數據類型的深入理解涉及測量理論、資訊損失與現代統計框架。
Stevens 分類的批判與延伸
Stevens（1946, Science）的四級尺度雖經典，但 Velleman & Wilkinson（1993）指出其過度簡化：實際數據常存在混合型態。例如「存活時間」是比率尺度，但含設限值（censored）時需特殊處理（Kaplan-Meier, Cox regression）。Compositional data（如基因表現比例、微生物相對豐度）總和受限（sum-to-one），需 log-ratio 轉換（Aitchison, 1986）後方可進行標準統計分析。
資訊損失與最佳分組
將連續變數離散化（dichotomize / categorize）會損失統計檢定力。Royston et al.（2006, Stat Med）以模擬證明，將連續預測變數以中位數切為兩組，會損失約 1/3 的資訊量（equivalent to 丟掉 1/3 的樣本）。替代方案：restricted cubic splines（RCS）或 fractional polynomials（FP）保留連續性同時允許非線性關係。
遺漏值機制
Rubin（1976）三分類：
- MCAR（Missing Completely at Random）：遺漏與任何變數無關。
- MAR（Missing at Random）：遺漏可由觀察到的變數解釋。
- MNAR（Missing Not at Random）：遺漏與未觀察到的值本身相關（如重症患者退出追蹤）。
多重插補（Multiple Imputation, MI；Rubin 1987）在 MAR 假設下是標準方法，MICE（van Buuren, 2011）套件提供靈活實作。
高維度數據特殊考量
Omics 數據（genomics, proteomics, metabolomics）的特徵：
- p >> n（變數數遠大於樣本數），需正規化（LASSO, elastic net）或降維（PCA, t-SNE, UMAP）。
- 零膨脹（zero-inflation）：scRNA-seq 數據中大量零值，需 ZINB 模型（Risso et al., 2018）或 imputation 方法（MAGIC, scVI）。
- 批次效應（batch effect）：ComBat（Johnson et al., 2007）或 Harmony（Korsunsky et al., 2019）校正不同實驗批次的系統性偏差。
函數型數據（Functional Data）
當觀測值是曲線而非單點時（如時序基因表現、連續血糖監測、生長曲線），需函數型數據分析（Functional Data Analysis, FDA；Ramsay & Silverman, 2005）。將離散觀測以 B-spline 或 Fourier basis 平滑為連續函數，再進行函數型 PCA、函數型 ANOVA 等分析。
文獻參考：Stevens, S.S. (1946). Science, 103, 677-680. / Royston, P. et al. (2006). Stat Med, 25, 127-141. / van Buuren, S. (2011). J Stat Softw, 45, 1-67.