统计学当中关于变量的分类

  统计学中的变量指的是研究对象的特征，我们有时也称为属性，例如人的身高、性别等。

  每个变量都有变量的值和变量的类型。我们按照变量的类型对变量进行划分。

  统计学中的变量（variables）大致可以分为数值变量（numrical）和分类变量（categorical）。

  数值型变量是值可以取一些列的数，这些值对于 加法、减法、求平均值等操作是有意义的。而分类变量对于上述的操作是没有意义的。

  数值变量又可以分为下面两类：

  离散型变量（discrete）：值只能用自然数或整数单位计算，其数值是间断的，相邻两个数值之间不再有其他数值，这种变量的取值一般使用计数方法取得。

  连续型变量（continuous）：在一定区间内可以任意取值，其数值是连续不断的，相邻两个数值可作无限分割，即可取无限个数值。如身高、绳子的长度等。 
  和离散型变量相比，连续型变量有“真零点”的概念，所以可以进行乘除操作。

  分类变量又可以分为下面两类：

  有序分类变量（ordinal）：描述事物等级或顺序，变量值可以是数值型或字符型，可以进而比较优劣，如喜欢的程度：很喜欢、一般、不喜欢 。
  无序分类变量（nominal）：取值之间没有顺序差别，仅做分类，又可分为二分类变量和多分类变量 二分类变量是指将全部数据分成两个类别，如男、女，对、错，阴、阳等，二分类变量是一种特殊的分类变量，有其特有的分析方法。 多分类变量是指两个以上类别，如血型分为A、B、AB、O。

  有序分类变量和无需分类变量的区别是：前者对于“比较”操作是有意义的，而后者对于“比较”操作是没有意义的。

 

  这四种数据的等级从低到高依次为：无序分类变量(nominal) <有序分类变量(ordinal)< 离散型数值变量(discrete)< 连续型数值变量(continuous)。

 下面的一张图描述了它们之间的关系：