根据数据对研究对象不同特征的度量，我们可以将从研究对象获得的数据分为两类：定性数据和定量数据。

1.定性数据

定性数据（qualitative data），又称品质数据或质的数据，用来表示研究对象的品质特征，表示研究对象属于“某一类”。常见的定性数据又可分为两类。

（1）分类数据（categorical data）。这类数据表示的是研究对象的属性或类别上的不同。例如，根据人的性别，可将人分为男人和女人。我们可以用1代表男性，用2代表女性。在这里，并不是说2比1大，即这里的2与1没有先后和大小之分，它们只是表示两类不同的性别而已。

又如，就目前所知，人类的ABO血型有A、B、AB及O四种。我们可以分别用1，2，3，4来表示A、B、AB及O四种血型。同样地，这里的1，2，3，4也没有大小及先后顺序，它们只是表示四种不同的血型而已。

因此，分类数据只是表示研究对象的类别，它们不能排序（如从小到大或从大到小），也不能进行算术四则运算（+，-，×，÷）。

（2）顺序数据（ordinal data）。与分类数据相似，顺序数据也表示研究对象的类别，但顺序数据同时表示了研究对象个体在一系列有序类别中所处的位置。顺序数据也不能进行运算。以一群人中不同人的受教育程度为例。我们可以设文盲 = 1，半文盲 = 2，小学 = 3，初中 =4，高中 = 5，大专 = 6，本科 = 7，（研究生）硕士 = 8，（研究生）博士 = 9。在这里，我们不能将各数字相加（或做其他运算）。但从数字本身，我们可以知道不同学历在各种教育程度中的相对位置。例如，如果某人的教育程度是7（本科），我们可以知道该人受的教育比6（大专）高，但比8（硕士）低。尽管如此，我们还是不能将6（大专）与7（本科）加起来，也不能将一个1（文盲）与一个2（半文盲）加起来等于3（小学）。

2.定量数据

定量数据（quantitative data）表示的是研究对象的数量特征，如人群中人的身高、体重等。

除上述分类方法外，我们也可将数据分为以下几类。

定性数据 是表示研究对象品质特征的数据，表示其属于“某一类”，包括分类数据和顺序数据。

定量数据 表示的是研究对象的数量特征。

（1）非次序分类数据（unordered categorical data）：将研究对象归于不同类群，但各类没有顺序，如工人、农民、学生等。非次序分类数据与上述分类数据相同。

（2）次序分类数据（ordered categorical data）：将研究对象归于不同类群，各类有一定顺序或次序，如人们收入的低、中、高（从低到高）等。次序分类数据与顺序数据相同。

（3）连续型数据（continuous data）：这类数据包括所有实数，如253.5， -57.0， 0， 0.25等。这是定量数据的一种。

（4）整型数据（integer）：只包括实数中的整数，如1， 2， 3， -4， -10。这是定量数据的一种。