|
定量变量（quantitative variable）： 取值是定量的、有计算意义的。 如年龄、家庭人口数这类变量。 定性变量（qualitative variable）： 取值是定性的、主要起代号作用。 如学历、婚姻状况和就业状况。  为了对定性变量进行统计学处理，往往需要对其进行编码，比如“男为0，女为1”。 所以，在实际的统计工作中，不要输入汉字，而是要注意将其转换为相应的数字。 二、连续变量和离散变量 连续变量（continuous variable）： 其取值范围在理论上是连续不断的。 如年龄变量的取值范围在理论上可以取任意正实数，注意不是正整数，比如一个人的年龄可以记为17.55岁，表示年龄为17岁6个月18天，甚至还可以利用出生时刻的信息精确到更小的时间单位（如“分、秒”） 离散变量（discrete variable）： 取值范围是间断而不连续的。 如家庭人口数这一变量就是相对于连续变量的另一类，即，因为不同家庭的人口数只可能相差0、1、2，而不能相差1.1、1.2等。  由此可见，一般仅定量变量有连续和离散之分，即一个定量变量要么是连续的、要么是离散的。 相较而言，定性变量从数据表现上虽然和离散变量类似，但由于它只具有“代号”意义，所以一般不把它视为离散变量。  三、定性变量的分类 定性变量的取值往往表现为互不交叉的类别（所以定性变量也称分类变量），同时这些类别有时会存在细微的差别。 1. 有序分类变量 如学历这类定性变性变量的取值为“文盲、小学、初中、高中……”，透露出一种等级或顺序的感觉，因此也称之为有序分类变量，这是指其取值的各类别之间存在着程度上的差别。  另外一个常见的例子是“满意程度”，包括“很不满意、不满意、一般、满意、非常满意”。这类有序分类变量给人一种“半定量”的感觉，也称为“等级变量”；  2. 无序分类变量 与之相对的另一类定性变量，即无序分类变量，其各个取值则不存在程度的差异，比如性别、血型等。  对于无序分类变量，根据取值的不同又可分为“二项分类变量”和“多项分类变量”，比如性别（一般情况）只分为男女两类，所以称之为二分类，而血型类别较多，可称为多分类。  
|
|
|
留言时，大家尽量写得具体些，如自己的专业背景是什么，写的是毕业论文还是期刊论文，想要哪方面的文献等，这样我好根据大家的具体需求，有针对性地来解答。
