统计学基础

统计数据的类型

***1.分类变量Catrgorical Variable ***

其变量值是定性的，表现为互不相容的类别或属性。
分类自变量的哑变量（dummy variables）
在多重回归、Logistic回归模型中，自变量可以是连续型变量（interval variables），也可以是二项分类变量，和多分类变量。
为了便于解释，对二项分类变量（如好坏、死活、发病不发病等）一般按0、1编码，一般0表示阴性或较轻情况，而1表示阳性或较严重情况。
多分类变量又可分为有序（等级）或无序（也叫名义），
如果是有序（ordinal）分类变量，一般可按对因变量影响由小到大的顺序编码为1、2、3、...，或按数据的自然大小，将它当作连续型变量处理。
如果是无序的（nomial）分类变量，则需要采用哑变量（dummy variables）进行编码，下面以职业（J）为例加予以说明。 假如职业分类为工、农、商、学、兵5类，则可定义比分类数少1个，即5－1=4个哑变量

2.离散型数据（Discrete data）：

代表数量是可以被数出来的，它可能是有限的，也可能是无限的。比如掷硬币100次人头朝上的次数（次数范围为0到100，是有限的）；又如，掷硬币直到有100次是人头朝上的次数（次数范围为100到无穷大，是无限的）。

3.连续数据（Continuous data）：

代表测量的结果是不能被数出来的，它只能被区间所描述。
比如桶里有20L水，随机倒掉一部分，剩余的水量为[0,20]区间内的某一个值，9.4L，9.41L，9.416789L等等，任何在[0,20]区间内的值都有可能。

4.分类数据（Categorical data）:

代表了被描述对象的性质，比如一个人的性别、婚姻状况、家乡等等， Categorical data 可以用Numerical data来表示，比如说描述性别时，1代表男，2代表女，但是这些数据并没有数学意义，你不能拿他做运算。Categorical data也叫作qualitative data或是Yes/No data。

参考：知乎，百度