连续型变量和离散型变量的区别是变量值不同。连续型变量的值是连续数据，它可以在变量值所属区间内任意进行取值。数据一般可以通过测量获得。

比如，人的身高、智商都属于连续型变量。而离散型变量的值则是离散数据，一般都以整数的形式表现。例如，人的个数就属于离散型变量。

总的来说，连续型变量和离散型变量的区别就是变量值不同，也就是变量的数据类型不同，即数据是否具有连续性。在统计学中如果变量类型不同，那么所得的数据类型可能也会不同。

因而用于处理数据的方法也会大相径庭，所以正确认识和分析变量的类型是十分重要的。



变量还可以如何划分？

变量是心理学和统计学中的一个专业名词。根据变量所得数据是否具有连续性，人们将其划分为连续型变量和离散型变量。除此以外，心理学和统计学中的变量还可以划分为自变量、因变量和额外变量。



第一，自变量。它也常常被人们称为独立变量，这是因为在实验中自变量由实验者操纵并且不会因为其他变量的变化而产生变化。

例如，考察学习时间对记忆的影响，在这个实验中学习时间就是实验者操纵的自变量。

第二，因变量。它也被人们称为依从变量，因为在实验中它会随着自变量和额外变量的变化产生变化。在上述所说的考察学习时间对记忆的影响这个实验中，记忆就是实验者通过学习时间所要观察的因变量。

第三，额外变量。在一个实验中除了自变量和因变量外，不可避免地会出现一些影响实验结果的因素，它们被称为额外变量。例如在上述实验中除了学习时间这个自变量外，学习者本身的学习基础、学习兴趣也会影响记忆。

在这里学习基础和兴趣就是所说的额外变量。