有序分類變量

變量（variable）是觀測單位的某種特徵或屬性，變量的觀測值就是所謂的變量值，有時也稱數據或資料(data)。更準確地講，數據或資料是由具有若干變量值的觀測單位所組成的。例如在調查中常規問及的問題：你年齡多大？是什麼學歷？結婚了嗎？有工作嗎？家裏有多少人？對應的變量就是：年齡，學歷，婚姻狀況，就業情況，家庭人口數。 ^[2] 

分類變量可分為無序變量和有序變量兩類。

無序分類變量（unordered categorical variable）是指所分類別或屬性之間無程度和順序的差別。，它又可分為①二項分類，如性別（男、女），藥物反應（陰性和陽性）等；②多項分類，如血型（O、A、B、AB），職業（工、農、商、學、兵）等。對於無序分類變量的分析，應先按類別分組，清點各組的觀察單位數，編制分類變量的頻數表，所得資料為無序分類資料，亦稱計數資料。

有序分類變量（ordinal categorical variable）是統計學中，根據取值特徵而分類的一種定性變量。所謂有序分類變量，是指其取值的各類別之間存在着程度上的差別，給人以“半定量”的感覺，因此也稱為等級變量，如學歷（文盲、小學、初中、高中、大學、研究生等）。 ^[2]  對於有序分類變量，應先按等級順序分組，清點各組的觀察單位個數，編制有序變量（各等級）的頻數表，所得資料稱為等級資料。

有序多分類變量是很常見的變量形式，通常在變量中有多個可能會出現的取值，各取值之間還存在等級關係。比如高血壓分級（0=正常，1=正常高值，2=1級高血壓，3=2級高血壓，4=3級高血壓）、尿蛋白水平（0=－，1=±，2=+，3=++，4=+++）等等。與無序多分類變量不同，有序多分類變量的各個選項直接呈現向一個方向遞增或遞減的關係。

當Logistic迴歸中需要將有序多分類變量代入自變量X時，我們如何處理呢？通常大家會習慣性的將有序多分類變量直接代入。這當然不是不對，但是有個前提條件，就是該有序多分類變量每改變一個單位的時候，結局風險增加倍數相同。每改變一個等級，對結局貢獻相同或相似時，可以簡單的用個例子和圖表示一下。比如我們關心研究對象是否接受治療，也就是研究對象中，有一部分人出現了“接受治療”這個結局。可能影響結局的變量之一是教育程度 ^[3]  。