084. Zmienne ilościowe: dyskretne i ciągłe

W poprzednich lekcjach kursu porządkowaliśmy podstawowe role zmiennych w modelu badawczym. Teraz skupimy się na ważnym rozróżnieniu dotyczącym samych danych liczbowych: zmienne ilościowe mogą być dyskretne albo ciągłe. Rozróżnienie to nie jest wyłącznie kwestią nazewnictwa. Wpływa na sposób pomiaru, możliwe wartości, dobór wykresu, sposób opisu rozkładu, a niekiedy także na wybór modelu statystycznego. Dobre rozpoznanie rodzaju zmiennej jest jednym z elementów warsztatu rozwijanego w publicznym szkoleniu na statystyk.edu.pl.

1. Czym jest zmienna ilościowa?

Zmienna ilościowa to cecha, której wartości są liczbami wyrażającymi pewną ilość, natężenie, rozmiar, czas, częstość lub wynik pomiaru. Liczby te mają sens ilościowy: można je porządkować, a różnice między wartościami są interpretowalne przynajmniej w ramach przyjętej skali pomiarowej.

Przykładami zmiennych ilościowych są: wiek w latach, masa ciała w kilogramach, stężenie glukozy we krwi, skurczowe ciśnienie tętnicze, liczba hospitalizacji, czas oczekiwania na pomoc, liczba punktów w teście albo liczba dni absencji chorobowej. Nie każda liczba zapisana w bazie danych oznacza jednak zmienną ilościową. Kod pacjenta, numer oddziału czy numer odpowiedzi w kwestionariuszu mogą być wyłącznie etykietami, a więc pełnić funkcję zmiennych jakościowych.

W praktyce należy odróżnić trzy elementy:

• konstrukt – cechę, którą chcemy badać, na przykład nasilenie bólu;
• operacjonalizację – sposób przełożenia konstruktu na obserwowalną zmienną, na przykład wynik skali bólu;
• zapis danych – konkretną postać wartości w arkuszu lub programie statystycznym.

Ta sama cecha może być zapisana w różny sposób. Czas pobytu w szpitalu można zapisać jako dokładną liczbę godzin, zaokrągloną liczbę dni albo kategorie: do 3 dni, 4–7 dni i powyżej 7 dni. Zmienia się wtedy charakter analityczny danych, choć badany obszar pozostaje podobny.

2. Zmienna dyskretna

Zmienna dyskretna przyjmuje wartości oddzielone od siebie, zwykle będące liczbami całkowitymi. Pomiędzy dwiema kolejnymi dopuszczalnymi wartościami nie występują inne wartości należące do tej samej zmiennej. Najczęściej zmienne dyskretne powstają w wyniku zliczania.

Jeżeli badamy liczbę wizyt pacjenta w poradni w ciągu roku, możliwe wartości to na przykład 0, 1, 2, 3 i tak dalej. Nie ma sensu wartość 2,4 wizyty. Podobnie liczba upadków, liczba przyjęć do szpitala, liczba dzieci w gospodarstwie domowym lub liczba wykonanych interwencji ratowniczych ma charakter dyskretny.

2.1. Typowe cechy zmiennych dyskretnych

• wartości są policzalne i rozdzielone;
• często są liczbami całkowitymi, choć nie jest to warunek absolutny;
• zero często oznacza brak zdarzenia lub brak jednostek;
• na rozkład wpływa zarówno częstość zdarzeń, jak i ograniczenie dolne wynikające z natury zliczania.

Ważne jest jednak, aby nie utożsamiać „liczby całkowitej” automatycznie ze zmienną dyskretną. Wiek zapisany wyłącznie jako pełne lata może być praktycznym przybliżeniem zmiennej ciągłej. Osoba mająca 34 lata może mieć 34 lata i 11 miesięcy, choć w bazie figuruje jako 34. O klasyfikacji decyduje więc nie tylko format zapisu, lecz także sposób uzyskania i interpretacji pomiaru.

3. Zmienna ciągła

Zmienna ciągła może, przynajmniej teoretycznie, przyjmować dowolną wartość w określonym przedziale. Między dwiema wartościami znajdują się kolejne wartości pośrednie. Zmienne ciągłe są najczęściej wynikiem pomiaru, a nie zliczania.

Przykładami są masa ciała, wzrost, temperatura, stężenie hemoglobiny, czas reakcji, długość hospitalizacji mierzona w godzinach oraz ciśnienie tętnicze. Jeżeli aparat pozwala na coraz większą dokładność, pomiar masy może wynosić 72 kg, 72,4 kg, 72,43 kg lub 72,431 kg. W realnych danych liczba miejsc po przecinku jest oczywiście ograniczona dokładnością urządzenia i procedury.

3.1. Teoretyczna ciągłość a praktyczna dokładność

Warto odróżnić charakter zjawiska od dokładności pomiaru. Temperatura ciała jest zjawiskiem ciągłym, ale termometr może zapisywać ją z dokładnością do 0,1°C. W efekcie w zbiorze danych pojawiają się wartości 36,7; 36,8 i 36,9°C, a nie nieskończenie wiele możliwych liczb. Nie czyni to temperatury zmienną dyskretną w sensie metodologicznym. Jest to nadal zmienna ciągła obserwowana z ograniczoną rozdzielczością.

Analogicznie czas od przyjęcia zgłoszenia do przyjazdu zespołu ratownictwa może być zapisany w pełnych minutach, lecz samo zdarzenie ma charakter czasowy i ciągły. Zaokrąglanie może zmniejszyć informację, ale nie zmienia automatycznie natury badanego procesu.

4. Najważniejsza różnica: zliczanie a pomiar

Najprostsza reguła dydaktyczna brzmi: jeśli coś liczymy, zwykle otrzymujemy zmienną dyskretną; jeśli coś mierzymy, zwykle otrzymujemy zmienną ciągłą. Reguła ta jest użyteczna, ale wymaga kontekstu.

Pytanie	Typowa odpowiedź	Przykład
Co zliczamy?	Zmienna dyskretna	Liczba hospitalizacji
Co mierzymy na skali?	Zmienna ciągła	Stężenie cholesterolu
Czy istnieją wartości pośrednie?	Tak – cecha ciągła	Czas reakcji 1,25 s i 1,26 s
Czy wartości są oddzielnymi jednostkami?	Tak – cecha dyskretna	0, 1, 2 lub 3 upadki

Rozróżnienie nie przesądza samo w sobie o wyborze jednej konkretnej procedury. W analizie trzeba dodatkowo uwzględnić skalę pomiarową, rozkład danych, wielkość próby, wartości odstające, zależność obserwacji oraz cel badania. Zmienna ciągła nie musi mieć rozkładu normalnego, a zmienna dyskretna nie zawsze wymaga modelu Poissona.

5. Przykłady z badań medycznych i społecznych

Przykład 1: liczba zdarzeń u pacjentów

Załóżmy, że w badaniu pielęgniarskim rejestrujemy liczbę upadków pacjentów podczas hospitalizacji. Zmienna może przyjmować wartości 0, 1, 2, 3 i więcej. Jest to zmienna ilościowa dyskretna. Możemy opisać ją za pomocą częstości, mediany, średniej, rozstępu międzykwartylowego albo odsetka pacjentów z co najmniej jednym upadkiem. W zależności od pytania można rozważyć model dla danych zliczeniowych, lecz przed wyborem modelu trzeba sprawdzić między innymi nadmierną zmienność, dużą liczbę zer i czas obserwacji.

Nie należy bezrefleksyjnie traktować liczby upadków jak zwykłej zmiennej ciągłej. Średnia 0,6 upadku może być poprawnym opisem grupy, ale nie oznacza, że pojedynczy pacjent doznał „0,6 upadku”. Średnia jest podsumowaniem zbiorowości, a nie literalną wartością indywidualnego zdarzenia.

Przykład 2: stężenie glukozy

W badaniu pacjentów z cukrzycą oznaczamy stężenie glukozy we krwi w mg/dl. Jest to typowy przykład zmiennej ciągłej, choć wynik laboratoryjny jest raportowany z określoną dokładnością. Możemy zachować informację o dokładnym pomiarze i analizować różnice między wartościami, związek z wiekiem lub zmianę po interwencji.

Jeżeli zamiast tego utworzymy kategorie „poniżej normy”, „w normie” i „powyżej normy”, uzyskamy zmienną jakościową uporządkowaną. Taka transformacja może być uzasadniona klinicznie, na przykład w celu komunikacji decyzji, ale zwykle powoduje utratę części informacji. Kategoryzowanie zmiennej ciągłej, zwłaszcza według mediany, może zmniejszać moc analizy i sztucznie tworzyć pozorne skoki ryzyka (Altman i Royston, 2006).

Przykład 3: czas reakcji w psychologii

Czas reakcji mierzony w milisekundach jest zmienną ciągłą, często prawostronnie skośną. Dwie osoby mogą mieć wyniki 420 ms i 421 ms, a różnica jednego milisekundowego punktu może mieć sens techniczny, choć nie zawsze będzie znacząca praktycznie. W tym przypadku należy opisać jednostkę, dokładność pomiaru i sposób postępowania z bardzo krótkimi lub nietypowo długimi czasami reakcji.

6. Jak rozpoznawać typ zmiennej przed analizą?

Przed wyborem statystyki warto odpowiedzieć na kilka pytań:

1. Czy wartości są wynikiem zliczania, czy pomiaru?
2. Czy możliwe są wartości pośrednie w sensie badanego zjawiska?
3. Czy zero oznacza brak cechy, czy tylko umowny punkt skali?
4. Jaka jest jednostka pomiaru i jaka była dokładność narzędzia?
5. Czy dane zostały zaokrąglone albo podzielone na kategorie?
6. Czy obserwacje są niezależne, czy pochodzą z powtarzanych pomiarów?
7. Czy liczba zdarzeń zależy od różnego czasu obserwacji?

Odpowiedzi należy zapisać w planie analizy. Standardy raportowania badań obserwacyjnych zalecają jasno definiować zmienne, opisywać sposób ich pomiaru oraz wyjaśniać, jak traktowano zmienne ilościowe, zwłaszcza gdy zostały podzielone na grupy (von Elm i in., 2007).

7. Opis i wizualizacja

Dla zmiennych ciągłych często stosuje się histogram, wykres pudełkowy, wykres gęstości lub wykres punktowy. W opisie można podać średnią i odchylenie standardowe, gdy są adekwatne do rozkładu, albo medianę i rozstęp międzykwartylowy przy silnej asymetrii lub obecności wartości odstających. Wybór statystyki opisowej powinien wynikać z rozkładu danych i celu prezentacji, a nie z mechanicznej reguły.

Dla zmiennych dyskretnych użyteczne są wykresy słupkowe, tabele częstości i rozkłady liczby zdarzeń. Histogram także może być stosowany, ale jego interpretacja wymaga ostrożności, ponieważ wartości są odrębnymi punktami lub kategoriami liczbowymi. Przy danych zliczeniowych warto sprawdzić, czy występuje dużo zer oraz czy wariancja jest znacznie większa od średniej.

Przykładowa średnia arytmetyczna dla obserwacji x₁, x₂, …, x_n ma postać:

średnia = (x1 + x2 + ... + xn) / n = Σxi / n

Symbol x_i oznacza wartość i-tej obserwacji, n – liczbę obserwacji, a symbol Σ – sumowanie po wszystkich obserwacjach. W przypadku zmiennej dyskretnej średnia może być użyteczna, ale nie zastępuje informacji o rozkładzie. Dla liczby wizyt średnia 2,1 może wynikać zarówno z sytuacji, w której większość pacjentów ma dwie wizyty, jak i z sytuacji, w której część nie miała żadnej, a część miała wiele wizyt.

8. Kategoryzowanie zmiennych ciągłych

Badacz może mieć powód, aby utworzyć kategorie kliniczne lub administracyjne. Na przykład stężenie glukozy może służyć do zaklasyfikowania pacjenta do grup wymagających określonego postępowania. W analizie naukowej należy jednak rozważyć, czy kategoria jest głównym celem, czy tylko uproszczeniem.

Jeżeli zmienną ciągłą dzieli się na przedziały, trzeba określić:

• granice przedziałów;
• czy przedziały są rozłączne i wyczerpujące;
• dlaczego wybrano właśnie te punkty odcięcia;
• czy punkty odcięcia były ustalone przed analizą;
• jaką informację traci się po kategoryzacji.

Podział według mediany bywa wygodny, lecz często nie ma znaczenia klinicznego. Może także sprawić, że osoby znajdujące się minimalnie po obu stronach granicy zostaną uznane za należące do różnych grup, mimo niemal identycznych wyników. Dlatego, gdy pytanie badawcze dotyczy zmiany wraz ze wzrostem wartości, często lepiej zachować zmienną w postaci ciągłej i odpowiednio modelować relację (Altman i Royston, 2006; Altman, 1991).

9. Przykład praktyczny: czas oczekiwania na pomoc ratowniczą

W badaniu jakości pracy zespołów ratownictwa analizujemy czas od przyjęcia zgłoszenia do przyjazdu zespołu. Załóżmy, że czas zapisano w pełnych minutach. Na pierwszy rzut oka są to liczby całkowite, ale badany proces jest czasem ciągłym, a zapis został zaokrąglony.

Jeżeli celem jest oszacowanie typowego czasu oczekiwania, można wykorzystać medianę i kwartyle, ponieważ rozkład może być prawostronnie skośny. Jeśli celem jest ocena odsetka interwencji spełniających standard „do 8 minut”, można utworzyć zmienną jakościową: standard spełniony versus niespełniony. Nie wolno jednak pomijać faktu, że pierwotna zmienna była ciągła i że wybór progu 8 minut ma charakter normatywny lub organizacyjny.

W raporcie należy podać jednostkę, sposób zaokrąglania, liczbę obserwacji, brakujące dane oraz sposób analizy. Jeżeli w różnych lokalizacjach obserwowano zgłoszenia przez różny czas lub przy różnej liczbie zdarzeń, sama średnia może być niewystarczająca do porównania systemów.

Najczęstsze błędy

• Mylenie każdej liczby ze zmienną ilościową. Numery identyfikacyjne i kody administracyjne nie stają się zmiennymi ilościowymi tylko dlatego, że są zapisane cyframi.
• Uznawanie wszystkich liczb całkowitych za dyskretne. Zaokrąglony wiek, czas lub masa mogą reprezentować pomiar ciągły.
• Traktowanie zmiennej ciągłej jak dwóch grup bez uzasadnienia. Podział według mediany może zmniejszyć informację i moc analizy.
• Interpretowanie średniej jako typowej wartości indywidualnej. Średnia 0,6 hospitalizacji nie oznacza, że pacjent może mieć 0,6 hospitalizacji.
• Pomijanie jednostki. Wartość 5 może oznaczać 5 minut, 5 godzin, 5 mg/dl albo 5 punktów.
• Wybór modelu wyłącznie na podstawie etykiety dyskretna/ciągła. Znaczenie mają także rozkład, zależność obserwacji, czas ekspozycji i cel badania.
• Ukrywanie kategoryzacji. Jeśli zmienną ciągłą podzielono na przedziały, trzeba opisać granice i uzasadnienie.
• Wnioskowanie przyczynowe z samego typu zmiennej. Fakt, że zmienna jest ciągła lub dyskretna, nie przesądza o przyczynowości. Ta zależy od schematu badania, kontroli zakłóceń i założeń modelu.

Co warto zapamiętać?

• Zmienna dyskretna opisuje odrębne, policzalne wartości, najczęściej liczbę zdarzeń.
• Zmienna ciągła opisuje pomiar, dla którego teoretycznie istnieją wartości pośrednie.
• O typie zmiennej decyduje przede wszystkim natura badanego zjawiska i sposób pomiaru, a nie sam format komórki w arkuszu.
• Zaokrąglenie pomiaru ciągłego nie czyni automatycznie zmiennej dyskretną.
• Kategoryzacja zmiennej ciągłej może ułatwiać komunikację, ale często powoduje utratę informacji.
• Dobór statystyki i modelu wymaga uwzględnienia rozkładu, jednostki, jakości pomiaru oraz celu analizy.
• W raporcie trzeba jasno opisać definicję zmiennej, sposób jej uzyskania i sposób wykorzystania w analizie.

Rozpoznanie, czy analizujemy zliczenie, czy pomiar, jest małym krokiem na początku badania, ale może zapobiec dużym błędom na jego końcu. W kolejnych lekcjach warto łączyć tę klasyfikację z wyborem skal pomiarowych, miar opisowych i modeli statystycznych.

\n

Źródła i dalsza lektura

\n

1. Stevens, S. S. (1946). On the theory of scales of measurement. Science, 103, 677–680. Pełny opis źródła.
2. Altman, D. G. (1991). Categorising continuous variables. British Journal of Cancer, 64(5), 975. DOI: 10.1038/bjc.1991.441.
3. Altman, D. G.; Royston, P. (2006). The cost of dichotomising continuous variables. BMJ, 332(7549), 1080. DOI: 10.1136/bmj.332.7549.1080.
4. Kirkwood, B. R.; Sterne, J. A. C. (2003). Essential Medical Statistics. 2nd edition. Blackwell Science Ltd. Informacja wydawcy / źródło.
5. von Elm, E.; Altman, D. G.; Egger, M.; Pocock, S. J.; Gøtzsche, P. C.; Vandenbroucke, J. P.; for the STROBE Initiative (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) Statement: Guidelines for Reporting Observational Studies. PLOS Medicine, 4(10), e296. DOI: 10.1371/journal.pmed.0040296.
6. Altman, D. G.; Bland, J. M. (1994). Statistics Notes: Quartiles, quintiles, centiles, and other quantiles. BMJ, 309(6960), 996. DOI: 10.1136/bmj.309.6960.996.

\n

Jeżeli potrzebujesz indywidualnego wsparcia w doborze metod, przygotowaniu bazy lub opracowaniu wyników badań, sprawdź analiza statystyczna.