Vad är statistisk klassificering?
Statistisk klassificering är uppdelningen av data i meningsfulla kategorier för analys. Det är möjligt att tillämpa statistiska formler på data för att göra detta automatiskt, vilket möjliggör storskalig databehandling som förberedelse för analys. Vissa standardiserade system finns för vanliga typer av data som resultat från medicinska avbildningstudier. Detta gör att flera enheter kan utvärdera data med samma statistik så att de enkelt kan jämföra och utbyta information.
När forskare och andra parter samlar in data kan de tilldela den till lösa kategorier på grundval av liknande egenskaper. De kan också utveckla formler för att klassificera deras data när de kommer in, automatiskt dela upp dem i specifika statistiska klassificeringar. När de samlar in information kanske forskare inte vet mycket om sina data, vilket gör det svårt att klassificera. Formler kan identifiera viktiga funktioner som kan användas som potentiella kategori-identifierare.
För att bearbeta data krävs statistisk klassificering för att separera olika typer av information för analys och jämförelse. I en folkräkning bör till exempel arbetarna kunna utforska flera parametrar för att ge en meningsfull bedömning av de data de samlar in. Med hjälp av förklaringar om folkräkningsformulär kan en statistisk klassificeringsalgoritm separera olika typer av hushåll och individer på grundval av information som ålder, hushållskonfiguration, medelinkomst osv.
De insamlade uppgifterna måste vara kvantitativa till att statistisk analys kan fungera. Kvalitativ information kan vara för subjektiv. Som ett resultat måste forskare utforma metoder för datainsamling noggrant för att få information som de faktiskt kan använda. I en klinisk prövning kan till exempel observatörer som fyller i formulär under uppföljningsundersökningar använda en poängrubrik för att bedöma patientens hälsa. I stället för en kvalitativ bedömning som ”patienten ser bra ut” kan forskaren tilldela en poäng på sju på en skala, som en formel kan använda för att bearbeta data.
Statistiker använder en mängd olika tekniker för statistisk klassificering och utveckling av lämpliga formler för att bearbeta deras data. Fel i detta steg av dataanalys kan förvärras efter senare forskning och analys. Det är viktigt att tänka på datauppsättningens karaktär, den information som människor vill dra ut ur den och hur materialet kommer att användas. I formella artiklar måste forskare diskutera det statistiska klassificeringssystemet de valde att använda och många tillhandahåller också rådata för att granskarna ska kunna titta på informationen för sig själva för att fastställa giltigheten av slutsatserna i studien.