数值变量的描述指标主要分为集中趋势指标和离散趋势指标，它们从不同角度对数值变量的数据特征进行描述。

集中趋势指标反映的是一组数据的平均水平或中心位置。常见的集中趋势指标有算术均数、几何均数和中位数。算术均数是最常用的描述集中趋势的指标，它适用于对称分布，尤其是正态分布的数据。计算方法是将所有观察值相加后除以观察值的个数。例如，在一组正常成年人的身高数据中，算术均数可以很好地反映这组人群的平均身高水平。几何均数适用于等比资料或对数正态分布资料，比如医学上某些抗体滴度资料，其计算是将所有观察值取对数后计算算术均数，再取反对数得到结果。中位数则是将一组观察值按从小到大的顺序排列后，位于中间位置的数值。它适用于各种分布类型的数据，尤其是偏态分布、分布不明或有开口数据的情况。比如在研究一组患者的住院天数时，由于可能存在少数住院时间特别长的患者，使得数据呈偏态分布，此时中位数能更好地反映住院天数的一般水平。

离散趋势指标则用于描述数据的变异程度。常见的离散趋势指标包括极差、四分位数间距、方差、标准差和变异系数。极差是一组数据中最大值与最小值之差，计算简单，但它只考虑了两个极端值，不能反映组内其他数据的变异情况，稳定性较差。四分位数间距是上四分位数与下四分位数之差，它反映了中间50%数据的离散程度，常用于偏态分布资料。方差和标准差是描述对称分布，特别是正态分布资料离散程度的常用指标。方差是每个观察值与均数之差的平方和的平均值，标准差是方差的平方根。它们的值越大，说明数据的离散程度越大。变异系数主要用于比较度量单位不同或均数相差悬殊的两组或多组资料的变异程度，它是标准差与均数的比值。

综上所述，在对数值变量进行描述时，需要同时考虑集中趋势指标和离散趋势指标，这样才能全面、准确地反映数据的特征。