作者：許承越
photo credit to: unsplash
上一篇簡單說明了到底什麼是生物統計學，這篇想來整理一下一些比較基礎的生物統計學名詞。
在這一篇有提到，因為生物統計學的目的是希望可以為「這個世界是如何運作的」提出簡潔有力的解釋方式，所以會特別著重在各個variable（中文應該譯成「變數」）之間的交互關係。
什麼是 Variable？
聽起來很抽象，但其實沒那麼可怕，其實就是我們做研究時想觀察的對象呈現出來的各式不同數據。依照研究本身的推論方式，又可以分為：
- Response Variable：通常我們把以(Y)的方式呈現，也就是我們想測量的結果
- Explanatory Variable：通常以(X)的方式呈現，也就是會影響或造成結果的變數，例如：
- treatment/intervention
- risk factors：對於測量結果會有影響的因子，例如抽菸對肺癌。
這兩個方式，可以想成大家國中時學到的函數關係，也就是Y= F(X)。舉例：我想知道不同降血糖藥物間對糖尿病人血糖控制的比較，那麼 explanatory variable 就是不同降血糖藥物=X、response variable 就是糖尿病人的血糖控制結果=Y。
而某個變數的呈現被認為是隨機的，我們稱之為 random variable。
根據變數本身的特性，又可以分為：
- Quantitative：可以量化的數據
- Continuous：連續的數值，例如身高、體重、血壓值等等。
- Dsicrete：不連續的數值，例如幾個公司間已婚員工的數目、某個城市每天新診斷出幾個肝癌的病人、這個大樓中每位住戶平均每週運動幾次。
- Qualitative：變數本身的特性或是種類，直接轉換成數字會有困難。
- Nominal：無排序，關於變數本身特性的分類。
- Binary/Dichotomous：存活/死亡、有病/沒病、有懷孕/沒懷孕。
- Polychotomous：職業類別、居住地點。
- Ordinal：有排序
- 滿意度排序1-5、一組受試者依照健康程度分成 差-普通-良好。
什麼是 Variation？
同組的 variables 之間可能會有不同，而不同組的數據之間也會有不同，我們稱之為 variation，又可以分為
- Natural Variation：不同的研究對象本來就會有各種不同的自然差異，例如一個班級的同學之中每個人的身高本來就不同。
- Measurement Variation：可以想成是測量方式的誤差。例如：我的體重大約是50kg，但這體重計怎麼量都是47kg。Measurement variation 是一種 error，是測量方式與真實數據之間的誤差。
什麼是 Variance？
Variance就是一組數據與其平均值之間的差異，也就是大家國中高中數學課都有學過的變異數。
順便提一下什麼是Bias：
Bias就是一組數據的「觀察後得到的測量值」與其「實際上的數值」之間的錯誤，bias是一種系統性的錯誤(systemic error)。至於bias的種類，之後我們再來討論。
而在生物統計學中，我們衡量一組資料的誤差時，會用下面這個公式去衡量。
這樣子原本容易搞混的variable/variation/variance是不是有比較清楚了呢？其實之後如果覺得快搞混的時候，只要回頭來看看定義，應該就可以釐清了！
其他流行病學與生物統計學筆記：請按這裡
