虚拟变量的转换与回归分析.ppt

 虚拟变量的转换与回归分析 回归分析的类型 因变量与自变量都是定量变量的回归分析——即我们常做的回归分析 因变量是定量变量，自变量中有定性变量的回归分析—即含有虚拟变量的回归分析 因变量是定性变量的回归分析—Logistic回归分析 自变量中有定性变量的回归 在社会经济研究中，由许多定性变量，比如地区、民族、性别、文化程度、职业和居住地等。 可以应用它们的信息进行线性回归。 但是，必须现将定性变量转换为哑变量（也称虚拟变量），然后再将它们引入方程，所得的回归结果才有明确的解释意义。 哑变量的建立 对于具有k类的定性变量来说，设哑变量时，我们只设k-1个哑变量。 例7.4 分析某地区妇女的年龄、文化程度、及居住地状况对其曾生子女数的影响。 定量变量: 年龄 定性变量:文化程度、地区 哑变量的建立 原变量编码值 哑变量赋值的操作 文化程度=1（文盲） 所有EDU=0 文化程度=2（小学） EDU2=1,其他EDU=0 文化程度=3（初中） EDU3=1,其他EDU=0 文化程度=4（高中） EDU4=1,其他EDU=0 文化程度=5（大学） EDU5=1,其他EDU=0 地区=1（城市） AREA=1 地区=2（农村） AREA=0 应用SPSS建立回归方程 回归结果： SPSS输出结果 SPSS输出结果 回归方程的解释 当案例在两个分类变量都等于0时，即文化程度为文盲，居住地在农村时，此种情况称为参照类（其他情况将于此进行比较），其回归方程为： 表明所有参照类妇女年龄每上升1岁，其曾生子女数的平均变化量为0.068个。 回归方程的解释 当文化程度为小学，居住地为农村时： 表明，对于相同年龄和居住地而言，小学文化程度妇女比文盲妇女曾生子女数多出b2个部分，即少生1.13个子女。 回归方程的解释 当教育程度为文盲、居住地为城市时， 表明，对于相同年龄和文化程度而言，城市妇女比农村妇女曾生子女数多出b6个部分，即少生0.49个子女。 回归方程的解释 总之，该回归方程表示： 参照类妇女曾生子女数对年龄的回归直线的截据为1.41，年龄每上升1岁，参照类妇女的平均曾生子女数上升0.068个。 城市妇女比农村妇女的平均曾生子女数少0.49个。 小学、初中、高中和大学文化程度妇女的平均曾生子女数分别比文盲妇女少1.13、1.31、1.58、1.57个（在年龄和居住地相同时）。 回归方程的解释 文化程度在实际中是一个序次变量。可以用 表示序次变量个相邻分类的实际效应，如初中的边际效应为： 类似，可以计算下面的边际效应： 小学= -1.13 初中= -0.18 高中= -0.27 大学= 0.01 回归分析 利用同样的方法我们可以对例7.2进行回归分析。 例7.2的数据中,还有一个自变量是定性变量“收入”,以虚拟变量或哑元(dummy variable)的方式出现。 SPSS输出结果 SPSS输出结果 回归分析 回归方程为：