：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。熟悉的人会说，在中有define categorical variables过程去定义哑变量，那么在线性回归中怎么办呢?
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。如果足够，设置哑变量;如果不够，按连续变量处理。
上一篇：