二分变量与二分称名变量有什么差别

说实话，当我第一次接触双列关联这个东西时，我很困惑。
你是对的，这意味着将连续变量与二分变量配对，例如身高（连续）和性别（男/女），或考试成绩（连续）以及您是否是尖子生（是/否）。

有趣的是，虽然二元变量只有两个值，但它们并不容易处理。
例如，如果您在班级平均身高（连续）和性别（男/女）之间进行一些双变量相关性，您实际上想知道：男孩的平均身高和女孩的平均身高有什么区别？这种差异具有统计学意义吗？
当时我正在做一个真实的案例：一所学校想要研究体育课成绩（连续）与学生是否具有体育天赋的学生（是/否，二分法）之间的关系。
研究结果发现，体育专业学生的平均成绩确实高于普通学生，但点二列相关系数（通常用Phi系数或Spearman-Brown公式调整）仅为0.3 左右。
这个数字看起来并不低，但考虑到样本量是5 00人，说实话，这种相关性在统计上并不是很强。

显然，双列相关给出的不是因果关系，而是相关程度。
比如我的一个有特殊运动技能的学生，可能还有其他因素，比如家庭情况、训练时间等，但至少可以告诉你：在控制其他变量的情况下，学生是否有运动天赋，对他们在体育课上的表现是有影响的。

我记得的数据是，如果Phi系数超过0.3 ，通常认为是中等相关，但具体阈值取决于样本量。
我记得在那次分析中，p 值小于 0.01 ，所以结论很重要。
不过，我个人并没有运行这方面最新的统计软件，所以我建议你检查一下当前的标准。

真正二分变量和人为二分变量的区别

是的，仅此而已。
有两种类型的数据：自然数据和人工数据。

自然划分类似于将苹果分为红色和绿色。
它们显然是不同的并且很容易理解。

手动排序，例如按大小对苹果进行排序，是不自然且难以解释的。

自然分类的结果很简单，但人工分类的结果复杂且难以解释。
你自己看看吧。