统计数据是对社会经济现象进行测量的一个结果，比如对经济活动总量的测度可以通过国内生产总值数据来展现，对企业活动，可以采用成本、收入和利润来衡量，银行对信用卡客户是否违约可以通过优良中差来决定，人口性别可以通过男女来表示，由此可见，数据可以分为不同的类型。

定类数据、顺序数据、数值型数据

数据按照计量尺度分类可以大致分为：定类数据、顺序数据和数值型数据三大类。

定类数据(categorical data) 是只能归于某一类别的非数字型数据，对事物进行分类的结果，数据表现为类别，用文字或数字来表述，比如，人口按性别分为男、女两类，比如我国有56个民族，每个民族类别就是定类数据。

顺序数据(rank data) 是只能归于某一有序类别的非数字型数据，对事物类别顺序的测度，数据表现为类别，用文字或数字来表述，比如，产品分为一等品、二等品、三等品、次品等，学生的学习成绩分为优良中差，教师职称分为教授，副教授，讲师和助教4个等级，也可以用数字表示每一类。顺序数据之间存在大小关系，上一级别要比下一级别大（或小）。

数值型数据(metric data)是按数字尺度测量的观察值，结果表现为具体的数值，是对事物的精确测度。今天天气很冷，只有零下3度，45岁的张三去5公里以外的银行取出本月收入8124元，这些数据都是数值型数据。在数值型数据中，有时还会精确的划分为定距数据和定比数据。

比如我说今天的温度比昨天高5度，这是有实际意义，但是我说今天的温度和昨天的温度相加起来是40度，这没什么太大意义的。也就是说有些数据能够做减法而不能做加法。此类数据就属于定距数据，他们都有一个数据上的零点，所有其他数据和它有一定的距离，这个距离是有意义的，定序数据大多只能用加法或减法运算。

另外一类数据是定比数据，此类数据不但可以做加法或减法运算，还可以做乘法或除法运算，比如张三的收入是4000元，李四的收入是2000元，我们可以说张三比李四收入多2000元，也可以说张三的收入是李四收入的两倍，这都是很有意义的，此类数据由于可以进行比较，所以被称为定比数据。

定类数据和顺序数据说明的是事物的品质，特征，性质，通常是用文字来表述的，其结果均表现为类别，因而也可以统称为定性数据或品质数据。数据说明的是数量特征，通常用数值来表现，称为定量数据或数量数据。

观察数据和实验数据

按照统计数据的收集方法，可以将其分为观察数据和实验数据，观察数据是通过调查或观察而收集到的数据，这类数据是在没有对事物人为控制的条件下得到的，有关社会经济现象的统计数据几乎都是观察数据，实验数据则是在实验中控制实验对象啊，收集到的数据，比如对一种新药疗效的实验数据，或对一种新的农作物品种的实验数据，自然科学领域的大多数数据都是实验数据。

横截面数据和时间序列数据

按照被描述的现象与时间的关系，可以将统计数据分为截面数据和时间序列数据，截面数据是在相同或近似相同的时间点上设计的数据，这类数据通常是在不同的空间上获得的，用于描述现象的某一时刻变化特征，2019年，地区的居民消费价格指数，就是横截面数据，时间序列数据是在不同时间收集到的数据，这类数据是按时间顺序收集到的，用于描述现象随时间变化的情况，比如2010年到2019年我国的国内生产总值数据就是时间序列数据。

区分数据的类型是十分重要的，因为对于不同类型的数据需要采用不同的统计方法来处理和分析，比如对于定类数据，我们通常计算出各组的频率或频数计算重数，一种比率进行列联表分析和卡通检验的，对顺序性数据可以计算其中位数和四分位差，计算等级相关系数的，对数值型数据可以用更多的统一方法进行分析，比如各种统计量参数，估计检验回归分析等等。