¿Pasar de datos continuos a categóricos siempre es incorrecto?

Question

Cuando leí acerca de cómo configurar sus datos, una cosa que muchas veces me he encontrado es que la transformación de algunos continua de datos en datos categóricos no es una buena idea, ya que puede muy bien hacer la equivocada conclusión de que si los umbrales son poco decidida.

Sin embargo, actualmente tengo algunos datos (valores de PSA para pacientes con cáncer de próstata), donde creo que el consenso general es que si usted está por debajo de 4 probablemente no la tienen, si están por encima de los que están en riesgo, y luego algo como por encima de 10 y 20, usted probablemente tiene. Algo como eso. En ese caso, ¿seguiría siendo incorrecto clasificar mi continua de los valores de PSA en los grupos de 0 a 4, de 4 a 10, y >10 ? O es realmente bueno ya que los umbrales son "determinados" por así decirlo.

Answer 1

Hay una fuerte discontinuidad en sus umbrales?

Por ejemplo, supongamos que se tienen dos pacientes a y B con los valores 3.9 y 4.1, y otros dos pacientes C y D con los valores de 6.7 y 6.9. Es la diferencia en la probabilidad de cáncer entre a y B, mucho mayor que la correspondiente diferencia entre C y D?

Si sí, entonces la discretización tiene sentido.

Si no, entonces su umbrales puede tener sentido en la comprensión de los datos, pero que no son "determinado" en una relación estadísticamente significativa sentido. No discretizar. En su lugar, utilice los resultados de sus pruebas "tal como es", y si sospecha de algún tipo de no linealidad, el uso de splines.

Esto es muy recomendable.

Answer 2

Creo que la respuesta estándar es que siempre es mala porque se pierde información en el proceso. Es difícil creer que haya algún caso en el que pueda obtener algo al tomar datos de intervalos naturales y hacerlos categóricos.