1. 单变量数据——
这种类型的数据仅包含一个变量。因此，单变量数据的分析是最简单的分析形式，因为信息只处理一个变化的数量。它不处理原因或关系，分析的主要目的是描述数据并找到其中存在的模式。单变量数据的示例可以是高度。
假设记录了一个班七名学生的身高(图1)，只有一个变量是身高，不涉及任何原因或关系。可以通过使用集中趋势度量(均值、中位数和众数)、数据的分散或散布(范围、最小值、最大值、四分位数、方差和标准差)得出结论，并使用频率分布表、直方图、饼图、频率多边形和条形图。
2. 二元数据——
这种类型的数据涉及两个不同的变量。这类数据的分析处理原因和关系，通过分析找出两个变量之间的关系。双变量数据的例子可以是夏季的温度和冰淇淋销售量。
假设温度和冰淇淋销量是双变量数据的两个变量(图 2)。在这里，从表中可以看出温度和销售额成正比，因此相关，因为随着温度的升高，销售额也会增加。因此，双变量数据分析涉及比较、关系、原因和解释。这些变量通常绘制在图表的 X 轴和 Y 轴上，以便更好地理解数据，这些变量之一是独立的，而另一个是相关的。
3. 多元数据——
当数据涉及三个或更多变量时，将其归类为多变量。此类数据的示例是假设广告商想要比较网站上四个广告的受欢迎程度，然后可以测量男性和女性的点击率，然后可以检查变量之间的关系。
它类似于二元变量，但包含多个因变量。对这些数据进行分析的方法取决于要实现的目标。一些技术是回归分析、路径分析、因子分析和多变量方差分析 (MANOVA)。