将哑变量引入回归模型，虽然使模型变得较为复杂，但可以更直观地反映出该自变量的不同属性对于因变量的影响，提高了模型的精度和准确度。
举一个例子，如职业因素，假设分为学生、农民、工人、公务员、其他共5个分类，其中以“其他职业”作为参照，此时需要设定4个哑变量X1-X4，如下所示：
X1=1，学生；X1=0，非学生；
X2=1，农民；X2=0，非农民；
X3=1，工人；X3=0，非工人；
X4=1，公务员；X4=0，非公务员；
那么对于每一种职业分类，其赋值就可以转化为以下形式：
2. 将Event选入Dependent框中，将Gender、Age、Race选入Covariates框中
在选择哑变量编码方式时，Contrast下拉选项一共提供了7种编码方式：
(1) Indicator(指示对比)：用于指定某一分类为参照，指定的参照取决于Reference Category中选择Last还是First，即只能以该变量的第一类或者最后一类作为参照。Indicator为默认方法，也是我们最常用的设置参照类的方法。
(2) Simple(简单对比)： Simple和Indicator两个方法虽然参数编码不同，但其实质是一样的，均为各分类分别与参照进行相比。
(3) Difference(差异对比)：即该分类变量的某个分类，与前面所有分类的平均值进行比较，此法与Helmert法相反，因此也叫做反Helmert法。此选项常用于有序分类变量。
(4) Helmert(赫尔默特对比)：即该分类变量的某个分类，与其后面所有分类的平均值进行比较，同样也适用于有序分类变量。
(5) Repeated(重复对比)：即该分类变量的各个分类，均与前面相邻的一个分类进行比较，此时前一分类为参照。
(6) Polynomial(多项式对比)：它假设各个分类间隔是等距的，只能用于数值型的变量。(注意：如果此时原始变量为字符型，例如A、B、C、D，在SPSS中使用该方法时它会提示Polynomial contrasts may not be specified for string variables。而对于其他6种方法是允许原始变量是字符型，SPSS可以将其自动转化为0或1形式的哑变量。)
(7) Deviation(偏差对比)：即除参照外，其余每一个分类都与总体水平相比，此时每个分类的回归系数都是相对于总体水平而言的改变量。
4. 点击Continue回到主对话框，再点击OK完成操作。
三、结果解读
将需要转换为哑变量的Race因素选入Create Dummy Variables for中，在Root Names(One Per Selected Variable)框中输入转换后的哑变量名Race_，并点击OK完成操作。
方法二
1. Transform → Recode into Different Variables
2. 点击Old and New Values进入重新编码的对话框
在Old Value中的Value框中填写1，在New Value中的Value框中填写1，并点击Add添加，得到1->1。
上述步骤表示将原有变量Race中第1分类，在哑变量Race1中赋值为1，将其他所有分类在哑变量Race1中赋值为0。
3. Analyze → Regression → Linear
三、结果解读
1. 我们通过重新编码将Race转化为3个哑变量，分别为Race1、2、3，代表黑人、白人和印第安人，此时参照为亚裔人。在α=0.05的检验水准下，Race1、2、3回归系数检验P值均
2. 黑人、白人和印第安人与亚裔人相比，其β值和95% CI分别为1.543(0.163, 2.923)、2.331(0.996, 3.665)、1.585(0.208, 2.963)，提示黑人、白人和印第安人的BMI要显著高于亚裔人。
设置哑变量时的注意事项
1. 原则上哑变量在模型中应同进同出，也就是说在一个模型中，如果同一个分类变量的不同哑变量，出现了有些哑变量有统计学显著性，有些无统计学显著性的情况下，为了保证所有哑变量代表含义的正确性，应当在模型中纳入所有的哑变量。
因此，我们在引入哑变量进入模型时，需选择Enter强制进入法，以保证所有哑变量都能保留在最后的模型中。
2. 在如何选择哑变量的参照组时需要注意的是，被选为参照的那一类分组，应该保证有一定的样本量。如果参照组样本量太少，则将会导致其他分类与参照相比时，参数估计的标准误较大，可信区间较大，精度降低，会出现估计参数极大或极小的现象。
相关资源：…dummy:虚拟RPM,用于哑的oracle-instantclient软件包-其它代码…
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！