有没有方法推荐怎么设计内容分析的类目构建？

类目构建有没有什么方法

做类目构建的时候，可以参考传播学的测量层次划分方法，分别是定类测量、定序测量、定距测量以及定比测量。

定类测量
是把变量的不同特征和属性加以区分，类别之间必须互斥，且没有秩序与距离的关系，不能进行加减乘除。在这个层面上，研究者一般只是简单的统计每一个个体在其类别中所出现的频率。比如，性别分为男、女，可以统计各自的占比。

定序测量
是按照某种逻辑对变量进行排序，具有等级和秩序的关系，不同的属性代表了变量的相对多寡程度。例如受教育程度的高低等等。但是，在定序变量中，对属性之间的距离或差异程度做测量是没有意义的，定序变量在内容分析法中并不常用。例如，“年代”是一个类目，然后可以用定序测量的方法将其量化为“1998年，1999年，2000年……”。

定距测量
是在定序变量分等级的基础上，可表示不同水平之间的间隔距离和数量差别，可以加减，不能乘除，没有真正的零点。例如，研究者用定距测量研究商业广告中的女性形象。每一个角色都可以用定距变量进行分析，从“依赖-…-…-…-…-独立”、“主导-…-…-…-…-…顺从”。

定比测量
是在定距变量的基础上更进一步，除了具有等距标尺，还有绝对的零点，可以计算比率。它是建立在真实基础上的。例如人的收入，可以有0，1000，2000，4000……等。

以上4种测量方法，其测量层次从高到低依次是定比测量、定距测量、定序测量、定类测量，测量层次越高，可以使用的统计方法就越多，如果研究对象可以用高层级的测量方法，也可以改用底层级的测量方法，但是建议尽量使用高层级的测量方法，这样可以做更多维度的统计分析。

知乎上这个回答挺好：《nominal,ordinal,interval,ratio variable怎么区分？请用中文回答》

当时我学习的时候，我有个疑问：为什么温度是定距变量，而身高是定比变量。后来看了一些文章后，发现可以根据“是否有绝对零点”来判断。我摘抄一点原文的内容：

1，Nominal Data 定类变量【注意，是nominal，不是norminal】

变量的不同取值仅仅代表了不同类的事物，这样的变量叫定类变量。问卷的人口特征中最常使用的问题，而调查被访对象的“性别”，就是 定类变量。对于定类变量，加减乘除等运算是没有实际意义的。

2，Ordinal Data定序变量

变量的值不仅能够代表事物的分类，还能代表事物按某种特性的排序，这样的变量叫定序变量。问卷的人口特征中最常使用的问题“教育程度“，以及态度量表题目等都是定序变量，定序变量的值之间可以比较大小，或者有强弱顺序，但两个值的差一般没有什么实际意义。

3，Interval Data 定距变量

变量的值之间可以比较大小，两个值的差有实际意义，这样的变量叫定距变量。有时问卷在调查被访者的“年龄”和“每月平均收入”，都是定距变量

4，Ratio Data　定比变量,

有绝对0点，如质量，高度。定比变量与定距变量在市场调查中一般不加以区分，它们的差别在于，定距变量取值为“0”时，不表示“没有”，仅仅是取值为0。定比变量取值为“0”时，则表示“没有”