连续性变量截断家族又添一成员

缘起

精

Hello，大家好，我是松哥统计，我们知道变量有3兄弟，老大数值变量、老二等级变量、老三是分类变量。三兄弟中老大数值变量身上包含的信息较多，因此，很多的时候，进行分析时，都是以本尊的形式进行分析。

但是，信息多，有时候也不是好事，比如构建模型时，数值变量从统计上构建没问题，但是从专业上解释，有时候不方便。

比如血液学指标，比如微量元素测定等，如果单位ng/ml。而模型B的解释为X没改变一个单位，Y的平均改变量。

您可以想想，改变1ng/ml，专业上能对Y有多大作用呢？几乎微乎其微。因此，我们常常将数值变量进行离散化，降级化。

其中最简单的就是，分为二分类。

目前文献报道的二分法有参考值法，中位数法、均数法、ROC法。今天松哥看文献，又发现移动切割法，也是一种挺好的思路哈！

松哥统计说

其实就是对所有的X的所有取值进行拆分为二分类，然后进行组间比较，取P最小的作为最佳分组。

这种思想和ROC最佳截断值一致，ROC也是移动截断点，寻找最佳的Yuden指数最大的时候。

而这篇文章是组间差异检验，寻找最佳P值的时候，作为截断点。