1.极差　最直接也是最简单的方法，即最大值－最小值（也就是极差）来评价一组数据的离散度。这一方法在日常生活中最为常见,一般适用样本≤10,所以对企业岗位比较少的情况也可以使用。

　　2.离均差的平方和　由于误差的不可控性，因此只由两个数据来评判一组数据是不科学的。所以人们在要求更高的领域不使用极差来评判。其实，离散度就是数据偏离平均值的程度。因此将数据与均值之差（离均差）加起来就能反映出一个准确的离散程度。和越大离散度也就越大。

　　但是由于偶然误差是成正态分布的，离均差有正有负，对于大样本离均差的代数和为零的。为了避免正负问题，在数学有上有两种方法：一种是取绝对值，也就是常说的离均差绝对值之和。而为了避免符号问题，数学上最常用的是另一种方法－－平方，这样就都成了非负数。因此，离均差的平方和成了评价离散度一个指标。

　　3.方差（S2）　由于离均差的平方和与样本个数有关，只能反应相同样本的离散度，而实际工作中做比较很难做到相同的样本，因此为了消除样本个数的影响，增加可比性，将离均差的平方和求平均值，这就是我们所说的方差成了评价离散度的较好指标。

　　我们知道，样本量越大越能反映真实的情况，而算数均值却完全忽略了这个问题，对此统计学上早有考虑，在统计学中样本的均差多是除以自由度（n-1)，它是意思是样本能自由选择的程度。当选到只剩一个时，它不可能再有自由了，所以自由度是n-1(也可以这样表述:由于受离均差的总和等于零的限制,总有一个离均差受限制,所以引入自由度)。

　　4.标准差（S）　由于方差是数据的平方，与检测值本身相差太大，人们难以直观的衡量，所以常用方差开根号换算回来这就是我们要说的标准差,它恢复了原有的单位,克服了方差与平均数结合运用时的困难。

　　5.变异系数（CV）　标准差能很客观准确的反映一组数据的离散程度，但是对于不同的检目，或同一项目不同的样本，标准差就缺乏可比性了，因此对于方法学评价来说又引入了变异系数CV。

　  岗位评估得到的结果尽管单位相同，但因为对同一个岗位评估,评价委员会由公司不同的岗位人员组成，可以想象，基层员工和高层员工的打分会有大的差别。此时若用标准差量数来说明数据的离散程度，是不够合理的(如果全是一个职系的可以使用标准差)。所以我们检验评估结果的有效性用变异系数而非标准差。