내 데이터가 불연속 적이거나 연속적인지 테스트하는 방법

올바른 통계 도구를 선택하려면 먼저 데이터 세트가 불연속인지 연속적인지 식별해야합니다.

데이터가 R과 이산인지 연속인지 테스트하는 방법을 가르쳐 주시겠습니까?

r continuous-data discrete-data

— evdstat
소스

회귀 유형 모델에서 특정 변수를 연속 형 또는 범주 형 (이산 형) 예측 변수로 추가해야하는지 여부를 의미합니까?

— Nick Sabbe

데이터가 수집되는 방법과 변수가 기록 된 방법에 대해서는 그에 대한 힌트가 될 것입니다. 또한 데이터를 연속 또는 이산 데이터로 모델링할지 여부에 따라 달라질 수 있습니다 (예 : 리 커트 항목 및 이산 스케일 분석 관련 질문 참조). 관련없는 포인트 : 계정을 모두 한 번 등록 할 수 있다면 답변을 수락하거나 이전 질문을 수정하는 것이 좋습니다.

— chl

qqnorm을 수행하고 점이 모두 대각선을 따라 있으면 데이터는 연속적입니다 (영원 선인 경우 불연속)

— user222362

내가 바로이 결정을 요구한다고 생각할 수있는 유일한 이유는 변수를 회귀에 연속적이거나 범주 적으로 포함시키는 것을 결정하는 것입니다.

우선, 때로는 선택의 여지가 없습니다 : 문자 변수 또는 요인 (data.frame을 제공하는 누군가가 당신을 위해 결정한 곳)은 분명히 범주 적입니다.

그것은 우리에게 수치 변수를 남깁니다. 변수가 정수인지 간단히 확인하고 싶을 수도 있지만, 이는 좋은 기준은 아닙니다. 아래 코드의 첫 번째 줄을보십시오 ( x1) : 와 의 두 값만 1000 번 관찰합니다 . 정수가 아니라 명백한 범주 형 변수 인 것 같습니다. 당신이 할 수있는 일은 데이터에 얼마나 많은 다른 값이 있는지 확인하는 것입니다. 이에 사용할 수있는 임계 값은 주관적이지만, 나는 추측합니다 : $-1.5$ $2.5$ x

x1<-sample(c(-1.5, 2.5), 1000)
length(unique(x1)) #absolute number of different variables
length(unique(x1))/length(x1) #relative
x2<-runif(1000)
length(unique(x2)) #absolute number of different variables
length(unique(x2))/length(x2) #relative

고유 값이 5 % 인 변수를 안전하게 이산이라고 할 수는 있지만 언급 한 것처럼 주관적입니다. 그러나 이렇게하면 모델에 범주 형 변수로 포함하기에 적합하지 않습니다. 관측치가 1000000 개이고 고유 값이 5 % 인 경우 여전히 50000 '범주'가 남습니다.이 범주를 범주 형으로 포함하면 ' 많은 자유의 지옥을 보내려고합니다.

이 호출은 더 주관적이며 샘플 크기와 선택 방법에 크게 의존합니다. 더 많은 맥락이 없으면 여기에 지침을 제공하기가 어렵습니다.

이제 모델에 범주 형으로 추가 할 수 있는 변수가 있을 수 있습니다. 그러나 당신 은 해야합니까? 이 질문은 가능성 비율 테스트를 통해 (실제로 목표에 따라 다르지만) 대답 할 수 있습니다. 변수가 범주 형인 모델은 변수가 연속 공변량 인 모델의 수퍼 모델입니다. 이를 확인하려면 변수의 선형 회귀 상상 x세 가지 값을 잡고 0, 1와 2. 모델 피팅 : 여기서 는 더미 변수 표시기 ( 경우 1과 동일 )가 더 유연합니다. 모델 피팅 방법

이자형 [와이] = β_{0} + β_{1} 1 {엑스}_{1} + β_{1} 2 {엑스}_{2}

$E[y] = \beta_0 + \beta_11 x_{1} + \beta_12 x_{2}$

x_{i}

$x_i$

x == i

$x==i$

이자형 [와이] = β_{0} + β_{1} 엑스

$E[y] = \beta_0 + \beta_1 x$ 마지막 것은

이자형 [와이] = β_{0} + β_{1} {엑스}_{1} + 2 β_{1} {엑스}_{2}

$E[y] = \beta_0 + \beta_1 x_{1} + 2 \beta_1 x_{2}$

수퍼 / 서브 모델 구조를 사용하면 우도 비 검정 을 수행하여 데이터에 더 복잡한 구조가 필요하다는 증거가 있는지 확인할 수 있습니다 . df = 매개 변수 개수의 차이 (위 예에서 4 개의 매개 변수-3 개의 매개 변수) 로 분포를 따릅니다 . $\chi^2$

— 닉 사브
소스

+1 큰 대답으로 이상한 질문을 개선하는 좋은 예입니다.

실제로 어떤 연속체도 이산화되어 히스토그램이 실제로 어떻게 수행되는지 보여줍니다. 아마도 카운트 데이터 (정수 값 데이터)를 범주와 혼합했을 것입니다.하지만 첫 번째 추측은 데이터 포인트 (및 범주에 실제 값을 할당하는 미친 연구원)뿐만 아니라 개별적이고 연속적인 분포에 관한 것이 었으므로 어쨌든 삭제되었습니다. 이후는 문제 (+1) 해결 생각하지 않는다

— 드미트리 Celov

@Dmitrij가 자신의 답변을 제거 한 것 같습니다.이를 반영하기 위해 답변을 다시 편집 할 수 있습니까? 존재하지 않는 컨텐츠에 대한 참조는 약간 튀어 나오므로 훌륭한 대답입니다 (+1).

— mpiktas