一天中的时间是分类变量吗？

值可以为0、1、2，...，23的“一天中的小时”是分类变量吗？我很想说不，因为例如5比4或3更接近4或6。

另一方面，在23和0之间存在不连续性。

那么，它通常被认为是绝对的吗？请注意，“小时”是自变量之一，而不是我要预测的变量。

categorical-data circular-statistics

— 保罗·赖纳斯
source

你想达到什么目的？如果您要拟合模型，则小时是协变量还是响应，例如？

— gung-恢复莫妮卡

如果您有足够的自由度可以闲置（即视为绝对的），则可以每小时使用一个虚拟变量，如果没有，则可以使用前几个傅立叶项。通常，考虑如何最好地表示与响应之间的潜在关系-商店开业时标记单个虚拟变量可能会有用。

— Scortchi-恢复莫妮卡

像小时之类的东西可以视其为最佳类别而被视为“分类”或“数字”。一般而言，没有正确或错误的答案-这取决于最有效的方法。我建议您尝试不同的方法，并查看哪种方法最适合您的情况。

— roundsquare

Answers:

根据要建模的内容，小时（以及许多其他属性，例如季节）实际上是有序的循环变量。在季节的情况下，您可以认为它们或多或少是分类的，而在小时的情况下，您也可以将它们建模为连续的。

但是，在模型中使用小时数的形式不会为您带来周期性问题，这将不会有成果。而是尝试提出某种转换。使用小时，您可以使用三角法

xhr = sin(2*pi*hr/24)
yhr = cos(2*pi*hr/24)

因此，您将改为使用xhr和yhr进行建模。例如，请参阅此帖子：在线性回归中使用圆形预测变量。

— 德雷
source

（+1）您能否详细说明季节和小时之间的区别？

— Scortchi-恢复莫妮卡

嗯，我认为季节在谈到白天的几个小时时具有类似的含义，例如早上，中午和晚上。如果只有模糊的信息可用并且分辨率很差（例如，季节中有4个值），则将它们分类，并使用虚拟变量进行编码似乎很合理。:-)

— Drey

我认为关键是，因为只有4个季节，所以使用Trig。与分类表示法相比，您仅保留1个自由度-在一天中的几个小时中，您保留21个自由度。（如果你不需要放过他们，然后xhr = sin(4*pi*hr/24)， yhr = cos(4*pi*hr/24)，和等可以加入，最多的地步，有足够的观察你不妨治疗时间为一天作为绝对的。）

— Scortchi -恢复莫妮卡

或研究循环样条曲线。

— kjetil b halvorsen

最好不要将一天中的小时表示为分类变量，因为值具有自然顺序。例如，发色是分类的，因为类别的排序没有意义-{红色，棕色，金发}和{金发，棕色，红色}一样有效。另一方面，一天中的某个小时自然排序-上午9点比晚上6点更接近上午10点或上午8点。最好将其视为离散的序数变量。它具有周期性的附加特征，因为12am在11pm之后并在1am之前。

— 核王
source

某些分类变量的值不是自然排序吗？

— dsaxton

是的，但在这种情况下，最好将它们描述为序数。有序变量是具有自然序列的分类变量。

— 核王

那么，如何在回归模型中将离散，有序，循环变量表示为预测变量呢？

— Scortchi-恢复莫妮卡

从理论上讲，它取决于格式化变量的方式，即它可以是“连续的”（使用单个系数建模）或分类的（一天中每“小时”的系数）。您也可以混合使用两种功能，例如分段功能。

实际上，由于0和23本质上是一天中的同一“小时”，因此我将考虑将一天中的各个时段分组为更大，更均一且可信的分组。例如，以8小时为增量-8 am-4pm、4pm-12am和12-8am。

— 弗兰克·H
source

0和23是不同的小时数。0和24将是同一小时。

— Paul Reiners

顺便说一句，根据Gung的评论，我假设一天中的小时是一个自变量，而不是建模的因变量。我的观点是，0和23在现实中并没有太大不同-您是否会说在23:59与0:01发生的建模事件之间存在统计差异？

— Frank H.

不确定丢弃信息应该解决什么问题。请参阅分解连续预测变量的好处是什么？。

— Scortchi-恢复莫妮卡

@Scortchi-就像帖子中所说，您假设一个连续的关系，这样装箱将“丢弃”信息。但是，如果不是这种情况，则分箱是更合适的转换。并假设您有足够的数据开始，而OP并未提及。

— Frank H.

对预测变量和响应之间的关系施加约束本身并不是一件坏事-正如您是本篇文章中的第一个提出的那样，有多少个可用的观察值是一个重要的考虑因素-，但是由此产生的影响表示一天中的某个小时（从8到15个小时是固定的，在16个小时是跳跃或下降，依此类推），似乎是对通常合适的方法的奇怪建议。

— Scortchi-恢复莫妮卡