关注今日：55 | 主题：182899
微信扫一扫
扫一扫，下载丁香园 App
即送15丁当
【求助】哑变量设置的详细步骤 多元线性
页码直达：
这个帖子发布于6年零86天前，其中的信息可能已发生改变或有所发展。
请教，spss中哑变量设置的详细步骤，用于多元线性回归中，本人将治疗分为不相关的四个组，想将四组设置为哑变量，问题二，等级资料是否需要设置哑变量。
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
在spss中，logistics回归中，有专门的选项来处理需要哑变量化的变量，只需单击“Categorical..”进行设置即可。但是对于多元线性回归就没有那么幸运了。
用computer或recode设置一组哑变量。由于哑变量是一个整体变量，所以进行变量筛选时必须共同进退。因此，讲所有哑变量同一般变量一下直接进行筛选是不对的，会出现一部分变量进入一部分变量未进入的情形。解决的方法是：将同一因素下的哑变量进行归组，在纳入方法中选择了“ENTER”来确保这些哑变量同进同出，而其它连续型变量和二分类变量则归为另一组，纳入方法为STEPWISE。然后在没有纳入这组哑变量的情况下再做一次STEPWISE，再来比较是不是应该纳入这组哑变量。在sas中，哑变量的设置需要另外写程序，但是在回归程序中，则比较简单。eg.因变量y，自变量x1，x2，哑变量组x31 x32 x33，
model y=x1 x2 {x31 x32 x33} /selection=即，把哑变量组用{}括起来就可以了。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园【图文】虚拟变量(哑变量)回归_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
虚拟变量(哑变量)回归
上传于|0|0|暂无简介
大小：1.24MB
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢小木虫 --- 500万硕博科研人员喜爱的学术科研平台
&&查看话题
spss上logistic回归怎么设置成哑变量
要做一个logistic回归分析，把分类变量转换为哑变量，我知道怎么转换成哑变量，但是不知道spss上如何操作，比如年级有三个值：一年级、二年级、三年级，那就需要设两个虚拟变量：年级1、年级2，以一年级作为对照组，那年级1和年级2同时为0则表示一年级，年级1为1，年级2为0表示二年级，年级1为0，年级2为1表示三年级。
在百度上看到一个例子，
将是否吸烟这个变量放到因变量中，将种族放到自变量中，如图所示，既然定义种族为哑变量，那能直接这样定义吗“1=白人；2=黑人；3=其他种族”
那上面这个对于种族设置的哑变量可以吗？哑变量一般设置的时候是用1,0，-1来表示，它这个不是这样的。
如您所说，如果我在菜单transform---recode into different variables里面去设置哑变量，那么对于我进行logistic回归分析的最终结果和不设置哑变量进行logistic回归分析的最终结果是一样的，只是不设置哑变量的时候，不能得出这三组之间一个详细的比较，对吗？
哑变量设置没啥具体要求，设置成1，2，3都是可以的，不过设置和不设置的结果肯定不一样
这样啊 O(∩_∩)O谢谢
那我从哪一方面应该学习哑变量呢？我从网上查logistic回归分析这一部分，有关哑变量的内容涉及的比较少，没有相关的具体讲解，如果我想深入学习这个，那应该从哪里学习呢？
万分感谢，可以加你QQ吗？我的是
习惯而已，喜欢从零开始，也习惯零作为参考组
研究生必备与500万研究生在线互动！
扫描下载送金币
浏览器进程
打开微信扫一扫
随时随地聊科研线性回归分析中的哑变量
最近偶尔在重温统计学，发现自己工作后用了各种高级的统计分析方法，各种统计模型，却忽视了统计学中一些最基础的知识，而这些知识是所有这些高级方法的基础，基础不扎实，高级方法用起来真觉得底气不足，今天看到哑变量在回归分析中的应用，总结如下：
哑变量（Dummy
Variable），也叫虚拟变量，引入哑变量的目的是，将不能够定量处理的变量量化，如职业、性别对收入的影响，战争、自然灾害对GDP的影响，季节对某些产品（如冷饮）销售的影响等等。
这种“量化”通常是通过引入“哑变量”来完成的。根据这些因素的属性类型，构造只取“0”或“1”的人工变量，通常称为哑变量（dummy
variables），记为D。
举一个例子，假设变量“职业”的取值分别为：工人、农民、学生、企业职员、其他，5种选项，我们可以增加4个哑变量来代替“职业”这个变量，分别为D1（1=工人/0=非工人）、D2(1=农民/0=非农民)、D3（1=学生/0=非学生）、D4(1=企业职员/0=非企业职员)，最后一个选项“其他”的信息已经包含在这4个变量中了，所以不需要再增加一个D5（1=其他/0=非其他）了。这个过程就是引入哑变量的过程，其实在结合分析（conjoint
analysis）中，就是利用哑变量来分析各个属性的效用值的。
在线性回归分析中引入哑变量的目的是，可以考察定性因素对因变量的影响，引入哑变量有两种方式：加法方式与乘法方式。
所谓加法方式是指，哑变量作为单独的自变量，有独立的系数，从几何意义上来讲，就是只改变回归直线的截距（constant），不改变斜率（B）；
而乘法方式则正好相反，不改变截距，只改变斜率，因为哑变量在回归方程中不是作为一个独立的自变量，而是与其中某一个自变量相乘后作为一个自变量。
当然，也可以同时使用加法和乘法来引入哑变量，即同时改变截距和斜率。
由于哑变量的取值只有0和1，它起到的作用像是一个“开关”的作用，它可以屏蔽掉D=0的case，使之不进入分析，在spss软件中就是filter的作用。我试验了一下，确实如此。
利用spss软件自带的data：car.sav，分析汽车的功率与100米加速时间的关系，将变量“filter_$”作为哑变量，我们分别run两次线性回归分析，然后对比这2次的结果，来说明上面的想法。
第一次：将哑变量“filter_$”纳入到分析中，同时利用加法和乘法来引入，将“accel”作为因变量，“horse”、“filter_$”、“filter_$*horse”作为自变量，进行线性回归分析；
第二次，利用变量“filter_$”进行筛选case，即不分析filter_$=0的case，同样将“accel”作为因变量，而只将“horse”作为自变量；
两次的线性回归结果分别为：
第一次：accel=20.495-0.049*horse-0.007*"filter_$*horse"+0.738*filter_$
第二次：accel=21.234-0.056*horse
当filter_$=1时，第一次计算的公式正好等于第二次机算的公式。
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。}