一、数据类型
对研究数据进行分类，了解数据类型和水平，对选用恰当的统计方法至关重要。因为不同类型的数据，适用的统计方法不同，也就是说各种统计方法各有其适宜的数据水平。根据不同的分类标准，心理与教育科学研究中的数据可以区分为不同的类型。
（一）从数据的观测方法和来源划分，研究数据可区分为计数数据和测量数据两大类
所谓计数数据（count data），是指计算个数的数据，一般属性的调查获得的是此类数据，它具有独立的分类单位，如人口数、学校数、男女数等等，一般都取整数形式。测量数据（measurement data）是指借助于一定的测量工具或一定的测量标准而获得的数据，如身高、体重、考试分数、智力测验分数、各种感觉阈值，等等。
（二）根据数据反映的测量水平，可把数据区分为称名数据、顺序数据、等距数据和比率数据四种类型
称名数据（nominal data）只说明某一事物与其他事物在属性上的不同或类别上的差异，它具有独立的分类单位，其数值一般都取整数形式，只计算个数，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，它们只能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，有关被试属性的调查资料，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，是按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资料。如学生的等级评定、喜爱程度、品质等级、能力等级、兴趣等。这种数据不具有相等单位，也没有绝对零点，只能排出一个顺序，不能指出相互间的差别大小。如五名学生的身高分别为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（interval data）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。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（ratio data）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1.80m，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。
（三）按照数据是否具有连续性，把数据划分为离散数据和连续数据
离散数据 （discrete data）又称为不连续数据，如从事某一职业的人数、球赛比分、班级个数等。这类数据在任何两个数据点之间所取的数值的个数是有限的。连续数据（continuous data）指任意两个数据点之间都可以细分出无限多个大小不同的数值。如年龄、长度、重量、自信心分数等，至少在理论上从最高到最低之间都可以进一步细分。对于连续性数据的进一步细分，一是取决于测量技术所允许的精确程度，二是取决于测量值所需要的精确程度。而离散数据一般是取整数，两个单位之间不能再划分细小单位。在心理和教育调查研究、问卷研究、访谈研究等质性研究的实践操作中，这两种数据的区分非常明显。这两种数据的分布规律不同，相应的制表作图方法也不同，所使用的统计方法也有区别。另外，一般情况下计数数据大都是离散数据。