## 2.1 什么是数据？ 关于数据的第一个重要点是数据 _ 是 _——意思是“数据”这个词是复数（尽管有些人在这一点上不同意我的观点）。你也可能想知道如何发音“data”——我说“day-tah”，但我认识许多说“dah-tah”的人，尽管如此，我仍然可以和他们保持朋友关系。现在如果我听到他们说“数据是”，那将是更大的问题… ### 2.1.1 定性数据 数据由 _ 变量 _ 组成，其中变量反映唯一的度量或数量。有些变量是 _ 定性的 _，这意味着它们描述的是质量而不是数字量。例如，在我的统计课程中，我通常会做一个介绍性的调查，既可以获取课堂上使用的数据，也可以了解更多关于学生的信息。我问的问题之一是“你最喜欢吃什么？”其中一些答案是：蓝莓、巧克力、玉米粉蒸肉、意大利面、披萨和芒果。这些数据本质上不是数字；我们可以为每个数据分配数字（1=蓝莓，2=巧克力等），但我们只会将数字用作标签，而不是实数；例如，在这种情况下，将数字相加是没有意义的。但是，我们通常会使用数字对定性数据进行编码，以使它们更易于使用，稍后您将看到。 ### 2.1.2 定量数据 在统计学中，我们更常用于 _ 定量 _ 数据，这意味着数据是数字的。例如，这里的表[2.1](#tab:WhyTakingClass)显示了我在入门课上问的另一个问题的结果，即“你为什么要上这门课？” <caption>Table 2.1 Counts of the prevalence of different responses to the question "Why are you taking this class?"</caption> | 你为什么要上这门课？ | 学生人数 | | --- | --- | | 满足学位计划要求 | 105 | | 满足通识教育广度要求 | 32 | | 不需要，但我对这个话题感兴趣 | 11 个 | | 其他 | 4 | 请注意，学生的回答是定性的，但我们通过计算每个回答的学生数得出了他们的定量总结。 #### 2.1.2.1 数字类型 我们在统计中处理的数字有几种不同的类型。理解这些差异很重要，部分原因是像 R 这样的编程语言经常区分它们。 **二进制数**。最简单的是二进制数——也就是零或一。我们经常使用二进制数字来表示某个事物是真是假，是存在还是不存在。例如，我可能会问 10 个人他们是否经历过偏头痛。如果他们的答案是： ```r # create variable containing responses to migraine question everHadMigraine <- c('Yes','No','Yes','No','No','No','Yes','No','No','No') everHadMigraine ``` ```r ## [1] "Yes" "No" "Yes" "No" "No" "No" "Yes" "No" "No" "No" ``` 相反，我们可以使用==符号将这些值重新编码为真值，该符号是对相等性的测试，如果这两个值相等，则返回逻辑值“真”，否则返回“假”。 ```r # create truth values from everHadMigraine variable everHadMigraineTF <- everHadMigraine == 'Yes' everHadMigraineTF ``` ```r ## [1] TRUE FALSE TRUE FALSE FALSE FALSE TRUE FALSE FALSE FALSE ``` r 同等对待真值和二进制数： ```r # evaluate truth of a set of assertions # 1 is equal to TRUE - should return TRUE TRUE == 1 ``` ```r ## [1] TRUE ``` ```r # 0 is equal to FALSE - should return TRUE FALSE == 0 ``` ```r ## [1] TRUE ``` ```r # 0 is equal to true - should return FALSE TRUE == 0 ``` ```r ## [1] FALSE ``` 我们还可以将真值列表显式地转换为整数： ```r # create integer values from truth values using as.integer() everHadMigraineBinary <- as.integer(everHadMigraineTF) everHadMigraineBinary ``` ```r ## [1] 1 0 1 0 0 0 1 0 0 0 ``` 当我们谈到概率论时，我们会看到一种方法，在这种方法中，这种表示是非常有用的。 **整数**。整数是不含小数部分或小数部分的整数。我们在计算事物时最常遇到整数，但在心理测量中也经常遇到整数。例如，在我的介绍性调查中，我处理了一组关于统计学态度的问题（例如“统计学对我来说似乎很神秘”），在这些问题上，学生的回答是 1（“强烈反对”）到 7（“强烈同意”）。 **实数**。在统计学中，我们通常使用实数，实数有小数/十进制部分。例如，我们可以测量某人的体重，从整磅到微克，精确到任意水平。