(回归分析)演示文件修改版.pptVIP

例1. 考虑学生体重(因变量)与身高(自变量、定量变量)的关系时，一般需要把男女学生分开来考虑，因为这一关系很可能因为性别的不同而不同。 这些数据储存在SPSS数据文件 height.sav 中。 如果分别考虑男、女生的体重与身高的关系，并假设这一关系为线性的，我们得到(拟合)如下两个简单线性回归方程，括号内为相应系数估计的 p-值。 女生： w0 = -12.446 + 0.422 h0， R2 = 0.214, (.547) (.002) F = 11.165(.002) 男生： w1 = -37.400 + 0.645 h1， R2 = 0.434, (.032) (.000) F = 42.128(.000) 拟合结果表明，男、女生的身高和体重的关系是不同的。 问题是：上述身高和体重的关系在不同性别之间的差异显著吗？ 在上述结果中似乎没有一个合适的量来回答这一问题。 在回归模型中引进哑变量(dummy variable)，我们就可以来回答上述问题。 哑变量的取值为 1 和 0 ，用来区分定性变量取某个特定值还是其它值。例1中的变量 D 就是一个哑变量， 哑变量的应用 —— 例1的带有哑变量的回归模型为如下的多元线性回归模型：(变量 Dh = D×h) w = b 0 + b 1 D + b 2 h +