Ik zou opleiding sowieso nooit als quasi-continue beschouwen. Je kunt opleiding wel als ordinaal zien. Door dummies te maken verlaag je het meetniveau naar nominaal, waardoor je in wezen informatie weggooit (de rangorde van categorieen verlies je).
Het effect van de ordinale variabele in de regressieanalyse is meestal minder problematisch dan het powerverlies van meetniveauverlaging is. De enige assumptie die gaat wringen, is dat in de regressie een ordinale variabele behandeld wordt alsof de sprong van 1 naar 2 even groot is als de sprong van 2 naar 3. Vaak wordt die assumptie met ordinale variabelen slechts in lichte mate geschonden, wat voor een regressie dan niet zo'n probleem wordt. Pas bij extreme spronggrootteverschillen kan een lineaire regressie problemen krijgen van het vinden van een goed model, maar vaak duid dat ook al op een probleem dat niet puur rechtlijnig is, en zo'n probleem kan ook optreden bij de continue predictoren.
Kort gezegd: opleiding als ordinaal handhaven en dan als 'interval' in de regressieanalyse gebruiken gaat veel vaker goed dan niet. Voor de zekerheid kun je altijd nog een scatterplot maken om te zien of opleiding een bij benadering tamelijk rechtlijnig verband met Y heeft (door te zien of de stijg/daling enigszins gelijk oploopt per sprong). Als daar gekke dingen gebeuren kun je altijd nog besluiten om dummies te maken (meetniveau verlagen), of in het ergste geval categorieen samenvoegen,