什么是等级变量和等距变量？

什么是等级变量和等距变量？

等距变量（interval variable）一译“定距变量”。变量的一种。既有测量单位、相对零点的变量。其取值之间有“相等”、“不等”、“序”及“距离”的关系，数值间可施行加、减法两种运算。但没有绝对零点，故相除或倍数是没有实际含义的。可通过等距量表获得。

等级变量（ranking variables）：又叫有序变量，通过相对的优劣差异等级、大小差异等级分类所定义的测量尺度。

5级李克特量表得到的结果，做相关分析应该按照连续变量还是分类变量处理呢？

pearson积差相关即可，因为研究中通常将李克特量表数据视为等距变量，特别是5级以上评分时。在spss里面就是按照分析——相关——双变量点选。spss里面没有spearman相关的选项，因为即便是等级变量或者分类变量，按照pearson相关计算出的结果与spearman相关得到的结果是一样的。

哪能不能举个例子怎么算的标准分？

标准分数的计算通常是以观察分数与均值之差除以标准差，可以表示为： 　　 标准分= 观察分数 - 平均分 标准差 　　 例如：某中学高（1）班期末考试，已知语文期末考试的全班平均分为73分，标准差为7分，甲得了78分；数学期末考试的全班平均分为80分，标准差为6.5分，甲得了83分。

甲哪一门考试成绩比较好？因为两科期末考试的标准差不同，因此不能用原始分数直接比较。需要将原始分数转换成标准分数，然后进行比较。Z(语文)=(78-73)/7=0.71 Z(数学)=(83-80)/6.5=0.46 　甲的语文成绩在其整体分布中位于平均分之上0.71个标准差的地位，他的数学成绩在其整体分布中位于平均分之上0.46个标准差的地位。由此可见，甲的语文期末考试成绩优于数学期末考试成绩。由于标准分数不仅能表明原始分数在分布中的地位，它还是以标准差为单位的等距量表，故经过把原始分数转化为标准分数，可以在不同分布的各原始分数之间进行比较。

论文中自己设计的问卷，一定要做信度和效度分析吗？

严格来说！不是所有问卷都适合做信效度分析，信效度分析主要针对【量表】类问卷，而如果只是调查一些客观现实（如年龄、性别、职业、车辆、工资等）以【显变量】为主的问卷，是不适合做信效度分析的！

信度检验，就是 分析——可靠性分析，做出来的阿尔法值一般大于0.7就说明问卷可信。如果你的问卷有章节区分的话，你可以每个章节部分都做一下信度分析，然后再总的做一下信度分析，都大于0.7就没有问题了。
效度检验，就是 分析——因子分析。就是说你在设计问卷的时候肯定是有构想的结构的，那么效度检验就是检验你的这些问题是否都能够有效表达你设想的结构。

问卷并不是一定要做信度效度检验:信效度分析主要针对【量表】类问卷,而如果只是调查一些客观现实(如年龄、性别、职业、车辆、工资等)以【显变量】为主的问卷,是不适合做信效度分析.如果含有多选题是无法做信度分析.而非量表。

信度效度检验对于问卷调查是非常重要的，因为问卷调查往往只是整个项目的一个环节，在正确项目的目标下，一定会另有调查的可信度，有效分析来支持调查结果，这样我们的问卷调查才有可信度，结果也能趋于正确数据。

1.信度指测验结果的一致性、稳定性及可靠性，一般多以内部一致性来加以表示该测验信度的高低。

2.信度系数愈高即表示该测验的结果愈一致、稳定与可靠。

3.系统误差对信度没什么影响，因为系统误差总是以相同的方式影响测量值的，因此不会造成不一致性。

4.反之，随机误差可能导致不致性，从而降低信度。信度可以定义为随机误差r影响测量值的程度。如果r=0，就认为测量是完全可信的，信度最高。

阶级性和等级性有什么区别？

一、性质不同

1、阶级性：泛指新闻媒介的阶级立场

2、等级性：是在有机界的组成中，依照食物摄取关系，在生物群落的结构中具有阶梯状的等级性。

二、本质不同

1、阶级性：根据马克思主义关于国家的观点，从本质上讲，国家是经济上占统治地位的阶级进行阶级统治的工具，阶级性是国家的根本属性。阶级是由生产力和生产方式的矛盾运动产生的，其划分依据根据所从事的生产运动决定。

到此，以上就是小编对于高考量表等距的问题就介绍到这了，希望介绍关于高考量表等距的5点解答对大家有用。