在选用差异量数时，可以考虑下面这些因素：
（1）当样本是随机取样时，s、Q、R，这几个差异量数的可靠性依次降低；
（2）当要求计算要容易、快捷时，R、Q、s依次变得繁杂；
（3）当要求统计量进一步使用时，s远远胜过其他差异量数；
（4）在偏态分布中，Q比s更常用；
（5）当分布是截尾分布时，只有Q能正确地指出分布的变异性。
除此之外，还有一点非常重要，就是在选用差异量数时，同时应考虑选用合适的集中量数。差异量数与集中量数是描述数据特征的两类最基本的统计量，它们共同描述一组数据的全貌，即集中趋势和离中差异。这两种量数之间既有密切联系，也有严格区别。集中量数描述的是次数分布的典型性，指的是量尺上的一个点值，差异量数反映了次数分布的变异性，是量尺上的一段距离。一组数据集中量数的代表性如何，可用差异量数的大小来说明。差异量数越小，集中量数的代表性则越大；差异量数越大，集中量数的代表性则越小；差异量数为零时，表明这组数据的集中量数彼此相等，且等同于原始数据，这种情况只有在原始数据都完全相同的情况下才会出现。但几组数据如果集中量数都相同，这并不表明它们的差异量数也相同。例如下面三组数据：A组的数据是7，7，8，8，8，9，9；B组的数据是4，5，7，8，9，11，12；C组的数据是1，4，7，8，9，12，15。这三组数据中每组有7个数据，平均数相同都是8。它们的分布如下图所示：
图4-3 平均数相同的三组数据分布图
从上图中可以明显看出，A组数据的最大数与最小数只相差2，明显地非常集中；C组数据最大数与最小数相差14，最为分散；B组居中，最大与最小的数相差为8。也就是说，A组平均数8的代表性最大，C组的平均数的代表性最小。每组数据的波动不大一样，图4-3直观地显示了这三组数据的分布。A组的数值以平均数为中心集中在一起，变化较小；B组的变化较大，C组变化最大，其差别一望而知。显然，只用集中量数不可能真实地反映出它们的分布情况，这时就要使用差异量数。
因此，要想描述一组数据的全貌，必须同时使用集中量数和差异量数。因为集中量数描述数据的典型性特点，差异量数描述的是数据的变异性特点。当选用中数作为描述一组数据的集中量数时，差异量数通常选用Q或其他百分位差为宜，因为它们计算方法的原理是一致的，都是用插值法求得的。大多数情况下，人们更多的是用平均数和标准差一起来描述一组数据的全貌。