啞變量在spss中的應(yīng)用

1、虛擬變量(DummyVariable),又稱虛設(shè)變量、名義變量或啞變量，是量化了的質(zhì)變量，通常取值為0或1。引入啞變量可使線形回歸模型變得更復(fù)雜，但對問題描述更簡明。名義變量引入回歸分析，必須進(jìn)行數(shù)量化。如，職業(yè)有工人、農(nóng)民、教師，分別賦值0,1,2。但是0,1,2代表的實(shí)際意義又不是由小到大的關(guān)系。所以這在回歸分析中直接使用是錯(cuò)誤的。如考慮季節(jié)因素時(shí)，用1,2,3,4編碼也是不合理的，通常也進(jìn)行啞變量化。對于有序變量，如輕、中、重，則要酌情考慮。如果樣本量足夠大的話，也進(jìn)行啞變量化，這樣可以得到不同級別的差異。但是如果樣本量不夠大是，啞變量化造成變量數(shù)目上升，使回歸結(jié)果變得不可靠，只能適得其

2、反。啞變量設(shè)置的原則在模型中引入多個(gè)啞變量時(shí)，啞變量的個(gè)數(shù)應(yīng)按下列原則確定：如果有m種互斥的屬性類型，在模型中引入(m-1)個(gè)啞變量。例如，文化程度分小學(xué)、初中、高中、大學(xué)、研究生5類，引用4個(gè)啞變量回歸分析在spss中，logistics回歸中，有專門的選項(xiàng)來處理需要啞變量化的變量，只需單擊“Categorical.進(jìn)行設(shè)置即可。但是對于多元線性回歸就沒有那么幸運(yùn)了。體變量，所以進(jìn)行變量篩選時(shí)必須共同進(jìn)退。因此，將所有啞變量同一般變量一塊直接進(jìn)行篩選是不對的，會出現(xiàn)一部分變量進(jìn)入一部分變量未進(jìn)入的情形。解決的方法是：將同一因素下的啞變量進(jìn)行歸組，在納入方法中選擇了“ENTER來確保這些啞變量

3、同進(jìn)同出，而其它連續(xù)型變量和二分類變量則歸為另一組，納入方法為STEPWISE。然后在沒有納入這組啞變量的情況下再做一次STEPWISE,再來比較是不是應(yīng)該納入這組啞變量。在sas中，啞變量的設(shè)置需要另外寫程序，但是在回歸程序中，則比較簡單。eg.因變量y,自變量x1,x2,啞變量組x31x32x33,procreg;modely=x1x2x31x32x33/selection=stepwise;run;即，把啞變量組用括起來就可以了。SPSS多元線性回歸啞變量設(shè)置在spss中，logistics回歸中，有專門的選項(xiàng)來處理需要啞變量化的變量，只需單擊“Categorical.進(jìn)行設(shè)置即可。但是

4、對于多元線性回歸就沒有那么幸運(yùn)了。用compute或recode設(shè)置一組啞變量。比如學(xué)歷有三個(gè)等級：高中及以下，本科，研究生及以上。設(shè)置兩個(gè)啞變量：學(xué)歷1,學(xué)歷2。下面以compute為例說明如何定義啞變量。利用compute對學(xué)歷1,學(xué)歷2進(jìn)行計(jì)算。設(shè)置成學(xué)歷為高中及以下時(shí)學(xué)歷1=0,學(xué)歷為高中及以下時(shí)學(xué)歷2=0;學(xué)歷為本科時(shí)學(xué)歷1=1,為本科時(shí)學(xué)歷2=0;為研究生及以上時(shí)學(xué)歷1=0,為研究生及以上時(shí)學(xué)歷2=1。舉例如下：在SPSS中將多分類變量設(shè)置為啞變量比較麻煩，其中的一種方法就是將該多分類變量轉(zhuǎn)換成N-1列的啞變量，舉例來說，原多分類變量有四個(gè)取值（A/B/C/D）,這時(shí)需要設(shè)置三列啞變量，比如D2,D3,D4用如果變量值是B,則D2=1,否則取0,如果是C,則用D3=1，否則取0,如果是D,則D4=1,否則取0D2D3D4100B010C100B001D000A注意，4分類只能設(shè)置3個(gè)啞變量！定義好所有的啞變量之后，接下來就可以進(jìn)行多元線性回歸的計(jì)算了。由于啞變量是一個(gè)整體變量，所以進(jìn)行變量篩選時(shí)必須共同進(jìn)退。因此，將所有啞變量同一般變量一下直接進(jìn)行篩選是不對的，會出現(xiàn)部分變量進(jìn)入一部分變量未進(jìn)入的情形解決的方法是：將同一因素下的啞變量進(jìn)行歸組（block）,在納入方法中選擇了“ENTERS確保這些啞變量同進(jìn)同出，而其它因素的啞變量另一組（block）,除啞變量之