称名数据(nominaldata)只说明某一事物与其他事物在属性上的不同类别上的差异、它具有独立的分类单位，其数值一般都取整数形式，只算个数、并不说明事物之间差异的大小，比如性别、颜色类别、人口数学校数、被试对某一事物的态度(赞成、反对、没有意见)等等，它们只用具有相同属性的个体数目来统计。在教育和心理类调查研究中，有关截属性的调查资料，大多属于这类数据。
顺序数据(ordinal data)是指既无相等单位，也无绝对零的数据，是事物某种属性的多少或大小，按次序将各个事物加以排列后获得的数据料。如学生的等级评定、喜爱程度、品质等级、能力等级、兴趣等。这数据不具有相等单位，也没有绝对零点，只能排出一个顺序，人身高分别为1.81m、1.79m、1.75m 1.70m、1.69m，由高到低对应的排名次序为1、2、3、4、5。在这个例子中，身高排名第1的学生与排名第2的学生，身高差距并不等于身高排名第2的学生与第3名学生之间的差距。也就是说，这类数据不能进行加减乘除运算。
等距数据(intervaldata)是有相等单位，但无绝对零的数据，如温度、各种能力分数、智商等。只能使用加减运算，不能使用乘除运算。例如在某一能力测验中，学生A得了80分，学生B得了75分，学生C得70分鉴于这类数据的特点，在这个例子中，比较三个学生之间的能力分数时，可以说学生A分数高于学生B、学生B高于学生C，而且还可以说学生A分数与学生B分数之差等于学生B与学生C分数之差，因为等距数据在某个区间里具有相等单位。但由于这类数据不是从绝对零点算起的，所以不能认为在该能力测验中得零分的学生。他在这方面的知识、能力就为零。区分为计比较时只能用加减法，不能使用乘除法。在这个例子中，也就不能说学生 A知识、能力是学生B的多少倍
比率数据既表明量的大小，也有相等的单位，同时还具有绝对零点，如身高、体重、反应时、各种感觉阈值的物理量等都属于这种数据类型。例如，在一个家庭中，父亲的身高是180m，母亲的身高是1.65m.5岁儿子的身高是0.90m。在这个例子中，可以说父亲的身高是他儿子身高的两倍。