虛擬變量又稱啞變量，是人爲設定的用於將分類變量引入模型中的方法。微信
在迴歸分析中，自變量X既能夠是定量數據也能夠定類數據。迴歸分析計算時是將全部自變量X視爲數字，但當數據爲定類數據時，此時數字表明類別，數字大小自己沒有比較意義。所以，這類數據在作迴歸分析時，須要設置成啞變量才能歸入迴歸分析正確分析數據。編輯器
用一個例子說明：研究性別和工齡對基本工資的影響狀況。flex
工齡是定量數據；性別爲二分類數據，於是分析時性別不能直接放入迴歸模型，正確作法是將變量轉化成取值爲1和0的啞變量。spa
性別分爲兩類，於是須要設置2個虛擬變量（2列），分別表示男性和女性兩個類別。.net
若是是男性，‘性別_男’虛擬變量取值爲1，‘性別_女’虛擬變量取值爲0。若是是女性則相反。3d
當變量分類超過兩類時，也是相似的處理方式，在迴歸分析前將下面的「專業」類別轉化爲虛擬變量，結果以下圖所示：orm
理科類取值=1表明專業爲理科，0表明非理科blog
文科類取值=1表明專業爲文科，0表明非文科ci
工科類取值=1表明專業爲工科，0表明非工科get
SPSSAU可直接一步生成虛擬變量，具體操做以下：
生成變量
分析時，要注意少放入一個虛擬變量。若是分爲兩類就放入一個虛擬變量，三類就放入兩個，以此類推。
緣由在於虛擬變量包括數字0和1；0是對比參考項。若是2個類別都放入了，就沒有參考類別了。
線性迴歸分析結果
由上表可知，迴歸模型經過F檢驗，性別_男一項P<0.01，說明性別對基礎工資確實存在顯著的影響關係。
模型公式爲：月基本工資=2403.834 + 42.659*工齡 + 1377.873*性別_男
當「性別_男」取值爲1表示男性的月工資迴歸方程，0表示女性的月工資迴歸方程。迴歸係數值爲1377.873，所以說明相同工齡下，男性的月基本工資比女性多1377.88元。
相反，放入的分析項若爲性別_女，迴歸係數值應爲-1377.873，表明同工齡的條件下，女性的月基本工資比男性少1377.88元
一般狀況下，迴歸分析，逐步迴歸，分層迴歸，Logistic迴歸，PLS迴歸、調節做用等這類影響關係研究的方法時，纔可能涉及到虛擬變量設置。
①迴歸分析/logistic迴歸
迴歸分析設置請參考上面的案例，注意留一項作參考項。
②調節做用
調節做用中，自變量或調節變量能夠是定量數據，也多是定類數據。
若是自變量X或者調節變量Z爲定類數據，一般須要進行虛擬(啞)變量後才能分析，此過程被SPSSAU自動化處理，只需在【問卷研究】--【調節做用】裏設置調節做用類型。
其餘說明
一、將虛擬變量放入迴歸中，必定要少放一個虛擬變量，不然系統會提示存在多重共線性問題。
二、選擇的「參照組」不一樣，會影響迴歸係數的大小，從而可能得出不一樣的結論。
「參照組」優先考慮最容易解釋的選項。如學科分文科、理科、其餘，三項中能夠選「其餘」做爲參照項，方便解釋。
三、SPSSAU會默認生成標題，設置完成後可進行‘標題修改’。
以上就是本次分享的內容，登陸SPSSAU官網瞭解更多。
本文分享自微信公衆號 - SPSSAU（spssau）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。