spss逻辑回归中哑变量的设置和分析方法

在SPSS逻辑回归中，设置虚拟变量很简单：
1 打开 SPSS 并导入数据。
2 . 选择逻辑回归分析，并将分类变量和因变量插入到正确的位置。
3 . 单击分类按钮，选择参考分类并设置值。
4 .分析结果并观察系数和含义。

关键是比较系数，看看不同分类对因变量的影响，注意显着性。

SPSS教程：手把手教你设置哑变量及解读结果！

昨天，我在整理客户资料时，发现一个“客户等级”字段，分为A、B、C三个等级，数字1 、2 、3 是随机填写的。
我想如果直接用数字来分析的话，A的水平就是1 ，B的水平就是2 我看模型，B的影响力比A的影响力大，C的影响力更大。
但现实中，A可能是入门级，B是黄金级。
分析将按数字顺序被篡改。

要在 SPSS 中执行此操作，您必须首先选择一个变量。
例如，选择“购买频率”作为因变量，选择客户级别作为自变量。
单击“转换”菜单并搜索“重新编码为不同的变量”。
在弹出窗口中，将客户级别拖至“新建变量”框中，选择“外部变量”，然后单击“确定”。
出现一个小窗口询问如何转换，选择“所有值1 ”，然后“如果满足条件则转换值”。
在此处填写条件“客户级别 = 1 ”，然后单击“继续”。
同理，客户等级=2 转换为新变量“金牌客户”，客户等级=3 转换为“VIP客户”。

此时数据中又多了两列，0和1 0表示不是这个级别，1 表示是这个级别。
例如，老王的原始数据为1 级，现在“输入客户”栏为1 ，其他均为0。

运行回归分析时，选择“购买频率”作为因变量，然后将“输入客户”和“黄金客户”放入自变量中。
注意“黄金客户端”参数。
默认情况下，它与“入门客户”进行比较。
例如，系数为0.5 ，这意味着优质客户的平均购买次数比新手客户多0.5 VIP 客户的系数取决于与谁进行比较。
P值小于0.05 表明该水平对重复购买有显着影响。

等等，还有别的事。
如果客户 A 的得分优于 B，B 优于 C，但在数据中 A 为 1 ，B 为 2 ，C 为 3 ，使用默认的“指标变量”表示法，得分可能会说 B 优于 A，C 优于 B，但实际上 C 可能更好。
这时候就必须改变编码方式。
点击“统计”->“分类变量”->“比较”，选择“参考类别”，然后在“参考类别”中选择“最后一个”。
这样比较的结果就是A、C、B、C，得出VIP客户最好的结果。

数据中具体有多少客户？昨天的数据是2 4 00个，其中新手客户1 2 00个，黄金客户8 00个，VIP客户4 00个。
我们必须等待因此运行模型以确定参数。
我突然想到，如果还有D级特工的话，现在只剩下三个了，我怎么调动他们呢？我们需要添加一个新变量“其他客户”吗？

关于回归分析中哑变量赋值的问题（二）

数据分析中的哑变量问题如何处理？

您好，您是在问我有关虚拟变量的问题吗？上周一位客户问我这个问题，这让我有点困惑。
我们直接来说吧。

如果你问我具体怎么做，我就告诉你去年我在上海做项目时发生的一件事。
当时有一个数据集，里面有一个“地区”变量，分为华东、华南、华北。
当我直接把它扔到模型里的时候，它就爆炸了——SPSS直接给我的信息是“变量之间完全共线性”。
我想起了我正在走进的陷阱。
当时我创建了三个虚拟变量，华东=1 ，华南=1 ，华北=1 猜猜发生了什么？模型直接卡住了，根本无法运行。
后来我赶紧去询问带我去的师兄。
他拍着大腿说道：“你傻啊！你要做两个，剩下的一个就当参考组了！”这是典型的多类别变量设置错误。
还记得类别数减一的原则吗？
解释系数也很有趣。
我在帮一个做电商数据分析的同学调试模型时，他创建了一个“会员等级”的虚拟变量，分为普通、银牌、金牌、钻石。
他直接以钻石卡牌系数为最高标准，却发现普通卡牌系数为负数，他急了：“为什么普通卡牌还落后？”我当时一高兴，就跟他解释说：“你用钻石卡作为参照组，把系数和钻石卡进行比较，普通卡的系数为负，说明它对销量的影响比钻石卡低。
”他听后恍然大悟。
所以你看，选择哪个参考组与系数的解释直接相关，但无论选择谁，相对差异都会反映在模型中。

工具的话，用SPSSAU就很方便了。
点击【调查问卷研究】→【虚拟变量】即可自动生成。
上次我帮助客户处理了数百个样本的问卷数据，几分钟就完成了。
不过手动编码也很容易，尤其是用Python的话，只出来一行代码 pandas.get_dummies(df['professional']) ，但是记得删除一列，避免共线性。

我有一个朋友特别喜欢用R，他总是说R在底层处理这种事情，在使用model.matrix()生成设计矩阵时可以自动处理。
但说实话，对于初学者来说，工具越智能，就越能避免犯错误。

最后，我想提醒大家，在序数变量中使用虚拟变量时一定要特别小心。
比如你问我“学历”，高中=1 ，学士学位=2 ，硕士学位=3 ，直接改虚拟变量？我真的不推荐它。
上次我进行研究时，我把“满意度”分为三类：非常不满意、一般、满意。
我只是输入了三个虚拟变量。
我的老师让我把它们改回来，说这实际上是一个有序变量，我们应该使用有序 logit 模型。
这个事情要分情况而定，不能一概而论。

无论如何，你可以做任何你想做的事。
记住要点：将分类变量转换为虚拟变量，将类别数量减少 1 ，选择参考组，然后查看系数的相对差异。
使用什么工具取决于你自己的习惯。
我仍在研究如何以最明智的方式处理有序变量......