分類變數（categorical variable）是說明事物類別的一個名稱，其取值是分類數據。如“性別”就是一個分類變數，其變數值為“男”或“女”；“行業”也是一個分類變數，其變數值可以為“零售業”、“旅遊業”、“汽車製造 業”等。
基本介紹
簡介,特徵,處理方法,啞變數,類型,分類,簡介,釋義,
簡介
特徵
（categorical variable）：其變數值是定性的，表現為互不相容的類別或屬性。
處理方法
中序次測度變數和名義測度變數的處理方法一樣，所以一般並不加以區分,序次測度變數常作為名義測度變數來用,把二者合稱為分類變數。
啞變數
分類自變數的啞變數（dummy variables）編碼來源：生物統計學論壇 在多重回歸、Logistic回歸模型中，自變數可以是連續型變數（interval variables），也可以是二項分類變數，和多分類變數。為了便於解釋，對二項分類變數（如好壞、死活、發病不發病等）一般按0、1編碼，一般0表示陰性或較輕情況，而1表示陽性或較嚴重情況。如果對二項分類變數按+1與-1編碼，那么所得的logistic回歸OR=exp（2beta），多重回歸的beta同樣增加一倍，容易造成錯誤的解釋。因此建議儘量避免“+1”、“-1”編碼形式。多分類變數又可分為有序（等級）或無序（也叫名義），如果是有序（ordinal）分類變數，一般可按對因變數影響由小到大的順序編碼為1、2、3、...，或按數據的自然大小，將它當作連續型變數處理。如果是無序的（nominal）分類變數，則需要採用啞變數（dummy variables）進行編碼，下面以職業（J）為例加予以說明。 假如職業分類為工、農、商、學、兵5類，則可定義比分類數少1個，即5－1=4個啞變數
類型
變數類型不是一成不變的，根據研究目的的需要，各類變數之間可以進行轉化。例如血紅蛋白量（g/L）原屬數值變數，若按血紅蛋白正常與偏低分為兩類時，可按二項分類資料分析；若按重度貧血、中度貧血、輕度貧血、正常、血紅蛋白增高分為五個等級時，可按等級資料分析（資料是根據臨床數據得出）。有時亦可將分類資料數量化，如可將病人的噁心反應以0、1、2、3表示，則可按數值變數資料（定量資料）分析。
分類
簡介
分類變數可分為無序變數和有序變數兩類。
