3所示，非常简单明了。

图12-3 EXCEL格式数据的SPSS导入过程示意图

[1] 在讨论数据类型时，“数据”与“变量”两个词汇在使用上常会互相替换，如“称名变量”就是指该数据是通过点数各个类别的个数而得到的。——编者注

[2] 为了避免统计分析时出错，数据文件中的数值最好都是数值型的，即阿拉伯数字。录入数据时一般会根据选项的顺序直接转换为“12345”，因此有必要保留原始调查问卷，或者建立一个编码本以备查看该选项的意义。——编者注

[3] 本专题中使用的数据分析软件为SPSS22.0英文版。——编者注