分类变量和等级变量

嗯，你提到的几点基本上是正确的，但我们可以稍微平滑一下，这样就不会造成混乱。

看，第 1 点说二元变量和层次变量是不同的，这是正确的。
第2 点解释得很清楚。
两个类别是黑白分明的，比如男/女，是/否。
类变量不同。
它不是非黑即白的，而是有层次的，比如教育层次：小学、初中、大学。
这是从低到高的顺序。

在第3 点中，您说分类变量是一种心理变量，使用序数尺度进行测量......我不确定这部分。
序数变量当然可以通过序数量表来测量，但我不确定它们是否是心理测量变量。
它们也可用于社会学研究。
关键还是顺序，是小还是高。

第 4 点和第 5 点将变量视为数学概念。
我熟悉它们在计算机中的表示方式以及如何更改它们。
事实上，变量就是一个容器，用来存储数据。
在代码中命名，执行过程中可以改变这个值，比如score=9 0，然后看到score增加了5 分，那么就是score=score+5 ，值发生了变化。

无论如何你都能弄清楚。
最主要的是不要混淆二元分类和层次变量。
一个是非此即彼，另一个是顺序的。

统计中的变量类型有哪些？

分类变量：性别（男/女）、血型（A/B/AB/O）。
序数变量：教育水平（小学/中学/大学）。
数值变量：年龄（3 0岁）、收入（5 000元）。
离散变量：人数（5 人）、订单数（2 0个订单）。
连续变量：温度（2 5 .5 ℃）、体重（6 8 .2 kg）。
二元变量：结婚与否（是/否）、通过与否（通过/失败）。
时间序列变量：每日销售额（2 02 3 年1 月1 日：1 000元）。
多维变量：客户数据（身高1 7 5 cm，体重7 0kg，年龄3 5 岁）。
因此他们混淆了序数变量和分类变量。
先用 Python 声明类型，然后再解析它们。

变量按反映对象的不同可分为哪几类

数值变量使用数字来表示特征。
该值是数值数据。
例如，营业额。
上周查了一下，某公司2 02 3 年的营业额是5 00万。
由你决定。