一般来说，答案是否定的。但是，有人可能会争辩说您可以取序数数据的中位数，但您当然会将类别作为中位数，而不是数字。中位数平均划分数据：一半在上面，一半在下面。序数数据仅取决于顺序。

此外，在某些情况下，可以将序数作为粗略的区间级别数据。当对序数数据进行分组时，情况确实如此（例如，经常以这种方式询问有关收入的问题）。在这种情况下，您可以找到一个精确的中位数，并且您可以逼近其他值，尤其是在指定了下限和上限的情况下：您可以假设每个类别中的某种分布（例如均匀分布）。另一种可以设为区间的有序数据的情况是，当级别被赋予数字等价物时。例如：从不 (0%)、有时 (10-30%)、大约一半时间 (50%) 等等。

（再次）引用大卫考克斯的话：

没有常规的统计问题，只有有问题的统计程序

如前所述，均值、标准差和铰链点对分类数据没有意义。铰链点（例如，中位数和四分位数）可能对序数数据有意义。您的标题还询问应该使用哪些汇总统计数据来描述分类数据。通过计数和百分比来表征分类数据是标准的。（您可能还希望在百分比周围包含 95% 的置信区间。）例如，如果您的数据是：

"Hispanic"         "Hispanic"        "White"             "White"            
"White"            "White"           "African American"  "Hispanic"        
"White"            "White"           "White"             "other" 
"White"            "White"           "White"             "African American"
"Asian"

你可以这样总结它们：

White             10 (59%)
African American   2 (12%)
Hispanic           3 (18%)
Asian              1 ( 6%)
other              1 ( 6%)

如果您有名义变量，则没有排序或距离函数。那么，您如何定义您提到的任何摘要统计信息？我不认为你可以。四分位数和范围至少需要排序，均值和方差需要数字数据。我认为条形图和饼图是总结非序数定性变量的正确方法的典型示例。

模式仍然有效！这不是一个重要的汇总统计吗？（最常见的类别是什么？）我认为中值建议作为统计数据几乎没有价值，但模式确实如此。

计数不同也会很有价值。（你有多少个类别？）

您可以创建比率，例如（最常见的类别）/（最不常见的类别）或（#1 最常见的类别）/（#2 最常见的类别）。也（最常见的类别）/（所有其他类别），如 80/20 规则。

您还可以为您的类别分配数字，并使用所有常见的统计数据发疯。AA=1、Hisp=2 等。现在您可以计算均值、中位数、众数、标准差等。