计数资料 (Count Data), 顾名思义，是一个一个计数清点而得到的资料，这种清点得到的数值是有单位的。例如，发病次数这一变量，其值可能是1 ,2,3, …次，这里的1,2,3, …是有单位的，即“次“。

严格定义属于分类资料？ ，书中定义属于分类资料。

计数资料其实最重要的是具有单位。

分类资料是没有单位的。例如，性别这一变量，其值为男和女，为了分析方便，我们通常习惯用1和0表示。这里的男和女(1和0)是没有任何单位的。至于"男性100人，女性120人"中的100和120，并不是性别变量的值，只是变量值的频数，变量值本身是没有单位的。

假定有4 人， 3 男1女，统计他们的咳嗽次数，分别为2 、3 、0 、2 (图4.4 中“咳"的数目）。那么性别和咳嗽次数这两个变量分别是什么类型呢？

在这种清况下，“是否咳嗽“是分类资料，其值只能是“是＂或＂否＂，没有单位，但可以统计出“是＂的频数和＂否＂的频数。此时可采用卡方检验进行比较（ 为什么要用卡方检验？ ）。但真正分析的变量是“药物”（自变量）和“是否咳嗽＂（因变量），至于咳嗽的例数只是作为频数，而不是作为变量值。如果自变量除药物之外，还有其他性别、年龄等因素需要校正，则可以考虑采用Logistic 回归分析。

卡方检验： 卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，如果卡方值越大，二者偏差程度越大；反之，二者偏差越小；若两个值完全相等时，卡方值就为0，表明理论值完全符合。

特别特别注意的是：卡方检验针对分类变量。

现在的资料由分类（咳或者不咳）变为了计数（咳嗽次数）。这时结局是计数资料，不能用卡方检验。此时可以药物作为自变蜇，以咳嗽次数作为因变量，考虑采用Poisson回归或负二项回归。

Poisson回归一般用于个体之间独立的情形，负二项回归则可用于个体之间不独立的情形（如在同一个家庭中，如果父亲因感冒而咳嗽，则很可能传染家中其他人也咳嗽，此时就认为家中的几个人咳嗽是非独立的）。

本文地址： http://www.goggeous.com/20250104/1/1172578

文章来源：天狐定制

版权声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。