云南龙网

  1. 首页 > 云知道 > >

什么是哑变量( 二 )

云知道变量


此时，我们可以将年龄这个连续性变量进行离散化 ， 按照10岁一个年龄段进行划分，如0-10、11-20、21-30、31-40等等，将每一组赋值为1、2、3、4 ， 此时构建模型的回归系数就可以解释为年龄每增加10岁时对因变量的影响 。
以上赋值方式是基于一个前提，即年龄与因变量之间存在着一定的线性关系 。但有时候可能会出现以下情况，例如在年龄段较低和较高的人群中，某种疾病的死亡率较高，而在中青年人群中，死亡率却相对较低，年龄和死亡结局之间呈现一个U字型的关系，此时再将年龄段赋值为1、2、3、4就显得不太合理了 。
因此，当我们无法确定自变量和因变量之间的变化关系 ， 将连续性自变量离散化时，可以考虑进行哑变量转换 。
还有一种情况，例如将BMI按照临床诊断标准分为体重过低、正常体重、超重、肥胖等几种分类时，由于不同分类之间划分的切点是不等距的 ， 此时赋值为1、2、3就不太符合实际情况，也可以考虑将其转化为哑变量 。
1.含义：
哑变量（DummyVariable） ， 也叫虚拟变量，引入哑变量的目的是，将不能够定量处理的变量量化，在线性回归分析中引入哑变量的目的是，可以考察定性因素对因变量的影响 ， 它是人为虚设的变量，通常取值为0或1，来反映某个变量的不同属性 。对于有n个分类属性的自变量，通常需要选取1个分类作为参照 ， 因此可以产生n-1个哑变量 。
如职业、性别对收入的影响，战争、自然灾害对GDP的影响，季节对某些产品（如冷饮）销售的影响等等 。
这种“量化”通常是通过引入“哑变量”来完成的 。根据这些因素的属性类型 ， 构造只取“0”或“1”的人工变量 ， 通常称为哑变量（dummyvariables），记为D 。
2.举一个例子，假设变量“职业”的取值分别为：工人、农民、学生、企业职员、其他，5种选项，我们可以增加4个哑变量来代替“职业”这个变量，分别为D1（1=工人/0=非工人）、D2(1=农民/0=非农民)、D3（1=学生/0=非学生）、D4(1=企业职员/0=非企业职员)，最后一个选项“其他”的信息已经包含在这4个变量中了，所以不需要再增加一个D5（1=其他/0=非其他）了 。这个过程就是引入哑变量的过程 ， 其实在结合分析（ConjointAnalysis）中，就是利用哑变量来分析各个属性的效用值的 。
【什么是哑变量】此时，我们通常会将原始的多分类变量转化为哑变量，每个哑变量只代表某两个级别或若干个级别间的差异，通过构建回归模型，每一个哑变量都能得出一个估计的回归系数 ， 从而使得回归的结果更易于解释，更具有实际意义 。
是 。哑变量又称为虚拟变量、虚设变量或名义变量，从名称上看就知道，它是人为虚设的变量，通常取值为0或1 ， 来反映某个变量的不同属性 。011是哑变量，我们通常会将原始的多分类变量转化为哑变量，每个哑变量只代表某两个级别或若干个级别间的差异，通过构建回归模型，每一个哑变量都能得出一个估计的回归系数，从而使得回归的结果更易于解释，更具有实际意义 。

推荐阅读


上一篇：torino是哪个城市

下一篇：反复过滤的原因