回归分析中可否将离散协变量视为连续变量？含急诊就诊次数实例

这个问题绝对是回归分析入门阶段的高频困惑，我结合实际做过的项目给你唠明白。

首先得先把离散变量分个类：咱们常遇到的离散变量主要有两种——一种是有序定序变量（比如疼痛评分1-5级，病情轻/中/重），另一种是计数型离散变量（就是非负整数，比如就诊次数、事故发生数），你提到的急诊就诊次数就属于后者。

下面分情况说：

1. 哪些情况可以把计数型离散变量当连续变量处理？ #

• 当变量的取值范围足够宽，而且分布看起来接近连续的时候。比如你的样本里，患者急诊就诊次数从0到20次都有分布，没有哪一个取值特别扎堆，而且“增加1次就诊”这个增量在整个范围里是个比较小的单位，这时候放进线性回归里当连续变量，结果偏差不会太大。
• 举个实际例子：我之前做过一个慢性病患者的随访研究，急诊就诊次数的取值是0-18次，均值在6次左右，直方图看下来近似正态分布。这时候把它当作连续变量，解释“每多1次急诊就诊，患者的生活质量评分下降X分”，逻辑上很通顺，模型的残差诊断也没问题，结果是可靠的。

2. 哪些情况绝对不能这么干？ #

• 当变量取值范围极小，而且每个取值有明显的“质变”意义。比如如果你的数据里，急诊就诊次数只有0（没去过）、1（去过1次）、2（去过2次及以上），这时候把它当连续变量就犯了个错误：默认“0→1”和“1→2”的效应是一样的，但实际上“2次及以上”可能代表患者病情明显加重，效应量级完全不同。这种情况应该用有序logistic回归，或者把它拆成哑变量（比如以0次为参照，设“1次”“2次及以上”两个虚拟变量）。
• 当变量服从泊松/负二项分布的时候（计数数据的典型分布）。如果你的数据里大部分人急诊次数是0或1，少数人有很多次（右偏严重），这时候强行用线性回归（假设因变量服从正态分布），残差会严重不符合假设，P值和效应量都不可信。这种情况必须用泊松回归、负二项回归这类专门针对计数数据的模型。

3. 实操里怎么判断？教你两个小技巧 #

• 先画直方图：看看变量的分布，如果取值密集、没有极端的右偏，那可以试试当连续变量；如果右偏到离谱，大部分都是0，那果断用计数模型。
• 对比模型结果：同时跑线性回归（把就诊次数当连续）和泊松回归，看核心解释变量的效应方向、显著性是否一致。如果差异不大，而且线性回归的残差QQ图、残差拟合图都没问题，那用线性回归也完全ok——毕竟线性回归的结果解释起来比计数模型简单太多了，老板和甲方更容易懂。

总结一下：不是所有离散变量都能当连续变量，但像急诊就诊次数这类计数型离散变量，在取值范围宽、分布近似连续的前提下，完全可以当作连续变量处理；但如果数据分布不符合线性回归的假设，还是老老实实选用专门的计数模型更靠谱。

内容的提问来源于stack exchange，提问作者Wang Wang