啞變量在SPSS和SAS進行回歸分析應用

虛擬變量（Dummy Variable），又稱虛設變量、名義變量或啞變量，是量化了的質變量，通常取值為0或1。引入啞變量可使線形回歸模型變得更復雜，但對問題描述更簡明。
       名義變量引入回歸分析，必須進行數量化。如，職業有工人、農民、教師，分別賦值0，1，2。但是0，1，2代表的實際意義又不是由小到大的關系。所以這在回歸分析中直接使用是錯誤的。如考慮季節因素時，用1，2，3，4編碼也是不合理的，通常也進行啞變量化。

        對于有序變量，如輕、中、重，則要酌情考慮。如果樣本量足夠打的話，也進行啞變量化，這樣可以得到不同級別的差異。但是如果樣本量不夠大是，啞變量化造成變量數目上升，使回歸結果變得不可靠，只能適得其反。
啞變量設置的原則
       在模型中引入多個啞變量時，啞變量的個數應按下列原則確定：
       如果有m種互斥的屬性類型，在模型中引入（m-1）個啞變量。
       例如，文化程度分小學、初中、高中、大學、研究生5類，引用4個啞變量
回歸分析
        在spss中，logistics回歸中，有專門的選項來處理需要啞變量化的變量，只需單擊“Categorical..”進行設置即可。但是對于多元線性回歸就沒有那么幸運了。
       用computer或recode設置一組啞變量。由于啞變量是一個整體變量，所以進行變量篩選時必須共同進退。因此，講所有啞變量同一般變量一下直接進行篩選是不對的，會出現一部分變量進入一部分變量未進入的情形。解決的方法是：將同一因素下的啞變量進行歸組，在納入方法中選擇了“ENTER”來確保這些啞變量同進同出，而其它連續型變量和二分類變量則歸為另一組，納入方法為STEPWISE。然后在沒有納入這組啞變量的情況下再做一次STEPWISE，再來比較是不是應該納入這組啞變量。
在sas中，啞變量的設置需要另外寫程序，但是在回歸程序中，則比較簡單。eg.因變量y，自變量x1，x2，啞變量組x31 x32 x33，
proc reg;
  model y=x1 x2 {x31 x32 x33} /selection=stepwise;
run;
即，把啞變量組用{}括起來就可以了。

SPSS多元線性回歸啞變量設置
    在spss中，logistics回歸中，有專門的選項來處理需要啞變量化的變量，只需單擊“Categorical..”進行設置即可。但是對于多元線性回歸就沒有那么幸運了。
    用compute或recode設置一組啞變量。比如學歷有三個等級：高中及以下，本科，研究生及以上。設置兩個啞變量：學歷1，學歷2。下面以compute為例說明如何定義啞變量。

利用compute對學歷1，學歷2進行計算。設置成學歷為高中及以下時學歷1=0，歷為高中及以下時學歷2=0；學歷為本科時學歷1=1，為本科時學歷2=0；為研究生及以上時學歷1=0，為研究生及以上時學歷2=1。

舉例如下：

在SPSS中將多分類變量設置為啞變量比較麻煩，其中的一種方法就是將該多分類變量轉換成N-1列的啞變量，舉例來說，原多分類變量有四個取值（A/B/C/D），這時需要設置三列啞變量，比如D2,D3,D4
用如果變量值是B，則D2=1，否則取0，如果是C，則用D3=1,否則取0，如果是D，則D4=1，否則取0

D2 D3 D4
1    0    0——》B
0    1    0——》C
1    0    0——》B
0    0    1——》D
0    0    0——》A
注意，4分類只能設置3個啞變量！

定義好所有的啞變量之后，接下來就可以進行多元線性回歸的計算了。由于啞變量是一個整體變量，所以進行變量篩選時必須共同進退。因此，將所有啞變量同一般變量一下直接進行篩選是不對的，會出現一部分變量進入一部分變量未進入的情形。

解決的方法是：將同一因素下的啞變量進行歸組（block），在納入方法中選擇了“ENTER”來確保這些啞變量同進同出，而其它因素的啞變量另一組(block)，除啞變量之外，其余自變量歸為一個block,納入方法為STEPWISE。

結果的解讀方面，只要啞變量有其中一個有統計學顯著性，就應該把整個因素包含的啞變量納入回歸方程。