你可能已经注意到以上所描述中的数字编码并不总是一回事，虽然它们都用于测量，但却代表了不同的类型或计量尺度(levelsofmeasurement)。有时它们代表的是数值量，如你的年龄或物价水平，但有些时候它们只是些象征符号，比如有些问卷中用1代表“是”，用2代表“否”。在定量分析中，理解数字所代表的计量尺度是非常重要的。一般有以下四种类型的数据：定类数据、定序数据、定距数据和定比数据。定类数据和定序数据也被称为非计量数据(non-metricdata),定距数据和定比数据被称为连续型数据、计量数据(metricdata)或基数数据(cardinalnumbers)。

1.定类数据

定类数据(nominalscalenumber)用以对事物分类或贴标签。另外，定类数据也可以用除数字之外的符号代替，但因为数字清晰易懂，所以最常使用的是数字。当使用数字表示定类数据时，数字本身没有计量意义和计量价值。在一个分析中，性别是一个定类变量，我们用数字1代表“男性”，数字2代表“女性”；“曾经在北爱尔兰意外的地方居住超过6个月”也是一个定类变量，用“1”代表回答“是”的人，用“2”代表那些回答“不是”的人。这些数字除此之外没有任何意义，如果相加就会出现混乱。

2.定序数据

定序数据(ordinalscalenumbers)用以表明编码的各条目间存在着一定的关联，也就是各数字间存在一定的顺序。例如，街上房屋号码就是定序数据；你在比赛中的名次或在家庭中出生的顺序，可能是第一、第二或第三，这些就是定序数据。定序变量的一个例子就是产品测试中的意见评级或偏好排名：最喜欢，第二喜欢等。定序数据可以进行排序，但和定类数据一样，并不具有计量意义和计量价值。

3.定距数据

定距数据(intervalscalenumbers)和定序数据不同，定距数据具有一定的计量价值。定距数据值间存在着一定的顺序关系，数据值之间被等份分割。例如，温度变量就是定距数据。定距数据的主要特征就是其没有基准零值：当变量值为0时不是表示没有，如温度变量，当温度为0时，并不是表示没有温度。负数可能意味着其他东西。例如，-5龙就是一个有意义的数据。收入也是一个定距数据，例如，如果某人有负债，那么他就有可能是负收入。

4.定比数据

定比数据(ratioscalenumbers)有着和定距数据相同的一些特点：它们都有一定的顺序，数据值之间被等份分割，都具有计量意义。但是，与定距数据不同的是，定比数据有基准零值。定比数据汇总的“0”表示什么都没有，但定距数据中的“0”可能表示“低”或“非常低”。定比数据不存在负数，比如已经过去的时间、身高、体重等都是定比变量。

5.为什么关心这些

在研究中你会遇到以上四种类型的变量，定距变量和定比变量可以通过数学或统计学方法进行运算，因为它们具有一定的计量价值，而定类变量和定序变量则不具有这种计量价值，因此不适用于分析中的精确计量运算。所以，在决定使用哪种类型数据最适合于研究和检验假设时，进行统计计算都需要识别所用的变量值到底属于哪种数据。