R语言因子变量定义疑问：是否需显式声明为factor类型？

不需要强制转换，具体能不能直接用0-1数值向量，取决于你的使用场景：

• 仅做简单数值计算、分组统计时，0-1数值向量反而更方便：比如直接对high列求和就是总支出高于中位数的样本数，求均值就是高支出样本占比，这类场景下完全不需要转factor。
• 用常见建模函数（比如glm()做逻辑回归）时，输入0-1数值型二元变量和二分类factor的运行结果完全一致，函数会自动识别为二元响应变量，不会出错。

以下场景必须显式定义为factor类型：

• 分类变量超过2个类别，或者是有序分类变量：比如你提到的四个方向的分类，如果用1/2/3/4数值编码直接输入模型，R会默认将其识别为连续数值变量，最终得到完全错误的计算结果，必须用factor()显式声明为分类变量，必要时还要指定ordered = T定义有序等级。
• 需要自定义分类标签提升可读性：比如将0/1对应为「低于中位数」「高于中位数」，后续做可视化、输出统计表格时，会自动显示自定义的文本标签，不需要手动修改图例、表头内容。
• 使用对变量类型有严格要求的工具：部分统计检验函数、机器学习包（如caret的部分预处理步骤）会严格要求分类变量为factor类型，输入数值型0-1会直接报错或输出错误结果。

实操建议：如果只是临时做简单计算，用0-1向量完全没问题；如果是需要长期维护、后续会做可视化或多场景分析的代码，建议显式转换为factor，你原来的代码可以修改为：

q5_data$high <- factor(
  ifelse(q5_data$totexp > median(q5_data$totexp), "高于中位数", "低于中位数"),
  levels = c("低于中位数", "高于中位数")
)

可以避免后续使用过程中的类型识别坑。

内容的提问来源于stack exchange，提问作者ra514