上次做社会调研统计作业的时候，对着一整页问卷数据手足无措，折腾半天找不出分析出错的根源，最后才发现问题全出在基础认知上，彻底摸透统计学变量类型有哪些，是所有数据分析的第一步，我之前就是跳过了这一步，硬生生把整套数据处理逻辑搞乱了。
一开始完全分不清各类变量的区别，只知道变量是数据的载体，却不知道不同变量对应完全不一样的统计方法，瞎用分析公式，算出来的结果全部失真。
当时手里整理的是大学生消费调研数据，包含性别、年级、月生活费、消费次数、消费偏好这些内容，我一股脑把所有数据都当成了可以计算均值的数值变量，对着性别、消费偏好这类文字数据强行做量化运算，忙活了四个小时做出的分析报告，被老师直接打回。老师的批注很直白，变量分类错误，后续所有统计分析均无意义，那一刻才意识到，统计学最基础的变量分类，根本不是书本上的枯燥定义，是实打实的实操底线。很多人学统计都容易犯这个错，只顾着学复杂的计算公式、数据分析模型，却忽略了最底层的变量区分，看似简单的知识点，一旦混淆，所有后续工作都是无用功。
后来才反应过来，日常实操里不用死记硬背复杂定义，只用一个核心标准区分所有变量，就是看数据的测量方式和运算属性。
整体可以先分成两大核心类别，定性变量和定量变量，这是统计学变量最基础的划分方式。定性变量就是描述属性、特征的数据，没办法做加减乘除运算，只能用来分类，我问卷里的性别、消费偏好、专业都属于这类。这类变量还能细分，无序定性变量没有等级高低之分，比如性别、专业，互相之间不存在谁优谁劣；有序定性变量有明确等级，却不能精准量化，比如年级、满意度评分，能区分高低，却没法算出两个等级之间的精准差值。
定量变量分连续和离散两种。
离散定量变量是只能取整数、不能拆分的数据，不存在中间数值，比如每周消费次数、调研样本人数，这类数据只能一个个计数，不可能出现小数。之前我就错把消费次数算出了小数均值，这是完全不符合统计逻辑的低级错误。
连续定量变量是可以无限细分、能精准运算的数据，带有无数个中间值，月生活费、身高、单次消费金额都属于这类，可以做加减平均、方差分析等所有常规统计运算，也是数据分析里最常用的变量类型。
重新对着调研数据逐条核对分类，把所有变量按照这套实操标准重新划分，删掉所有错误的运算公式，匹配对应的统计方法，无序变量用频数统计，有序变量做等级分析，连续变量做均值和相关性分析，整套数据瞬间变得规整清晰，没有了之前混乱的逻辑漏洞。
保存好修正后的数据分析表格，鼠标悬停在屏幕上整齐分类的变量清单上，久久没动。