应该选择哪种统计方法？|变量有哪些类型？向《西游记》取经

学习目的

应该选择哪种统计方法？|变量有哪些类型？

软件版本

IBM SPSS Statistics 26。

参考文档

《小白爱上SPSS》课程

困扰

我们学统计常常遇到这样的困扰：上完统计学课，自我感觉良好，考试分数也挺高的。可是到了独立处理数据时，仍茫然不知所措，不能确定自己应该选择哪种统计方法。

什么原因造成的？

统计学的应用一般包括【方法选择—数据处理—结果呈现】三部分。如果你较好地掌握各种统计分析方法的原理、数据操作和结果呈现，虽然这对文科生，特别是体育生来说已经有较大的挑战了，但只学到这一层面是远远不够的。因为，掌握各种具体统计方法，相当掌握一个个统计工具，存储在我们头脑的工具箱中，但面临一大堆科研数据时，却不知怎么从大脑中灵活地提取各种统计方法，服务于科研项目，那么这个工具箱就是一个“无用”箱。本公众号认为：选择统计方法比掌握统计方法更重要，因为选择统计方法是一种全局观，是统计思维的高级体现，而掌握统计方法只是一个技术实现而已。事实上，统计方法的选择是个非常具有艺术性的问题，有难度也有高度。统计分析也是不断尝试、不断思考和判断过程，它不是一锤定音的。比如针对一份连续型数据，我们首先会考虑方差分析，但是分析过程中发现数据不服从正态分布，又改为秩和检验。很多时候，同样的数据可以采用不同的统计方法，而不同的数据也可以采用同一种统计方法，因此，统计方法选择有很强灵活性。

如何破解难题？

面对这一难题，我们在统计方法的选择中要把握其根本：通过研究目的、研究方法和变量类型来综合选择统计方法，在头脑中构建一个脑图（如下图，强烈建议保存）。

简而言之，统计方法选择的策略可概括为两句话：目的引导设计，变量确定方法。
虽然研究目的有很多，但依据统计目的，本脑图将其划分为关联分析和差异比较两大类。同样，研究设计也有多种，主要包括调查法和实验法。其中关联分析一般采用调查法实现的，包括相关分析和回归分析两大统计方法；而差异比较一般采用实验法来实现的，大致包括t检验、F检验、卡方研究和秩和检验四大统计方法。如此，可将研究设计与统计方法契合在一起，有个全局观，这就是【目的引导设计】。当然，具体采用何种统计方法，还会涉及到有多少个变量，是否重复测量、连续变量的正态分布和方差齐性等因素，但最主要考虑的因素是变量类型，变量类型包括分类变量、有序变量和连续型变量。为此，脑图依据变量类型，将各种统计方法嵌入到各种变量类型中，也就是【变量确定方法】。

脑图有何指导作用？

Q1: 脑图包括所有统计方法吗？答：没有。统计方法有100多种，脑图只列举了常规的统计方法，未涉及一些高级统计方法，比如多因素方差分析，多元方差分析，因子分析等。
Q2：各统计方法的使用条件都齐全吗？答：没有。脑图主要依据研究目的，研究设计和变量类型主要因素来确定常用统计方法。一些简单的统计方法的使用条件基本齐全，而一些较复杂的统计方法，比如多因素线性回归分析，需要满足线性、独立性、正态性和方差齐性，以及避免多重共线性等条件，没有一一列举。
Q3：既然都不齐全，我们该如何选择统计方法呢？答：脑图主要起抛砖引玉作用，提供一个统计思维的全局观。提示我们在选择统计方法时，需要依据研究目的、研究设计、变量类型，以及连续变量正态性、方差齐性等角度去选择统计方法。至于一些复杂统计分析方法需要进一步加强学习，需要我们依据具体情况逐步完善脑图，或者咨询统计专家。在此，我呼吁，在撰写研究方案时，需要将统计分析策略纳入研究方案中，而且要写详细，考虑到各种统计方法的使用条件。比如：本研究拟采用单因素方差分析，如果数据不满足正态分布，将采用秩和检验；如果方差不齐，则采用Welch检验……，如果方差分析结果显著，则采用XX多重平均数比较……只有这样，统计才学到家，拿到数据后才能胸有成竹，应对自如。
本公众号后续将依托上述脑图，从研究设计、研究目的和变量类型的视角，逐步讲解各种常规统计方法原理、数据操作和规范表达，让你对统计方法有一个新的全局观，敬请关注！

统计策略| 变量有哪些类型？向《西游记》取经

统计学习的方法很多，今天我们就从《西游记》中取经，学习变量类型。
之前一篇推文“一张脑图搞定！统计方法选择”中提到，“变量确定方法”。作为统计的初学者，一定要掌握变量类型。

01 什么是变量？

简而言之，变量就是变化的数量。比如，你的心跳忽高忽低变化，你口袋里的钱，忽多忽少变化，这里的心跳和钱就是变量。那么变量有什么用呢？变量的本质就是一个量，也就是说变量里只装数据。比如，我们收集到教练员的月收入，张三1.3万，李娟0.9万……。收集好之后，把这一列数据排成一列。给这个变量命个名，叫“收入变量”。
当然，我们还不止只收集教练员的收入，我还要收集他们性别，年龄等。这些变量组合在一起，就组成了一个表格。表格有很多行，也有很多列。通常说行代表ID。对教练员的数据来说，行就是一个一个人，张三占一行，李娟占一行。列就是一个个变量，姓名、性别、年龄和收入等。图片聪明的你可能发现，性别这个变量有些特殊。一般而言，性别为男性或者女性，这不是数字。可是，变量只能装数据的呀。怎么办呢？是个小麻烦。这时候，我们要学会“编码”。编码的意思就是，我们规定男性编码为0，女性编码为1。就可以用0和1代替性别变量中的男男女女。同理也可以对每名教练员姓名进行编码，分别用1 2 3 4代替姓名。
你可能还会问，为什么一定要把男性编码为0呢？可不可以反过来把女性编码为0，男性编码为1呢？当然可以随便编，你还可以把男性编码为250，把女性编码为520。可是，你这么做，别人可能不太容易理解，也不利于后期处理，处理过程还容易出错，你何必把编码弄得这么复杂。所以，编码以简单、方便容易理解为原则。这样我们有三层概念：数据——变量——表格。数据的级别最低，是一个变量的具体数值；变量是一组数据的集合，代表事物一个维度的信息；表格的级别最高，是各个变量，也就是事物各个维度信息的集合。

02 变量有哪些类型？

搞明白了这一点，接下来就可以学习变量类型了。我们别看现实世界的数据千差万别，归类方法也多种，在统计学中，我们将其归为三大类，分别是 分类变量、次序变量和连续型变量。由于变量就是变化的数值，所以有些教材中也将其称之为分类数据、次序数据和连续型数据。听起来有很多陌生名词，好像很难记。宣明栋老师在《数据思维课》借鉴了《西游记》人物来帮助大家理解变量类型，我也效仿之。《西游记》的取经队伍有四位，我们借用三位就好了，分别是唐僧、沙和尚和孙悟空。图片第一种：分类变量，“唐僧变量”。
我们知道，唐僧的思维是非此即彼的、非黑即白，给所有的东西分类，不是行，就是不行，不是好人，就是坏人，没有中间状态。分类变量也是这样。典型的就是性别，相同的还有民族、婚姻状况、出过国没有出过国等，都是分类变量，它没有大小之分，只有区别功能。依据分类数量，我们可以分成二分类变量和多分类变量。像性别分成男、女，属于二分类；而血型分成A、B、O、AB四大类，属于多分类变量。
虽然“分类”这个概念挺简单，但还是要提示一点——设置分类既要完备，又要排他。举个例子。我们填各种表时，经常有一项“婚姻状况”，一般会有四个选项——未婚、已婚、离婚和丧偶。完备是指这四个选项包括所有婚姻状态；而排他是指这四个选项相互排斥，不存在交叉。如果在婚姻状况中添加“同居”这个选项，那么它会与未婚和离婚这两个选项存在交叉。因为有人可能是未婚同居，也可能离婚同居，让人无法填写。第二种：次序变量，“沙和尚变量”。
为什么叫沙和尚变量呢？因为沙和尚工作都要找领导。唐僧在的时候，就找唐僧；唐僧被抓了，就找大师兄孙悟空；孙悟空不在了，就找二师兄猪八戒。你看，特别有次序。图片
比如这样提问：“我特别喜欢运动，这句话符合你吗”，是非常符合、符合、不确定、不符合，还是非常不符合呢？这个问题测量出来的结果就是次序数据。本质上，次序变量还是分类变量，但是多了一个大小顺序的信息。所以有些教材分成将次序变量称为有序分类变量，而分类变量称为无序分类变量。注意，次序变量只能说明几个选项是有顺序的，只有大小之分，而不关心选项之间差距是否相同。就像刚才那个问题，回答“非常符合”和“符合”之间、“符合”和“不确定”之间，程度是否相同，是无法确定的。第三种：连续型变量，“孙悟空变量”。
为什么是孙悟空呢？因为孙悟空的武器是金箍棒，可以任意放大缩小。它可以取任意数值。比如我们月收入变量，可以取5000, 5001，甚至可以取5001.1元任意数值。图片
连续型变量的特征是，各种数据之间不但有大小之分，而且还有相同间隔，比如2000元、3000元和4000元的之间的间隔是相等的，而且还可以做乘除运算，比如4000元收入是2000元收入的两倍。小结一下：变量一共有三种类型，分别是分类变量、次序变量、连续型变量，分别对应唐僧、沙和尚和孙悟空。在SPSS软件中，这三类变量就对应了名义、有序和标度。

03 变量类型有何指导意义？

了解这些变量类型，我认为至少有两方面作用。第一，能指导我们收集数据比如收入变量，本来是连续型变量，但如果把收入划分成四个档次——贫困人口、工薪阶层、中产阶级和富人群体，连续型就变成了次序变量。但是，反过来就不行。先有工薪阶层、中产阶级这些有序分类变量之后，就没有办法转化为收入的连续型数据。这就叫向下兼容。向下兼容的本质是说，从分类变量、次序变量和连续型变量。越往后，变量拥有的信息越多；反之，就是一个丢失信息的过程。这也给我们一个提示：收集数据的时候，尽量多收集连续型数据，以后需要的话可以向下转换。第二，能指导我们选择统计方法简单取个例子，得到教练员的收入情况，这是连续型变量，我们就可以计算平均值，比较收入的高低。但如果是得到教练员的性别呢？这是分类变量，计算平均性别就很荒谬了。
更重要的是，变量指导我们统计方法，详细请查看之前的推文，一张脑图搞定，统计方法选择。最后，虽然我想说的是，尽量多收集连续型数据，但也不是说连续型变量就比其他变量更好。每一种类型的数据都有它的用处，这里没有鄙视链。现在已经进入了大数据时代，大量的数据都是类别数据，比如打开还是关闭，是否完整阅读完这篇推文，是否点击本文后面的广告等。把这些数据组合起来，同样能提供大量的信息。就像唐僧一样，虽然他打妖怪没啥功劳，还经常惹事，但每当遇到困难时，就采用二分类变量思维，目标明确，坚定地说：“徒弟们，别往东看了；咱们向西出发，走起”

划重点、

1.变量就是变化的数量。数据是一个变量的具体值，变量代表一个维度的信息，表格是各种维度信息的集合。
2.变量可分为分类变量、次序变量和连续型变量。其中，分类变量只能用于区别；次序变量能比较大小；连续型变量具有等距离和等比例特性。
3.了解变量类型，可指导我们收集数据和选择统计方法。