การแบ่งประเภทของข้อมูล

การแบ่งประเภทของข้อมูลตามหลักการวัดข้อมูล
สามารถ แบ่งออกได้เป็น 4 สเกล ดังนี้
1. ข้อมูลแบบนามบัญญัติ (Nominal Scales)
เป็นสเกลที่ถือได้ว่าสะดวกและกำหนดได้ง่ายที่สุด แต่ว่ามีคุณสมบัติในการวิเคราะห์น้อยที่สุด การแบ่งกลุ่มประเภทนี้ ข้อมูลจะมีความเสมอภาคกัน เป็นการแบ่งข้อมูลที่ไม่ได้มีการเรียงลำดับ หรือบ่งบอกความแตกต่างในเชิงปริมาณ
ตัวอย่าง เช่น sex ชายอาจจะกำหนดเป็น 0 หญิงอาจจะกำหนดเป็น 1 แต่ไม่ได้หมายถึงปริมาณที่แตกต่างมากน้อย
region (ภาค) เหนือเป็น 1 กลางเป็น 2 ใต้เป็น 3 ตะวันออกเป็น 4 ตัวเลขในที่นี้ไม่ได้หมายถึงภาคต่างๆ มีพื้นที่แตกต่างกัน
สเกลนามบัญญัติ เป็นแต่เพียงการแบ่งข้อมูลเป็นกลุ่มๆ เพื่อให้สะดวกต่อการวิเคราะห์เท่านั้น
นำมาวิเคราะห์ ความถี่ ร้อยละ ฐานนิยม
ใช้ทดสอบไคสแควร์
ข้อควรระวัง ไม่สามารถหาค่าเฉลี่ย ค่าเบี่ยงเบนมาตรฐานได้

2. ข้อมูลแบบอันดับ (Ordinal Scales)
สเกลนี้จะมีรายละเอียดหรือความลึกซึ้งมากกว่านามบัญญัติ ข้อมูลในแต่ละกลุ่มจะแสดงความแตกต่างและสามารถแสดงออกถึงอันดับ (ลำดับ) ด้วย เช่น อันดับการเข้าเส้นชัย Rank1 Rank2 Rank3 อันดับ1 หมายถึงเข้าเส้นชัยอันดับที่ 1 แสดงว่าเร็วกว่าอันดับที่ 2 และเร็วกว่าอันดับที่ 3 แต่ผู้ศึกษาก็ยังไม่สามารถที่จะรู้ถึงรายละเอียดว่าความแตกต่างระหว่างช่วงเวลาเท่ากันหรือไม่ระหว่างอันดับ 1 กับ 2 และ 2 กับ 3
นำมาวิเคราะห์ ความถี่ ร้อยละ มัธยฐาน
ใช้ทดสอบไคสแควร์

3. ข้อมูลแบบอันตรภาค (Interval Scales)
สเกลนี้จะมีรายละเอียดหรือความลึกซึ้งมากขึ้นอีกระดับ กล่าวคือ แบ่งข้อมูลออกเป็นกลุ่มบอกความแตกต่างได้ บอกลำดับได้ และยังสามารถบอกปริมาณความแตกต่างระหว่างกลุ่มได้ด้วย จุดเริ่มต้นของข้อมูลแบบนี้จะไม่อยู่ที่ค่าเดียวกันเมื่อเปรียบเทียบ 2 สเกล ศึกษาจากตัวอย่างเพื่อความเข้าใจมากขึ้น
ตัวอย่างที่ชัดเจนที่สุด คือ อุณหภูมิ ซึ่งมีอยู่ 2 สเกล คือ เซลเซียส (c) กับ ฟาเรนไฮต์ (F) จุดเยือกแข็ง = 0C และ 32F ในขณะที่จุดเดือด = 100c และ 212F ซึ่งค่าความแตกต่างไม่เท่ากัน กล่าวคือ สำหรับ เซลเซียสต่างกัน 100 องศา สำหรับ ฟาเรนไฮต์ต่างกัน 180 องศา แต่เราสามารถเปรียบเทียบเป็นสัดส่วนได้ สัดส่วนความแตกต่างระหว่าง 2 สเกลจะเท่ากัน
นำมาวิเคราะห์ ความถี่ ร้อยละ ฐานนิยม
ใช้ทดสอบ ไคสแควร์ ค่าเฉลี่ยเลขคณิต ค่าเบี่ยงเบนมาตรฐาน
ข้อควรระวัง ไม่สามารถนำมาวิเคราะห์ค่าเฉลี่ยเรขาคณิต ค่าเฉลี่ยฮาร์โมนิค และค่าสัมประสิทธิ์ความผันแปร (coeffiecient of variation) ได้

4. ข้อมูลแบบอัตราส่วน (Ratio Scales)
สเกลนี้ ถือเป็นข้อมูลที่มีความสมบูรณ์มากที่สุด ข้อมูลเหมือนกับอันตรภาค แต่จุดเริ่มต้นเป็นจุดที่มีความหมาย เช่น รายได้ 0 บาท คือ ไม่มีรายได้ ในขณะที่ อุณหภูมิ oc (interval scale) ยังมีอุณหภูมิอยู่ และเรายังสามารถเปรียบเทียบความมากน้อย ความแตกต่างได้อีกด้วย
ตัวอย่าง เช่น รายได้ ส่วนสูง เป็นต้น
ในการทดสอบเราสามารถใช้ทุกเทคนิคการวิเคราะห์ข้อมูลทางสถิติกับข้อมูลแบบอัตราส่วน