手机版 下载桌面 设为首页

SPSS:回归分析中的哑变量设置

  SPSS:回归分析中的哑变量设置。什么是哑变量(Dummy variable)?哑变量不是哑巴了的变量,如果是那么应该叫Mute variable更合适。

  那么什么是哑变量呢?NormanR. Draper在他的《Applied Regression Analysis》(ISBN 0-471-17082-8)第14章中提出:在统计和计量经济学中,尤其是在回归分析中,哑变量是指使用0或1去代表某种可能影响结局的事情的发生与否。

  在医学统计分析中,许多变量是可以定量测量的,如身高、血糖、肿块大小等等,但也有一些变量是无法量化的分类变量,如性别、胃癌的病理类型(腺癌、粘液腺癌、印戒细胞癌和特殊类型癌)等。对于性别我们就需要用一个数值来表示它们,常用0和1来表示,如男性为1,女性为0。这样将性别“量化”的方法是为了在统计分析模型中纳入性别的影响,提高模型的精读。广义上说这就是对哑变量(Dummy variable)的应用。

  对于dummy variable的翻译应该叫虚拟变量更为合适,就是用一些数值上虚拟的值(0或1)去代替那些无法直接纳入统计分析的变量。对于性别这种两分类的情况,我们只需要设置0和1即可,那么对于胃癌的病理类型(有4个分类)呢,我们就需要用一系列数值来表示了,它应该设置成如下结构:

  也就是说我们引进了3个变量来表达上述4种病理类型,3个变量分别是D1、D2和D3。为什么不引入4个变量呢?伍德里奇在《计量经济学导论》中说“如果某个定性变量有m种互相排斥的类型,则模型中只能引入m-1个虚拟变量,否则会陷入虚拟变量陷阱,产生完全共线性。”感兴趣的可以了解一下。不感兴趣的,知道某一个变量如果有m个互斥的分类设成m-1个哑变量就ok了。

  看完上面的介绍,大家应该知道了哑变量是干什么的,设置哑变量就是为了将分类变量数量化,然后纳入分析模型进行分析。哑变量的引入,扩大了回归分析中自变量的纳入范围,也就是说分类变量也可以纳入回归分析啦。熟悉SPSS的人会说,在logistic回归中有define categorical variables过程去定义哑变量,那么在线性回归中怎么办呢?

  SPSS线性回归中纳入哑变量的方法就只能靠我们自己去人工设定了,待设定完了之后再将设定好的哑变量纳入方程。以胃癌的病理类型为例,设定方法如下:设定为D1D2D3三个哑变量。

  由于一组哑变量表示的是同一个变量,所以它们进入方程时需要“同进同出”,这时候在变量的选择上我们就需要使用SPSS纳入自变量的BLOCK功能,即将哑变量和非哑变量分别纳入不同的BLOCK,且哑变量所在BLOCK的变量筛选方法为enter。其纳入的过程如下:

  在设置哑变量时大家需要注意的是:

  1、哑变量的设置也算是引入了更多的自变量,需要满足回归样本量和自变量之间的关系,也就是说设置了哑变量的同时,无形地增加了对样本量的要求;

  2、如果原分类变量是有序变量的情形,如病情分为轻、中、重三种,可以设置哑变量,也可以按连续变量进行处理。如果样本量足够,设置哑变量;如果样本量不够,按连续变量处理

分类标签:SPSS  回归分析  哑变量  

声明:本文转载仅出于学习和传播信息所需,并不意味着代表本站观点或证实其内容的真实性;其他网站或个人转载使用须保留本站所注“来源”,并自负相关法律责任;如作者不希望被转载或其他事宜,请及时联系我们!