436. Łączenie rzadkich kategorii – kiedy jest uzasadnione?

W analizie danych jakościowych często pojawia się problem bardzo małych liczebności w pojedynczych kategoriach. Dotyczy to zwłaszcza badań medycznych, psychologicznych i społecznych, w których wiele odpowiedzi występuje rzadko albo próba jest niewielka w stosunku do liczby możliwych kombinacji kategorii. Jednym z rozwiązań może być połączenie wybranych kategorii. Nie jest to jednak neutralna czynność techniczna. Zmienia ona sposób zdefiniowania zmiennej, liczbę stopni swobody, interpretację wyników, a czasem także samo pytanie badawcze.

W tej lekcji wyjaśnimy, kiedy łączenie kategorii jest uzasadnione, kiedy prowadzi do utraty ważnej informacji oraz jakie alternatywy należy rozważyć. Zagadnienie jest naturalnym rozwinięciem wcześniejszych lekcji kursu na statystyk.edu.pl dotyczących testów chi-kwadrat, testu Fishera, tabel większych niż 2×2 oraz miar siły związku.

1. Czym jest rzadka kategoria?

Rzadka kategoria to taka kategoria zmiennej jakościowej, w której obserwuje się niewiele przypadków. Nie istnieje jedna uniwersalna granica, po której przekroczeniu kategoria staje się „rzadka”. Ocena zależy od celu analizy, liczebności całej próby, liczby kategorii, rodzaju modelu oraz tego, czy analizujemy częstości obserwowane, czy oczekiwane.

W tabeli kontyngencji rozróżniamy:

• liczebność obserwowaną – faktyczną liczbę osób w danej komórce tabeli;
• liczebność oczekiwaną – liczbę przewidywaną przy założeniu hipotezy zerowej, na przykład niezależności zmiennych;
• pustą komórkę – komórkę, w której liczebność obserwowana wynosi zero;
• zero strukturalne – brak obserwacji wynikający z konstrukcji populacji lub badania, a nie z przypadku.

Przykładowo, jeśli badamy związek między rodzajem terapii a wystąpieniem poprawy, jedna z komórek może zawierać tylko dwie osoby. Taka mała liczebność może utrudniać zastosowanie przybliżenia chi-kwadrat, ale sama w sobie nie oznacza jeszcze, że należy połączyć tę kategorię z inną.

2. Dlaczego badacze łączą kategorie?

Najczęstszym powodem jest uzyskanie stabilniejszej analizy. W klasycznym teście niezależności chi-kwadrat statystyka ma postać:

χ² = Σ[(Oij − Eij)² / Eij]

gdzie:

• Oij oznacza liczebność obserwowaną w komórce znajdującej się w wierszu i i kolumnie j;
• Eij oznacza liczebność oczekiwaną w tej komórce;
• Σ oznacza sumowanie po wszystkich komórkach tabeli.

Przy małych liczebnościach rozkład statystyki może słabiej przypominać rozkład chi-kwadrat. Problem nie polega wyłącznie na tym, że „jakaś komórka ma mniej niż pięć obserwacji”. Ważna jest cała struktura tabeli, liczba komórek, rozkład liczebności oczekiwanych oraz testowana hipoteza. Agresti wskazuje, że w sytuacji rzadkich danych można rozważyć zarówno agregację kategorii, jak i metody przeznaczone do małych prób, w tym procedury dokładne (Agresti, 2018).

Połączenie kategorii może:

• zmniejszyć liczbę komórek tabeli;
• zwiększyć liczebności oczekiwane;
• zmniejszyć liczbę stopni swobody;
• ułatwić prezentację wyników;
• zwiększyć moc testu, jeżeli połączone kategorie rzeczywiście reprezentują podobne zjawisko.

Nie wolno jednak traktować łączenia kategorii jako sposobu na „naprawienie” każdego nieistotnego wyniku. Jeżeli agregacja jest wykonywana dopiero po obejrzeniu wartości p i ma doprowadzić do uzyskania istotności statystycznej, zwiększa ryzyko selektywnego raportowania i nadmiernego dopasowania analizy do danych.

3. Najważniejsza zasada: podobieństwo merytoryczne

Kategorie można łączyć wtedy, gdy ich połączenie ma uzasadnienie wynikające z definicji zmiennej, teorii, praktyki klinicznej albo wcześniej określonego planu analizy. Sama bliskość liczebności nie wystarcza.

Przykładowo, w skali nasilenia objawów można czasem połączyć odpowiedzi „brak objawów” i „objawy łagodne”, jeśli główne pytanie dotyczy obecności klinicznie istotnych objawów. Można też połączyć „objawy umiarkowane” i „ciężkie”, jeśli analiza ma odróżniać osoby wymagające intensywnej interwencji od pozostałych.

Nie byłoby natomiast uzasadnione łączenie kategorii „brak objawów” i „objawy ciężkie” tylko dlatego, że każda z nich wystąpiła rzadko. Takie grupy są przeciwstawne znaczeniowo, a ich połączenie mogłoby zniszczyć informację o nasileniu problemu.

3.1. Kategorie nominalne i porządkowe

W przypadku zmiennych nominalnych kategorie nie mają naturalnego uporządkowania. Ich łączenie powinno wynikać z podobieństwa treściowego, wspólnego mechanizmu albo wspólnego znaczenia dla decyzji badawczej.

W przypadku zmiennych porządkowych należy dodatkowo zachować porządek kategorii. Łączenie kategorii sąsiednich jest zwykle łatwiejsze do uzasadnienia niż łączenie kategorii odległych. Jeżeli zmienna opisuje stopień bólu: „brak”, „łagodny”, „umiarkowany”, „silny”, to połączenie „umiarkowany” i „silny” może mieć sens, gdy punktem granicznym jest potrzeba leczenia. Połączenie „brak” i „silny” byłoby zazwyczaj trudne do obrony.

Trzeba też pamiętać, że połączenie kategorii porządkowych może pozbawić analizę części informacji o trendzie. Jeżeli głównym celem jest ocena zależności monotonicznej, lepszym rozwiązaniem może być test trendu, model porządkowy albo analiza wrażliwości z zachowaniem oryginalnej skali.

4. Kiedy łączenie kategorii jest uzasadnione?

4.1. Gdy kategorie są zdefiniowane jako wspólna grupa

Najmocniejszym uzasadnieniem jest sytuacja, w której kategorie już na etapie projektowania badania należą do wspólnej grupy analitycznej. Przykładem może być klasyfikacja statusu palenia: „nigdy nie palił” i „były palacz” mogą zostać połączone jako „obecnie nie pali”, jeśli pytanie dotyczy wyłącznie bieżącej ekspozycji.

4.2. Gdy istnieje kliniczny lub praktyczny punkt odcięcia

W medycynie i zdrowiu publicznym agregacja jest bardziej wiarygodna, gdy odpowiada decyzji klinicznej. Można na przykład połączyć stopnie ryzyka w grupę „niskie ryzyko” i „podwyższone ryzyko”, jeśli taki podział wynika z obowiązującego algorytmu postępowania. Należy wtedy jasno podać kryterium i źródło punktu odcięcia.

4.3. Gdy kategorie są zbyt szczegółowe względem pytania

Czasem problem nie polega na małej próbie, lecz na tym, że badacz zapisał dane z większą szczegółowością, niż wymaga tego cel badania. Jeśli analizujemy wpływ rodzaju transportu do szpitala na czas przyjęcia, kategorie „helikopter”, „samolot sanitarny” i „inny transport lotniczy” mogą zostać połączone w „transport lotniczy”, jeżeli nie planujemy porównania tych form osobno.

4.4. Gdy agregacja została zaplanowana przed analizą

Planowanie z wyprzedzeniem ogranicza ryzyko arbitralnego dopasowywania kategorii do wyniku. W publikacji należy opisać, jakie kategorie połączono, dlaczego to zrobiono oraz czy decyzja była podjęta przed analizą główną. Standard STROBE zaleca przejrzyste raportowanie sposobu definiowania i grupowania zmiennych, w tym granic kategorii oraz uzasadnienia zastosowanych grup (von Elm i in., 2007).

5. Kiedy nie należy łączyć kategorii?

Łączenie kategorii jest niewłaściwe, gdy:

• kategorie mają różne znaczenie kliniczne lub społeczne;
• połączenie usuwa ważną informację o dawce, nasileniu albo kolejności;
• rzadka kategoria reprezentuje szczególnie ważną grupę, na przykład ciężkie działania niepożądane;
• kategorie różnią się mechanizmem, rokowaniem lub sposobem leczenia;
• agregacja została wykonana wyłącznie dlatego, że wynik testu był nieistotny;
• połączenie zmienia podstawowe pytanie badawcze;
• kategoria jest rzadka z powodu błędu kodowania, braku danych albo problemu rekrutacyjnego.

Szczególnej ostrożności wymagają kategorie dotyczące bezpieczeństwa pacjentów, zgonu, ciężkich powikłań, przemocy, samobójczości lub grup mniejszościowych. Ich połączenie z kategoriami mniej poważnymi może ukryć istotny sygnał i utrudnić ocenę ryzyka.

6. Przykład praktyczny: działania niepożądane leczenia

Załóżmy, że w badaniu 120 pacjentów oceniono działania niepożądane nowego schematu leczenia. Zarejestrowano cztery poziomy nasilenia:

Nasilenie działania niepożądanego	Liczebność
Brak	72
Łagodne	34
Umiarkowane	11
Ciężkie	3

Jeżeli pytanie brzmi: „Czy wystąpiło jakiekolwiek działanie niepożądane?”, można zdefiniować zmienną binarną: „brak” versus „co najmniej łagodne”. Jeżeli pytanie dotyczy bezpieczeństwa klinicznego i potrzeby interwencji, bardziej sensowne może być porównanie „brak lub łagodne” versus „umiarkowane lub ciężkie”. Takie połączenie jest uzasadnione, jeśli umiarkowane i ciężkie działania wymagają podobnego postępowania albo są traktowane jako klinicznie istotne.

Nie należy jednak automatycznie łączyć „braku” z „ciężkim działaniem niepożądanym” tylko po to, aby uzyskać większą liczebność. Z punktu widzenia bezpieczeństwa są to kategorie przeciwstawne. W tym przykładzie można także pozostawić cztery kategorie i zastosować model porządkowy albo analizę opisową, a dla rzadkiej kategorii ciężkich zdarzeń podać dokładny przedział ufności.

7. Przykład z psychologii i nauk społecznych

Wyobraźmy sobie badanie 180 studentów dotyczące korzystania z pomocy psychologicznej. Odpowiedzi na pytanie o miejsce konsultacji obejmują: poradnię uczelnianą, gabinet prywatny, telefon zaufania, pomoc internetową, lekarza rodzinnego i „inne”. Dwie ostatnie kategorie występują bardzo rzadko.

Jeżeli celem jest porównanie pomocy profesjonalnej z pomocą nieprofesjonalną lub samopomocą, można zbudować zmienną bardziej ogólną. Nie powinno się jednak łączyć lekarza rodzinnego z „innymi” bez refleksji, ponieważ lekarz rodzinny jest formalnym profesjonalistą medycznym, natomiast „inne” może obejmować bardzo różne formy wsparcia.

W tym przypadku właściwe postępowanie wymaga najpierw sprawdzenia, co faktycznie oznacza kategoria „inne”. Jeżeli zawiera ona zarówno grupy podobne do poradni, jak i grupy nieporównywalne, problemem jest jakość kodowania, a nie zbyt mała liczebność. Mechaniczne łączenie może tylko zamaskować niejednoznaczność pomiaru.

8. Co zrobić zamiast łączenia kategorii?

Łączenie kategorii jest tylko jedną z możliwości. W zależności od sytuacji można rozważyć:

1. test dokładny, zwłaszcza gdy tabela jest mała i analiza ma charakter eksploracyjny;
2. metody Monte Carlo do aproksymacji rozkładu statystyki;
3. model regresji logistycznej lub porządkowej, jeśli zmienna wynikowa ma odpowiednią strukturę;
4. model wielomianowy, gdy wynik ma kilka kategorii nominalnych;
5. analizę opisową z liczebnościami, odsetkami i przedziałami ufności;
6. zwiększenie próby, jeżeli problem wynika z niedostatecznej rekrutacji;
7. analizę wrażliwości, w której pokazuje się wyniki dla kilku rozsądnych sposobów grupowania.

Mehta podkreśla, że metody dokładne są szczególnie przydatne w małych, niezrównoważonych i rzadkich tabelach, ponieważ nie opierają się w takim samym stopniu na asymptotycznym przybliżeniu rozkładu statystyki (Mehta, 1994). Nie oznacza to jednak, że test dokładny automatycznie rozwiązuje problem niejasnej definicji kategorii. Poprawna analiza wymaga najpierw poprawnego pomiaru i sensownego sformułowania pytania.

9. Łączenie kategorii a wynik testu

Zmniejszenie liczby kategorii zmienia stopnie swobody. Dla tabeli o wymiarach r × c liczba stopni swobody w teście niezależności wynosi:

df = (r − 1)(c − 1)

Jeśli połączymy dwie kategorie w jednym wymiarze, wartość r albo c zmniejszy się, a więc zmniejszy się także liczba stopni swobody. Może to ułatwić wykrycie związku, ale nie dlatego, że dane stały się „lepsze”. Test odnosi się po prostu do innej, uproszczonej zmiennej.

Dlatego wynik po agregacji należy interpretować jako wynik dla nowej klasyfikacji. Nie można napisać, że „związek między pierwotnymi kategoriami był istotny”, jeśli analiza obejmowała już tylko kategorie połączone.

10. Analiza wrażliwości

Gdy istnieją dwa lub więcej rozsądnych sposobów grupowania, warto przeprowadzić analizę wrażliwości. Przykładowo można porównać:

• analizę z czterema kategoriami i testem dokładnym;
• analizę z trzema kategoriami, po połączeniu dwóch sąsiednich poziomów;
• analizę binarną opartą na klinicznym punkcie odcięcia.

Jeżeli wnioski są podobne, zwiększa to ich stabilność. Jeżeli wyniki różnią się zasadniczo, należy opisać tę niepewność zamiast wybierać tylko korzystniejszą wersję. W badaniach obserwacyjnych takie decyzje powinny być raportowane zgodnie z zasadą przejrzystości metodologicznej zalecaną przez STROBE (von Elm i in., 2007).

Najczęstsze błędy

• Łączenie kategorii wyłącznie na podstawie liczebności. Mała grupa nie staje się automatycznie podobna do innej grupy.
• Łączenie kategorii po sprawdzeniu wartości p. Taka praktyka może prowadzić do selektywnego raportowania.
• Ignorowanie znaczenia klinicznego. Rzadkie ciężkie zdarzenie może być ważniejsze niż częste zdarzenie łagodne.
• Łączenie kategorii odległych na skali porządkowej. Może to zniszczyć interpretację trendu.
• Traktowanie „inne” jako jednolitej kategorii. Kategoria „inne” często zawiera niejednorodne odpowiedzi.
• Usuwanie kategorii rzadkiej bez informacji. Pominięcie obserwacji może wprowadzić błąd i zmienić strukturę próby.
• Brak opisu decyzji. Czytelnik powinien wiedzieć, które kategorie połączono i dlaczego.
• Utożsamianie większej wartości p z poprawą jakości danych. Agregacja zmienia test, ale nie gwarantuje trafności pomiaru.

Co warto zapamiętać?

• Łączenie rzadkich kategorii jest decyzją merytoryczną, a nie wyłącznie techniczną.
• Najlepiej łączyć kategorie podobne znaczeniowo, sąsiednie na skali porządkowej albo wspólnie definiujące klinicznie istotną grupę.
• Nie należy łączyć kategorii tylko dlatego, że wynik testu chi-kwadrat jest nieistotny albo że chcemy uzyskać mniejszą wartość p.
• Po agregacji analizujemy nową zmienną, a nie pierwotny podział kategorii.
• Przed połączeniem kategorii trzeba sprawdzić, czy problem nie wynika z błędnego kodowania, niejednoznacznej kategorii „inne” albo braków danych.
• Alternatywami są między innymi testy dokładne, metody Monte Carlo, modele regresyjne, większa próba oraz analiza wrażliwości.
• W publikacji należy podać pierwotne kategorie, sposób ich połączenia, uzasadnienie i konsekwencje dla interpretacji.

Najbezpieczniejsza zasada brzmi: najpierw uzasadnij, że kategorie opisują wspólny fenomen, a dopiero potem rozważ ich agregację. Mała liczebność może wskazywać na potrzebę uproszczenia analizy, ale nie może sama decydować o znaczeniu mierzonych zjawisk.

Źródła i dalsza lektura

1. Alan Agresti (2018). An Introduction to Categorical Data Analysis. 3rd edition. John Wiley & Sons. Informacja wydawcy / źródło.
2. C. R. Mehta (1994). The exact analysis of contingency tables in medical research. Statistical Methods in Medical Research, 3(2), 135–156. DOI: 10.1177/096228029400300203.
3. Riccardo Borgoni (2004). A two-step smoothing procedure for the analysis of sparse contingency tables with ordered categories. Statistica, 64(4), 751–766. DOI: 10.6092/issn.1973-2201/70.
4. F. Nicolussi, M. Cazzaro, T. Rudas (2024). Improving the power of hypothesis tests in sparse contingency tables. Statistical Papers, 65(3), 1841–1867. DOI: 10.1007/s00362-023-01473-6.
5. E. von Elm, D. G. Altman, M. Egger, S. J. Pocock, P. C. Gøtzsche, J. P. Vandenbroucke; STROBE Initiative (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. The Lancet, 370(9596), 1453–1457. DOI: 10.1016/S0140-6736(07)61602-X.
6. J. P. Vandenbroucke, E. von Elm, D. G. Altman, P. C. Gøtzsche, C. D. Mulrow, S. J. Pocock, C. Poole, J. J. Schlesselman, M. Egger; STROBE Initiative (2007). Strengthening the reporting of observational studies in epidemiology (STROBE): explanation and elaboration. PLoS Medicine, 4(10), e297. DOI: 10.1371/journal.pmed.0040297.