简述分类变量与数值变量的根本区别
分类变量与数值变量是统计学中描述数据特征的两种基本变量类型，二者的根本区别在于对事物属性的度量方式不同。分类变量以类别划分事物，数值变量以数量衡量事物，这种本质差异决定了它们的应用场景、分析方法和读逻辑的根本不同。分类变量的核心特征是“类别属性”。它将研究对象划分为互斥的组别，数据表现为标签或名称，例如性别男/女、学历高中/本科/硕士、职业类型教师/医生/工程师等。这类变量法进行数学运算，其数值仅代表类别的标识，而非数量大小。例如，用“1”表示男性、“2”表示女性时，数值“2”并不意味着“女性”比“男性”多1个单位，仅表示不同类别。分类变量的分析侧重于类别间的频率分布和占比比较，例如计算不同职业的从业者人数占比，或通过卡方检验判断性别与消费偏好是否独立。
数值变量的核心特征是“数量属性”。它通过具体数值反映事物的量化特征，能够进行数学运算和统计分析，例如身高厘米、收入元、温度摄氏度等。数值变量的数值具有明确的量纲和大小关系，不仅能表示“有”，还能精确描述“多少”。例如，年龄变量中“30岁”比“20岁”大10岁，这种数量差异具有实际意义。数值变量的分析通常围绕集中趋势如均值、中位数和离散程度如标准差、方差展开，可通过t检验、方差分析等方法比较组间差异，或通过相关分析、回归分析探究变量间的数量关系。
从数据性质看，分类变量体现“质”的差异，数值变量体现“量”的差异。分类变量的类别之间固定顺序如颜色或有明确顺序如学历层次，但顺序本身不代表数值大小；数值变量则通过连续或离散的数值序列直接反映量的变化。这种差异直接影响统计方法的选择：分类变量常用列联表、条形图描述，数值变量则适用直方图、折线图等工具。理二者的根本区别，是正确选择研究方法、读数据含义的基础，也是统计学分析的逻辑起点。