关于回归分析中哑变量赋值的问题（二）

在回归分析中，给虚拟变量赋值时要小心。

在SPSS中，手动设置一个虚拟变量，选择X5 ，并将值1 转换为summer。

自动设置虚拟变量，选择分类变量进行逻辑回归，并与“指标”进行比较。

解释结果并检查系数和 P 值。

注意样本量和比较方法。

自己掂量一下。

什么是哑变量

虚拟变量是用来表示分类数据的工具，例如性别、职业等。
它用0和1 来代表不同的类别，比如男1 女0。
在做回归分析时，使用虚拟变量可以更清晰地区分不同类别的影响。
例如，在分析不同职业对收入的影响时，可以利用虚拟变量分别考察各职业对收入的影响。
设置虚拟变量时，应选择某一类别作为参考组，其他类别用虚拟变量代表。
例如，要分析职业对收入的影响，可以使用“其他职业”作为参照组，其他职业作为虚拟变量。
设置虚拟变量时要小心，以避免多重共线性。
你自己掂量一下吧。

0.1.1是哑变量形式

哈哈，这个概念听起来有点复杂，我举个例子来说明一下。

我记得去年我进行了一个市场研究项目。
分析不同年龄段消费者对新产品的接受程度。
我们收集很多信息，但最重要的信息之一是患者的年龄。
问题是年龄变量不是一个简单的数字，它包含定性属性，比如年轻和年老。

所以是奇特变量（改变变量）的概念。
年龄消费者分为三类：青年、中年、老年。
接下来，我创建了三个奇特的变量来表示这三个类别。
比如我设置变量A代表年轻人，变量B代表中年人，变量C代表老年人。

每种疼痛只能归入一个类别，因此每个幻象变量只能有 0 或 1 的值。
如果疼痛较年轻，A 为 1 ，B 和 C 为 0；如果疼痛较年轻，A 为 1 ，B 和 C 为 0；若患者为中年人，则B为1 ，A、C为0；老年人也同样如此。
这样，年龄的质量就归属于数量，并且可以与其他定量数据一起进行分析。

所以，简单来说，虚拟变量就是一种用0和1 来代表不同类别的方式，方便我们在统计分析中使用。
我自己尝试了一下，效果还不错！