Continuous Variable은 숫자로 측정되고 값 사이의 차이가 의미를 갖는다는 점에서 Categorical Variable과 다릅니다.

하지만 모든 Continuous Variable이 같은 성질을 가지고 있는 것은 아닙니다.

대표적으로 Interval Scale과 Ratio Scale을 구분할 수 있습니다.

두 척도 모두 값의 순서와 값 사이의 차이를 해석할 수 있지만 결정적인 차이가 하나 있습니다.

바로 True Zero, 즉 절대적 의미를 가진 0이 존재하는가입니다.

Interval Scale은 값 사이의 간격은 의미가 있지만 절대적인 0이 없고, Ratio Scale은 간격뿐 아니라 실제 부재를 의미하는 True Zero까지 가지고 있습니다.

이 차이는 단순히 통계학 용어를 구분하기 위한 것이 아닙니다.

어떤 계산과 해석이 가능한지, 특히 “두 배”, “절반” 같은 비율 표현을 사용할 수 있는지를 결정합니다.

첨부 교재에서도 Continuous Variable은 값에 논리적인 순서가 있고 값 사이의 상대적 거리가 의미 있으며, Ratio Scale은 True Zero를 가지지만 Interval Scale은 그렇지 않다고 설명합니다.

Continuous Variable의 기본 구조부터 이해해보자

Continuous Variable은 일반적으로 다음 성질을 가집니다.

Logical Order

↓

값의 크고 작음을 비교할 수 있음

Meaningful Distance

↓

값 사이의 차이가 의미를 가짐

예를 들어 Beverage Volume이:

1.0 L

2.0 L

3.0 L

이라고 하면:

3.0 L > 2.0 L > 1.0 L

이라는 순서가 존재합니다.

또한:

2.0 – 1.0 = 1.0 L

3.0 – 2.0 = 1.0 L

처럼 차이도 의미가 있습니다.

첨부 교재에서도 Continuous Variable은 값에 논리적 순서가 존재하고 값 사이의 상대적인 거리가 의미 있다고 설명합니다.

Interval Scale이란 무엇인가?

Interval Scale은 값 사이의 간격이 의미 있는 척도입니다.

즉:

10과 20의 차이

그리고

20과 30의 차이

가 같은 크기를 의미할 수 있습니다.

하지만 Interval Scale에는 중요한 한계가 있습니다.

0이 해당 속성이 완전히 존재하지 않는 상태를 의미하지 않습니다.

대표적인 예가 Celsius Temperature입니다.

첨부 교재에서도 Celsius Temperature를 Interval-Level Measure의 예로 들면서 0°C가 Heat가 존재하지 않는 상태를 의미하는 것은 아니라고 설명합니다.

Celsius Temperature가 Interval인 이유

다음 온도를 생각해보겠습니다.

10°C

20°C

30°C

여기서:

20°C – 10°C = 10°C

30°C – 20°C = 10°C

따라서 10도라는 간격은 동일한 의미를 가집니다.

즉 Difference는 해석할 수 있습니다.

하지만 다음 표현은 문제가 있습니다.

“20°C는 10°C보다 두 배 뜨겁다.”

Celsius Scale에서는 이런 식의 비율 해석이 적절하지 않습니다.

왜냐하면 Celsius의 0°C가 열에너지가 전혀 없는 절대적인 Zero Point가 아니기 때문입니다.

0°C는 왜 True Zero가 아닐까?

0°C라는 값은 Celsius Temperature Scale에서 정의된 기준점입니다.

온도가 0°C라고 해서 물체의 Thermal Energy가 완전히 존재하지 않는 것은 아닙니다.

따라서:

0°C

≠

Temperature라는 속성이 완전히 없음

입니다.

이것이 Interval Scale에서 말하는 No True Zero의 의미입니다.

Interval Scale에서 0은 측정척도상의 기준점일 수 있지만 측정하고 있는 속성의 완전한 부재를 의미하지는 않습니다.

Ratio Scale이란 무엇인가?

Ratio Scale은 Interval Scale의 특징을 가지면서 추가로 True Zero가 존재합니다.

즉 다음을 모두 만족합니다.

Order

↓

있음

Equal / Meaningful Distance

↓

있음

True Zero

↓

있음

이 때문에 Ratio Scale에서는 Difference뿐 아니라 Ratio도 의미 있게 해석할 수 있습니다.

첨부 교재에서는 Beverage Volume을 Ratio-Level Measure의 예로 제시하고 있습니다.

Volume이 Ratio Scale인 이유

Beverage Volume을 생각해보겠습니다.

0 L

1 L

2 L

3 L

여기서 0 L는 Beverage Volume이 존재하지 않는 상태를 의미합니다.

즉 True Zero입니다.

따라서 다음 해석이 가능합니다.

2 L는 1 L의 두 배

3 L는 1 L의 세 배

이러한 Ratio Interpretation이 가능한 이유는 0이 임의의 기준점이 아니라 실제 부재를 의미하기 때문입니다.

Interval과 Ratio의 가장 큰 차이

두 척도의 관계를 단순화하면 다음과 같습니다.

Interval Scale

Order

↓

있음

Distance

↓

의미 있음

True Zero

↓

없음

Ratio Scale

Order

↓

있음

Distance

↓

의미 있음

True Zero

↓

있음

따라서 Ratio Scale에서는 Interval Scale에서 가능한 비교에 더해 비율 비교까지 가능합니다.

Interval과 Ratio를 구분하는 핵심 질문은 “0이 실제로 아무것도 없는 상태를 의미하는가?”입니다.

왜 True Zero가 그렇게 중요할까?

비율을 계산하려면 기준점이 의미 있어야 합니다.

예를 들어 Weight가:

40 kg

80 kg

이라고 하면 80 kg은 40 kg의 두 배라고 말할 수 있습니다.

Weight에서 0 kg은 Weight가 없는 상태를 의미하기 때문입니다.

반면 Celsius Temperature에서:

10°C

20°C

를 비교하면서 20°C가 10°C의 두 배라고 말하면 문제가 생깁니다.

척도의 Zero Point가 임의적으로 정의되어 있기 때문입니다.

즉:

Difference Interpretation

과

Ratio Interpretation

은 같은 개념이 아닙니다.

Ratio Scale의 대표적인 예

분석 환경에서 Ratio Scale로 생각할 수 있는 대표적인 예에는 다음과 같은 것들이 있습니다.

• Weight
• Height
• Distance
• Duration
• Volume
• Concentration
• Age
• Count
• Income

다만 실제 Measurement Definition과 단위를 확인해야 합니다.

공통점은 일반적으로 0이 해당 Quantity가 존재하지 않는 상태를 나타낼 수 있다는 점입니다.

Weight가 Ratio Scale인 이유

예를 들어 Weight가:

0 kg

50 kg

100 kg

이라고 가정해보겠습니다.

0 kg은 Weight가 없는 상태를 의미합니다.

그리고:

100 kg / 50 kg = 2

이므로 100 kg이 50 kg의 두 배라는 해석이 가능합니다.

또 다음과 같은 차이 계산도 가능합니다.

100 kg – 50 kg = 50 kg

따라서 Ratio Scale에서는 Difference와 Ratio 모두 의미를 가질 수 있습니다.

Height도 Ratio Scale일까?

일반적인 Length나 Height Measurement는 의미 있는 Zero Point를 갖는 Quantity로 볼 수 있습니다.

예를 들어:

100 cm

200 cm

를 비교하면 200 cm는 100 cm의 두 배 Length입니다.

0 cm는 Length가 없는 상태를 나타낼 수 있습니다.

따라서 Ratio Interpretation이 가능합니다.

Age는 Ratio Scale일까?

일반적인 경과시간 관점의 Age는 Ratio Scale의 성격을 가질 수 있습니다.

예를 들어 생후:

1년

2년

은 경과시간으로 보았을 때 2년이 1년의 두 배입니다.

또 출생 시점을 0으로 설정하면 경과한 시간이 없는 상태를 의미할 수 있습니다.

다만 실제 분석에서 “40세가 20세보다 두 배 늙었다”라는 표현은 수학적으로 가능한 Ratio와 일상적 또는 생물학적 해석이 항상 동일하다는 의미는 아닙니다.

Measurement Scale이 수학적으로 허용하는 표현과 실제 연구에서 의미 있는 해석은 별도로 판단해야 합니다.

Ratio Scale이면 모든 Ratio가 실질적으로 중요할까?

그렇지는 않습니다.

예를 들어:

Drug Concentration 20 mg/L

이

10 mg/L

의 두 배라고 말하는 것은 수학적으로 가능합니다.

하지만 Biological Effect도 반드시 두 배가 된다는 의미는 아닙니다.

즉:

Measurement Ratio

20 / 10 = 2

와

Effect Ratio

는 전혀 다른 문제입니다.

따라서 Ratio Scale이라는 이유만으로 Response가 선형적으로 증가한다고 가정해서는 안 됩니다.

Temperature는 모두 Interval Scale일까?

그렇지는 않습니다.

어떤 Temperature Scale을 사용하는지에 따라 Measurement Property가 달라질 수 있습니다.

첨부 교재에서 예로 드는 Celsius Temperature는 Interval Level입니다.

이 글에서 중요한 것은 모든 Temperature Measurement를 하나로 묶는 것이 아니라 척도의 Zero Point가 어떤 의미를 갖는지 확인하는 것입니다.

Celsius의 기준점을 바꾸면 무엇이 보일까?

Celsius Scale에서 특정 온도가 0보다 작을 수도 있습니다.

예:

-10°C

0°C

10°C

여기서 음수가 존재한다는 사실 자체도 0°C가 Quantity의 완전한 부재를 뜻하지 않는다는 점을 보여줍니다.

반면 일반적인 Volume에서는:

-1 L의 Beverage Volume

과 같은 표현은 일반적인 물리적 Volume Measurement의 의미와 맞지 않습니다.

이 차이 역시 True Zero 개념을 이해하는 데 도움이 됩니다.

음수가 존재하면 무조건 Interval일까?

그렇게 단순하게 판단하면 안 됩니다.

음수 가능 여부는 True Zero를 이해하는 데 힌트가 될 수 있지만 Measurement Scale을 결정하는 유일한 기준은 아닙니다.

중요한 질문은:

“Zero Point가 실제 측정 속성의 완전한 부재를 의미하는가?”

입니다.

Scale의 정의와 Measurement Context를 함께 봐야 합니다.

Interval Scale에서도 평균을 계산할 수 있을까?

가능합니다.

Interval Scale에서는 값 사이의 간격이 의미 있기 때문에 Mean이나 Standard Deviation 같은 통계량을 사용하는 것이 가능합니다.

예를 들어 Temperature가:

10°C

20°C

30°C

라면 Mean은:

20°C

가 됩니다.

이 값은 의미 있게 해석할 수 있습니다.

즉 Ratio Interpretation이 불가능하다고 해서 Arithmetic Operation을 전혀 할 수 없는 것은 아닙니다.

Ratio Scale에서도 평균과 표준편차를 사용할 수 있을까?

물론 가능합니다.

Ratio Scale 역시 값 사이의 차이가 의미 있으므로 다음과 같은 기술통계를 사용할 수 있습니다.

• Mean
• Median
• Variance
• Standard Deviation
• Range
• Quartile

즉 Statistical Analysis에서 Interval과 Ratio는 많은 경우 모두 Quantitative Continuous Variable로 사용될 수 있습니다.

그러면 SAS 분석에서는 둘을 꼭 구분해야 할까?

중요한 질문입니다.

많은 Statistical Procedure에서는 Interval과 Ratio Variable 모두 Continuous Variable로 사용할 수 있습니다.

예를 들어:

• t-Test
• ANOVA
• Correlation
• Linear Regression

등에서 Continuous Response나 Predictor로 활용될 수 있습니다.

따라서 SAS에서 항상 Interval 전용 Procedure와 Ratio 전용 Procedure가 따로 존재하는 것은 아닙니다.

첨부 교재 역시 두 척도를 Continuous Variable 범주 안에서 함께 설명합니다.

Interval과 Ratio의 차이는 Procedure 이름보다 Data Interpretation에서 특히 중요합니다.

Statistical Model보다 해석에서 더 중요할 수 있는 이유

예를 들어 두 Continuous Variable을 Regression에 사용한다고 가정해보겠습니다.

Model 자체는 두 Variable 모두 Numeric Predictor로 처리할 수 있습니다.

하지만 결과를 해석하면서:

“X가 두 배가 되면…”

이라는 표현을 사용하려면 X의 Scale을 확인해야 합니다.

Interval Variable에서 두 배라는 표현은 Measurement Scale 자체에서 문제가 될 수 있습니다.

따라서 Model 실행과 Result Interpretation은 분리해서 생각해야 합니다.

Interval Variable에서 차이는 왜 의미가 있을까?

Interval Scale에서는 일정한 Unit가 유지됩니다.

예를 들어 Temperature가:

10°C → 15°C

20°C → 25°C

두 변화 모두:

+5°C

입니다.

이 5°C Difference는 같은 크기의 Temperature Interval을 의미합니다.

따라서:

Difference

는 의미 있지만

Ratio

는 제한됩니다.

이것이 Interval이라는 이름의 핵심입니다.

Ratio Variable은 왜 더 많은 연산이 가능할까?

Ratio Scale에서는 True Zero가 존재하기 때문에 상대적인 크기까지 비교할 수 있습니다.

예를 들어 Volume이:

1 L

2 L

4 L

이라면 다음 두 정보가 모두 의미를 가집니다.

Difference

2 L – 1 L = 1 L

Ratio

2 L / 1 L = 2

즉 2 L가 1 L보다 1 L 많으면서 동시에 두 배입니다.

Interval에서 Ratio를 사용하면 어떤 문제가 생길까?

Celsius Temperature를 생각해보겠습니다.

10°C와 20°C에서:

20 / 10 = 2

라는 계산 자체는 가능합니다.

하지만 Scale의 기준점을 Fahrenheit로 바꾸면 같은 두 물리적 온도의 숫자 비율은 완전히 달라집니다.

즉 Ratio가 Measurement 자체의 고유한 관계를 나타내지 않습니다.

반면 Length처럼 True Zero가 존재하는 Ratio Measurement에서는 Unit을 cm에서 m로 바꿔도 두 Length 사이의 비율은 유지됩니다.

Ratio Scale의 비율은 단위가 달라져도 측정 대상 사이의 상대적 관계를 유지할 수 있다는 특징이 있습니다.

단위를 바꾸면 Difference는 어떻게 될까?

예를 들어 Length가:

1 m

2 m

라면 Difference는:

1 m

입니다.

cm로 바꾸면:

100 cm

200 cm

Difference:

100 cm

숫자는 달라졌지만 물리적 차이는 동일합니다.

Ratio 역시:

2 / 1 = 2

200 / 100 = 2

로 유지됩니다.

이것이 Ratio Measurement의 강한 특성 중 하나입니다.

Interval Scale에서는 기준점 이동이 가능하다

Interval Scale에서는 측정 단위를 변환할 때 Zero Point가 이동할 수 있습니다.

이러한 특성 때문에 Difference Structure는 보존되지만 단순 Ratio는 보존되지 않을 수 있습니다.

즉 Interval Scale의 핵심은:

Distance

가 일정하게 유지된다는 것입니다.

반면 Zero Point 자체는 절대적인 기준이 아닐 수 있습니다.

SAT Score는 Interval일까?

첨부 교재에서는 SAT Score에 대해 흥미로운 설명을 제공합니다.

SAT Score는 엄밀한 의미에서 Truly Continuous Variable은 아니지만, 실제 Continuous Measure와 Linear Relationship이 있다고 보고 이 Course에서는 Continuous, Interval-Level Measure처럼 분석한다고 설명합니다.

이 사례는 Measurement Scale에서 중요한 현실적인 문제를 보여줍니다.

실제 데이터 분석에서는 이론적인 Scale 분류와 분석 목적에서 실용적으로 취급하는 방식이 완전히 일치하지 않을 수도 있습니다.

시험 점수가 True Zero를 갖기 어려운 이유

예를 들어 어떤 시험에서 Score가 0이라고 가정해보겠습니다.

0점이 해당 능력이나 지식이 완전히 존재하지 않는다는 의미일까요?

반드시 그렇지는 않습니다.

시험이 측정할 수 있는 범위 안에서 0점을 받은 것이지, Measurement Construct 자체가 완전히 없다는 의미는 아닐 수 있습니다.

따라서 많은 Test Score에서:

80점은 40점보다 능력이 정확히 두 배

라고 단순하게 해석하기 어렵습니다.

이런 이유로 Test Score를 Interval 성격으로 다루는 경우를 이해할 수 있습니다.

Score가 숫자라고 Ratio라고 생각하면 안 되는 이유

예를 들어 Cognitive Score가:

10

20

30

이라고 가정해보겠습니다.

숫자만 보면 20이 10의 두 배처럼 보입니다.

하지만 Score Scale이 그렇게 정의되어 있지 않다면:

20점의 Cognitive Function이 10점의 두 배

라고 말할 수 없습니다.

따라서 숫자의 Mathematical Appearance와 Measurement Meaning을 구분해야 합니다.

Likert Scale은 Interval일까?

Likert Item처럼:

1 = Strongly Disagree

2 = Disagree

3 = Neutral

4 = Agree

5 = Strongly Agree

형태는 기본적으로 Ordered Category 구조를 가지고 있습니다.

각 Category 사이의 심리적 간격이 정확히 동일하다고 자동으로 보장되지는 않습니다.

따라서 단일 Likert Item을 단순 Interval Measure라고 가정하는 것은 주의가 필요합니다.

실제 분석에서는 여러 Item을 합산한 Scale 등을 Continuous에 가깝게 다루는 경우도 있지만, 이는 Scale 구성과 분석 목적에 따라 판단해야 합니다.

Ordinal과 Interval을 혼동하기 쉬운 이유

둘 다 순서가 존재합니다.

하지만 차이가 있습니다.

Ordinal

Order 있음

↓

Distance 불확실

Interval

Order 있음

↓

Distance 의미 있음

↓

True Zero 없음

예를 들어:

Mild

Moderate

Severe

에서는 순서는 알 수 있지만 각 Severity 단계 차이가 같은지 알기 어렵습니다.

반면 Celsius에서는 10°C Difference는 Scale 어디에서나 같은 Interval을 나타냅니다.

Interval과 Ratio를 한 단계씩 연결해보자

Measurement Scale의 정보량을 단순화하면 다음과 같이 볼 수 있습니다.

Nominal

↓

Category

Ordinal

↓

Category + Order

Interval

↓

Category/Value + Order + Meaningful Distance

Ratio

↓

Category/Value + Order + Meaningful Distance + True Zero

Scale이 올라갈수록 해석할 수 있는 수치적 정보가 늘어나는 구조입니다.

Ratio가 Interval보다 항상 더 좋은 Data일까?

“더 좋다”라고 단순하게 표현하는 것은 적절하지 않습니다.

Ratio Scale은 더 많은 수학적 관계를 해석할 수 있지만 연구자가 필요한 Measurement를 항상 Ratio 형태로 얻을 수 있는 것은 아닙니다.

예를 들어 Temperature를 Celsius로 측정하는 것이 연구 목적상 충분하다면 Interval Scale이라는 이유로 품질이 낮은 Data라고 볼 수 없습니다.

중요한 것은:

어떤 Scale인지 정확하게 알고

↓

그 Scale에서 허용되는 해석을 사용하는 것

입니다.

Measurement Scale을 잘못 이해하면 어떤 해석 오류가 생길까?

대표적인 오류는 다음과 같습니다.

Interval에서 Ratio 해석

“20°C는 10°C보다 두 배 뜨겁다.”

Ordinal에서 Equal Distance 가정

“Mild에서 Moderate의 변화와 Moderate에서 Severe의 변화는 동일하다.”

Nominal에서 Numeric Distance 해석

“Region 3은 Region 1보다 두 단계 높다.”

이 모든 문제는 Data가 숫자로 저장되어 있다는 사실을 Measurement Meaning과 혼동했을 때 발생할 수 있습니다.

SAS Dataset의 Numeric Type만 보면 알 수 있을까?

아닙니다.

다음 Variable이 모두 SAS에서 Numeric Type일 수 있습니다.

• Region Code
• Severity Score
• Temperature
• Weight

하지만 Measurement Scale은 다음처럼 다를 수 있습니다.

Region Code

Nominal

Severity Score

Ordinal

Celsius Temperature

Interval

Weight

Ratio

즉 SAS의 Numeric/Character Type만으로는 Measurement Scale을 결정할 수 없습니다.

Data Type은 컴퓨터가 값을 저장하는 방법이고 Measurement Scale은 그 값이 통계적으로 어떤 의미를 갖는지를 설명합니다.

Variable Metadata만으로 충분할까?

Variable Name과 Type만으로는 부족할 수 있습니다.

예를 들어:

TEMP

라는 Numeric Variable이 있다고 가정해보겠습니다.

이것이 Celsius인지 다른 형태의 Temperature인지 알아야 정확한 Measurement Interpretation이 가능합니다.

따라서 다음 정보를 함께 확인하는 것이 좋습니다.

• Variable Definition
• Unit
• Coding
• Measurement Method
• Possible Range
• Zero의 의미

Unit을 확인해야 하는 이유

Continuous Variable에서는 Unit이 매우 중요합니다.

예를 들어 Weight가:

70

이라고 기록되어 있어도 이것이:

70 kg

인지

70 lb

인지 알아야 합니다.

Measurement Scale 자체가 Ratio라고 하더라도 Unit을 혼동하면 분석 결과의 실제 해석이 틀릴 수 있습니다.

따라서:

Value

Unit

Scale

을 함께 이해해야 합니다.

Zero가 실제로 관찰되지 않아도 Ratio일 수 있을까?

가능합니다.

예를 들어 연구 대상의 Adult Weight가:

45 kg ~ 120 kg

범위에만 존재한다고 가정해보겠습니다.

Dataset에 0 kg Observation은 없습니다.

하지만 Weight Measurement 자체에는 의미 있는 Zero가 존재합니다.

즉:

Dataset 안에 실제 Zero Observation이 존재하는가

와

Scale 자체가 True Zero를 갖는가

는 서로 다른 문제입니다.

최소값이 0이면 무조건 Ratio일까?

아닙니다.

어떤 Score가 0부터 시작하도록 설계되었다고 해서 0이 반드시 Measurement Construct의 완전한 부재를 의미하는 것은 아닙니다.

예를 들어 Test Score에서 0점이:

Knowledge = 완전한 부재

를 의미한다고 보장할 수 없습니다.

따라서 최소값이 0이라는 사실만 보고 Ratio Scale이라고 결정하면 안 됩니다.

True Zero는 단순히 숫자 0이 존재한다는 뜻이 아니라 측정 속성의 실제 부재를 의미하는 0이어야 합니다.

Ratio Scale에서도 변환된 Variable은 성질이 달라질 수 있을까?

분석 과정에서 Original Variable을 Transform하는 경우가 있습니다.

예를 들어 Ratio Variable에 Log Transformation을 적용할 수 있습니다.

Transform된 값의 Interpretation은 원래 Scale과 달라질 수 있습니다.

따라서 Statistical Model에서 사용한 Variable이:

Raw Value

인지

Transformed Value

인지 구분해야 합니다.

Measurement Scale을 이해하는 것과 Model에서 실제로 사용되는 Mathematical Representation을 이해하는 것은 함께 필요합니다.

Continuous Variable이라고 Linear Relationship을 의미하는 것은 아니다

두 Ratio Variable이 있다고 가정해보겠습니다.

Age

Outcome

둘 다 Continuous라고 해서 Age와 Outcome이 반드시 Linear Relationship을 갖는 것은 아닙니다.

Relationship은:

• Linear
• Curved
• Threshold
• No Association

등 다양한 형태가 될 수 있습니다.

Measurement Scale은 어떤 계산과 비교가 가능한지를 설명하지만 변수 사이 Relationship까지 자동으로 결정하지 않습니다.

Interval과 Ratio 모두 Distribution을 확인해야 한다

Continuous Variable이라면 Scale만 확인하고 바로 Mean이나 Regression을 실행해서는 부족할 수 있습니다.

분석 전에는 다음과 같은 Data 특성도 확인해야 합니다.

• Center
• Spread
• Shape
• Skewness
• Extreme Value
• Missing Data

첨부 교재 역시 본격적인 Inferential Analysis 이전에 Data의 Distribution과 unusual values 등을 확인하는 접근을 강조합니다.

즉:

Measurement Scale

↓

어떤 종류의 Variable인가?

그리고

Distribution

↓

실제 값이 어떻게 퍼져 있는가?

를 함께 봐야 합니다.

Mean은 Interval과 Ratio에서 모두 의미가 있을까?

일반적으로 값 사이의 간격이 의미 있으므로 두 Scale 모두 Mean을 사용할 수 있습니다.

하지만 실제 Data가 매우 Skewed되어 있거나 Extreme Value가 존재한다면 Median이 더 적절한 Summary가 될 수 있습니다.

따라서:

Scale

은 Mean 계산 가능성을 판단하는 한 요소이고,

Distribution

은 Mean이 실제 데이터를 잘 대표하는지 판단하는 또 다른 요소입니다.

Standard Deviation도 사용할 수 있을까?

Interval과 Ratio Data에서는 값 사이의 차이가 의미 있으므로 Standard Deviation을 통해 Data가 Mean 주변에서 얼마나 퍼져 있는지 설명할 수 있습니다.

예를 들어 Weight가:

Mean = 70 kg

SD = 5 kg

이라고 하면 평균 주변의 변동성을 kg 단위로 해석할 수 있습니다.

Temperature에서도:

Mean = 20°C

SD = 3°C

처럼 Difference를 기반으로 한 변동성을 설명할 수 있습니다.

Coefficient of Variation은 왜 Ratio에서 더 자연스러울까?

Coefficient of Variation은 Standard Deviation을 Mean으로 나눈 상대적인 변동성 지표입니다.

비율 형태의 Interpretation이 포함되므로 True Zero를 가진 Ratio Scale에서 더 자연스럽게 해석될 수 있습니다.

Interval Scale에서는 Zero Point가 임의적이므로 Mean 대비 비율이라는 개념이 Measurement Transformation에 따라 달라질 수 있습니다.

이 사례는 True Zero가 실제 Statistical Interpretation에 영향을 줄 수 있음을 보여줍니다.

값에 10을 더하면 Interval 정보는 어떻게 될까?

예를 들어 Interval Data의 모든 값에 일정한 숫자를 더한다고 가정해보겠습니다.

10, 20, 30

↓

110, 120, 130

값 사이 Difference는 여전히:

10

10

으로 유지됩니다.

즉 Interval 정보는 유지됩니다.

하지만 Ratio는:

20 / 10 = 2

와

120 / 110 ≈ 1.09

로 달라집니다.

이 때문에 Interval Scale에서 Ratio가 본질적인 정보가 아니라는 점을 이해할 수 있습니다.

Ratio Scale에서 단위만 바꾸면 Ratio는 유지된다

예를 들어 Length가:

1 m

2 m

일 때 Ratio는 2입니다.

이를 cm로 바꾸면:

100 cm

200 cm

여전히 Ratio는 2입니다.

따라서 Ratio Information이 측정 단위 변경 후에도 유지됩니다.

이것이 True Zero와 Ratio Interpretation이 연결되는 이유입니다.

SAS에서 Interval과 Ratio를 구분하는 별도 Setting이 있을까?

일반적인 SAS Dataset의 Numeric Variable Type 자체가 이 철학적 Measurement Scale을 모두 자동으로 표현해주는 것은 아닙니다.

따라서 Analyst가 Variable의 의미를 파악해야 합니다.

예를 들어 SAS에:

TEMP = 20

WEIGHT = 70

이 저장되어 있다고 해도 Software가 그 숫자만 보고:

TEMP = Interval

WEIGHT = Ratio

라는 모든 맥락을 자동으로 이해한다고 생각해서는 안 됩니다.

Variable Definition과 Unit를 사람이 확인해야 합니다.

분석 전 Data Dictionary에 무엇을 기록하면 좋을까?

예를 들어 다음과 같이 정리할 수 있습니다.

Variable	Meaning	Unit	Scale
REGION	Region	–	Nominal
SEVERITY	Disease Severity	Level	Ordinal
TEMP	Temperature	°C	Interval
WEIGHT	Body Weight	kg	Ratio

이런 구조를 만들어 두면 이후 Statistical Method와 Result Interpretation을 결정하기 쉬워집니다.

Measurement Scale을 모르면 어떤 질문을 해야 할까?

다음 질문을 순서대로 적용할 수 있습니다.

1. Category인가?

그렇다면 Nominal 또는 Ordinal을 고려합니다.

2. 값에 자연스러운 순서가 있는가?

있다면 Ordinal 이상을 고려합니다.

3. 값 사이의 차이가 동일한 의미를 갖는가?

그렇다면 Interval 또는 Ratio를 고려합니다.

4. Zero가 속성의 실제 부재를 의미하는가?

그렇다면 Ratio를 고려할 수 있습니다.

전체 구조는 다음과 같습니다.

Category

↓

Order?

↓

Meaningful Distance

↓

True Zero?

↓

Interval / Ratio

Interval과 Ratio의 전체 비교

지금까지 내용을 하나의 구조로 정리하면 다음과 같습니다.

Interval Scale

Order

있음

↓

Meaningful Distance

있음

↓

True Zero

없음

↓

Difference 해석 가능

Ratio 해석 제한

대표 예:

Celsius Temperature

Ratio Scale

Order

있음

↓

Meaningful Distance

있음

↓

True Zero

있음

↓

Difference 해석 가능

Ratio 해석 가능

대표 예:

Volume

첨부 교재 역시 Continuous Variable을 Interval과 Ratio로 구분하면서 Beverage Volume에는 True Zero가 있고 Celsius Temperature에는 True Zero가 없다고 설명합니다.

흔한 오해 정리

“숫자로 측정되면 모두 Ratio Scale이다”

아닙니다.

Continuous Numeric Variable도 Interval 또는 Ratio 등 서로 다른 Scale을 가질 수 있습니다.

“0이 있으면 Ratio Scale이다”

반드시 그렇지는 않습니다.

0이 단순히 척도상 기준점인지 실제 속성의 부재인지를 확인해야 합니다.

“0°C는 온도가 없는 상태다”

아닙니다.

첨부 교재에서도 0°C는 Heat의 부재를 의미하지 않는다고 설명합니다.

“20°C는 10°C보다 두 배 뜨겁다”

Celsius Scale에서 이러한 Ratio Interpretation은 적절하지 않습니다.

“Ratio Scale이면 Statistical Result도 두 배로 증가한다”

아닙니다.

Measurement가 두 배라는 사실과 Outcome 또는 Effect가 두 배라는 사실은 서로 다릅니다.

“Interval과 Ratio는 반드시 서로 다른 SAS Procedure를 사용한다”

그렇지 않습니다.

많은 분석에서 둘 모두 Continuous Variable로 사용될 수 있으며 차이는 특히 Measurement Interpretation에서 중요합니다.

“Dataset에 0이 없으면 Ratio가 아니다”

아닙니다.

실제 Observation에 0이 존재하는지보다 Measurement Scale 자체에 True Zero가 존재하는지가 중요합니다.

“Test Score에 0점이 있으므로 Ratio Scale이다”

그렇게 단순하게 판단할 수 없습니다.

0점이 측정하고 있는 능력이나 Construct의 완전한 부재를 의미하는지 확인해야 합니다.

Interval과 Ratio를 어떻게 기억하면 쉬울까?

다음 한 문장으로 기억할 수 있습니다.

Interval은 ‘얼마나 차이 나는가’를 말할 수 있고, Ratio는 여기에 더해 ‘몇 배인가’까지 의미 있게 말할 수 있습니다.

구조로 보면:

Interval

Difference O

Ratio △

Ratio

Difference O

Ratio O

이 차이를 만드는 것이 바로 True Zero입니다.

왜 이 개념을 이해해야 할까?

앞으로 SAS에서 Continuous Variable을 이용해 다음과 같은 분석을 수행하게 됩니다.

Descriptive Statistics

↓

Mean / Standard Deviation

↓

t-Test

↓

Mean Difference

↓

ANOVA

↓

Group Mean Comparison

↓

Correlation

↓

Continuous Relationship

↓

Regression

↓

Predictor와 Response Modeling

이 분석들을 실행하는 것 자체만 보면 Interval과 Ratio가 비슷하게 사용될 수 있습니다.

하지만 결과를 해석할 때 Measurement Scale을 이해하지 못하면 잘못된 표현을 사용할 수 있습니다.

특히:

• Difference
• Ratio
• Percent Change
• Relative Comparison

을 해석할 때 True Zero의 의미가 중요합니다.

핵심 정리

Interval Scale과 Ratio Scale은 모두 Quantitative 또는 Continuous Variable에서 볼 수 있는 Measurement Scale입니다.

두 Scale 모두:

• 값에 Order가 존재하고
• 값 사이의 Distance가 의미 있습니다.

하지만 결정적인 차이는 True Zero의 존재 여부입니다.

첨부 교재에서는 Beverage Volume을 Ratio Level, Celsius Temperature를 Interval Level의 예로 제시합니다. Volume은 True Zero를 가지고 있지만 Celsius Temperature의 0°C는 Heat의 부재를 의미하지 않습니다.

전체 구조를 정리하면 다음과 같습니다.

Interval Scale

↓

Order

Meaningful Distance

No True Zero

↓

Difference 해석 가능

하지만 Ratio 해석은 제한적

반면:

Ratio Scale

↓

Order

Meaningful Distance

True Zero

↓

Difference 해석 가능

Ratio 해석 가능

Interval과 Ratio를 구분하는 핵심은 숫자 0이 존재하는지가 아니라, 그 0이 측정하고 있는 속성의 실제 부재를 의미하는가입니다.

이 차이를 이해하면 Continuous Variable을 단순한 숫자로 보는 것을 넘어 어떤 수학적 비교와 Statistical Interpretation이 가능한지를 판단할 수 있습니다.

함께 읽으면 좋은 글

• Measurement Scale의 중요성: 변수의 측정척도가 통계분석 방법을 결정하는 이유
• Nominal과 Ordinal Variable의 차이: 범주형 변수의 순서가 분석에 미치는 영향
• Predictor와 Response Variable의 구조: 설명변수와 반응변수의 역할 이해
• 변수 유형과 통계모형의 관계: ANOVA·Regression·Logistic Regression 선택 기준
• Mean·Median·Mode의 차이: 데이터 분포에 따라 중심값을 선택하는 기준

참고한 자료

• SAS Enterprise Guide: ANOVA, Regression, and Logistic Regression Course Notes
• Introduction to Statistics
• Fundamental Statistical Concepts
• Continuous Variables
• Interval-Level and Ratio-Level Measurement