统计学中的变量大致可以分为数值变量和分类变量。数值变量又可以分为下面两类：
离散型变量：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：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：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：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。
顺序变量和分类变量的区别是什么?
序变量，也称为有序变量或等级变量，是指具有顺序或等级关系的变量，例如排名、学历、年龄段等。这类变量是基于一种特定的顺序或等级规则进行测量的，其取值可以按照一定的顺序排列。顺序变量的度量尺度属于有序类别，其取值通常表示为整数。分类变量，也称为名义变量，是指不能排序的变量，例如性别、颜色、国籍等。这类变量是基于一种特定的分类规则进行测量的，其取值通常表示为一些互不相同的标签或符号。分类变量的度量尺度属于无序类别，其取值通常是一个标签或符号。因此，顺序变量和分类变量的主要区别在于变量的度量尺度和取值类型。顺序变量是有序的，取值表示为整数，而分类变量是无序的，取值表示为标签或符号。
