TapCub 正式上线:统计、分析、客服一个平台免费用
术语表

什么是有序变量?定义、例子和正确的汇总方法

有序变量的类别有先后顺序但不等距,比如 1–5 分的满意度。测量尺度对照、常见例子,以及一个平均分相同、客户却完全不同的算例。

苏禾 审核人 林舟 又称 有序数据 最后更新 2026 年 11 月 15 日 术语表

一句话回答

有序变量是一种分类变量,取值有明确的先后顺序但不等距,比如 1–5 分的满意度、套餐档位、优先级。因为各档之间距离不等,平均分可能误导;汇总时应该看分布、中位数和前两档占比。

公式: 前两档占比 = 落在最高两档的评分数 ÷ 全部评分数

什么是有序变量?

有序变量(ordinal variable)是一种分类变量:类别之间有明确的先后顺序,但相邻两档之间的距离未知或不相等。1 到 5 分的满意度、T 恤尺码、P1 到 P4 的工单优先级、学历层次都是有序变量:能说出哪个高,但说不出高多少。

缺的这一块,也就是「等距」,正是关键。从「不满意」(2)到「一般」(3),和从「满意」(4)到「非常满意」(5),不一定是同样大的一步。1–5 这几个数字是按顺序排好的标签,不是测量值。所以打分的平均数可能盖住客户真实的反馈,平均分相同的两个团队,面对的客户可能完全不同。读有序数据,要看分布、中位数和前两档占比。

统计学里的「有序」是什么意思?

「有序」是 S. S. Stevens 在 1946 年提出的四种测量尺度之一。每往上一级就多一个性质,每多一个性质就多一些能做的算术:

尺度有顺序?等距?有真正的零点?例子能用的汇总方式
名义否否否国家、浏览器、支付方式计数、占比、众数
有序是否否1–5 分满意度、套餐档位、优先级 P1–P4以上 + 中位数、分位数、秩检验
区间是是否摄氏温度、公历年份以上 + 均值、差值
比率是是是收入、会话时长、浏览量以上 + 比值(「长一倍」)

名义变量和有序变量都属于分类变量,区间变量和比率变量是数值测量。有序变量夹在中间:比标签多一点信息,又比测量值少。各种类型的全貌见词条数据类型。

有序数据的例子

凡是让人排名、打分或分档的地方,都会出现有序数据:

  • 满意度打分:1–5 分的 CSAT、应用商店星级、三档及以上的「这次服务怎么样」评价。
  • 同意程度量表(李克特式题目):非常不同意、不同意、中立、同意、非常同意。
  • 档位和等级:免费版、专业版、企业版套餐;铜、银、金会员等级;初级、中级、高级。
  • 严重程度和优先级:P1–P4 工单、低 / 中 / 高风险、缺陷严重级别。
  • 分档后的数字:年龄段(18–24、25–34)、收入区间、公司规模(1–10 人、11–50 人、51–200 人)。原始数字是比率变量,但按不等宽分档之后就成了有序变量。
  • 名次:比赛或搜索结果里的第 1、2、3 名。前两名之间差多少,说明不了第 2 名和第 3 名之间差多少。

为什么 1–5 分取平均会误导:一个算例

示例数据:两个客服团队一个月各收到 100 条满意度评分,满分 5 分。

分数A 组B 组
1(非常不满意)026
2105
3303
45015
5(非常满意)1051
评分总数100100

算一下常用的几个汇总值:

  • 平均数。A 组:(0×1 + 10×2 + 30×3 + 50×4 + 10×5) ÷ 100 = 360 ÷ 100 = 3.6。B 组:(26×1 + 5×2 + 3×3 + 15×4 + 51×5) ÷ 100 = 360 ÷ 100 = 3.6。完全一样。
  • 中位数。100 条评分排好序后,中位数落在第 50 和第 51 条之间。A 组累计到 3 分是 40 条、到 4 分是 90 条,所以中间两条都是 4 分:中位数 4。B 组累计到 4 分只有 49 条,所以第 50、51 条都是 5 分:中位数 5。
  • 前两档占比(4 分和 5 分)。A 组:50 + 10 = 60%。B 组:15 + 51 = 66%。
  • 后两档占比(1 分和 2 分)。A 组:0 + 10 = 10%。B 组:26 + 5 = 31%。

平均数说两组一样。中位数和前两档占比说 B 组更好。后两档占比则说 B 组将近三分之一的客户不满意,是 A 组的三倍。A 组表现稳定;B 组两极分化,让大多数客户很满意,却让相当一部分客户失望。两种情况要用不同的办法改进,而平均数把这两件事都盖住了。

由此得出的规则:报告分布,并且始终把前两档占比、后两档占比和中位数放在一起看。对有序数据来说,单看一个数是不够的。想把自己的评分计数换算成 CSAT 分数,可以用 CSAT 计算器,再把后两档占比放在旁边一起看。

有序变量适合用哪些统计方法?

问题用避免
典型值是多少?中位数、众数把平均数当标题数字
离散程度多大?四分位距、百分位数、完整分布标准差
正面、负面各占多少?前两档和后两档占比不拆分的单一「满意度指数」
两组之间有没有差别?Mann–Whitney U(秩和)检验对原始编码做 t 检验
是否随另一个有序变量变化?斯皮尔曼秩相关对编码做皮尔逊相关

Mann–Whitney U 检验把两组的所有观测放在一起排秩,看其中一组的秩是否系统性地偏高。它只用到顺序,所以适合有序数据。对上面那 200 条评分做这个检验,得到 z ≈ −2.33、p ≈ 0.02:两组的评分分布确实不同,尽管平均数一样。对编码做 t 检验则完全看不出差别,因为它比较的就是平均数。

有序量表并不是不能取平均。很多团队会长期跟踪平均 CSAT,在量表固定、分布形状稳定时,移动平均可以提示变化。风险在于拿分布形状不同的几组去比平均数,就像上面的例子。

有序变量的常见误区

  • 默认各档等距。把「差、一般、好、很好」编成 1–4 再求平均,等于假设「差到一般」和「好到很好」是一样大的一步。
  • 跨量表比较平均分。5 分制的 4.2 和 10 分制的 8.4 不是同一个分数,换算比例也解决不了,因为人们使用这两种量表的方式不同。
  • 不写分母。25 条评分里的「92% 满意」比 2,500 条里的同一数字不可靠得多;只要一个客户从满意变成不满意,前者就掉 4 个百分点(25 条里从 23 条变成 22 条)。
  • 中途把量表反过来。去年问卷里 1 分代表「好」,今年代表「差」,所有趋势线都断了。
  • 合并档位的口径不一致。这份报告把 4–5 分算「满意」,那份只算 5 分,数字就没法比。
  • 丢掉顺序信息。把有序数据当名义数据处理是稳妥的,但浪费了信息;基于秩的检验通常能发现对类别做卡方检验发现不了的差异。

能正确衡量之后怎么提升满意度,见如何提升 CSAT。开放式反馈根本不是有序数据,它属于定性数据。

在 TapCub 里读满意度

上面两个团队的例子,正是客服主管对比坐席时会遇到的情况。把本文的方法用到 TapCub 的数据上:

  1. 找到分数。客服 › 客服报表里有满意度:会话结束后 24 小时内访客可以打 1 到 5 分,每条会话只能评一次,报表取平均、保留一位小数。同一张报表的坐席工作量里,还按坐席分别给出满意度。
  2. 把平均分当线索,不当结论。报表显示的是平均数,两个都是 3.6 分的坐席看上去一模一样,就像 A 组和 B 组。给坐席排名之前,先看每人各有多少条评分,再到客服 › 客服工作台的「已结束」列表里查看每条已解决会话的满意度分数。
  3. 把自己的有序属性画成分布。如果你把评分作为事件属性上报,全端分析 › 行为分析 › 行为分析里的分布分析可以选一个数值属性:直方图给出每个区间的数量和占比,同时给出平均数和中位数,分数的形状和平均分摆在一起看。
  4. 知道边界。TapCub 不做问卷,比如 NPS 或 CES 问卷;客服满意度是它自己收集的那一项评分。

另见:什么是有序数据?8 个例子,以及该用哪种统计量。

另见:什么是分类数据?类型、例子和分析方法。

资料来源

这个解释清楚吗?

我们会根据反馈修改和补充这篇内容。

苏禾

数据分析师

围绕流量来源、转化漏斗与用户留存写作,重视指标口径和分析过程,用具体示例解释数字背后的问题。

常见问题

常见追问

大家看完定义后最常问的几个问题。

还有其他问题?

直接和 TapCub 团队聊聊——工作日通常几小时内回复。

有序变量有哪些例子?

1–5 分的客户满意度是典型例子:5 分比 4 分好,但 4 到 5 这一步不一定和 2 到 3 一样大。其他例子还有 T 恤尺码、学历层次、P1 到 P4 的工单优先级、免费版 / 专业版 / 企业版这样的套餐档位,以及年龄段。

有序变量和名义变量有什么区别?

两者都是分类变量。名义变量的类别没有天然顺序,比如国家、浏览器;有序变量的类别有先后,比如低、中、高。有序数据可以排序、取中位数;名义数据只有计数、占比和众数有意义。

有序数据可以算平均数吗?

能算,但要小心解读。平均数默认各档之间等距,而有序量表并不保证这一点。平均数相同的两组,分布可能完全不同,比如一组稳定地不错,另一组两极分化。报告时把中位数、前两档和后两档占比一起给出。

李克特量表是有序数据还是区间数据?

单个李克特式题目(从非常不同意到非常同意)是有序数据。研究者有时把多道题的分数加总成量表总分,并近似当作区间数据处理,这是建模时的假设,不是数据本身的性质。单道题请用中位数、分布和基于秩的检验。

在你自己的网站上看这个数字

加一行脚本就能开始,网站和 App 都能接,几分钟内就能看到第一批报表。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie