R语言中转换成dummy dummy-variables 虚拟变量
了解虚拟变量
DUMMY VARIABLE
在数据分析中，利用回归模型来寻找变量间的关系是广泛应用的一种数据分析方法。通常情况下，回归分析中变量都是定量数据，原因是模拟回归需要样本数据。然而在实际的操作中，模型中只考虑定量变量是不全面的。因为很多经济现象不仅受一些定量数据的影响，还会受到一些定性数据的影响。比如自然灾害、战争等特殊时期对经济的影响，特殊政策的颁布对经济产生的影响等。
如果能确定某一研究结果存在这种定性影响，那么仅仅用定量数据对被解释变量进行解释显然是不够严谨的，很可能对模型的预测结果产生很大偏差。但由于定性数据是不等距的，不符合回归分析中对自变量要求，如果直接把定性数据直接引入线性回归模型，结果很难解释，且容易存在很大偏差，此时则需要对定性因素（或分类变量）进行虚拟编码（dummy coding），将其转为虚拟变量，可以考虑将虚拟变量引入回归模型来解决此类问题。
那么我们在数据分析时，面对这种情况应该如何操作呢？因此，本期内容主要就这一问题进行展开，为大家整理了“虚拟变量及其应用”的相关资料分享给亲爱的小伙伴们~
基础知识
（一）基本概念
虚拟变量 ( Dummy Variables) 又称虚设变量、名义变量或哑变量，用以反映质的属性的一个人工变量，是量化了的自变量，通常取值为0或1。引入虚拟变量可使线形回归模型变得更复杂，但对问题描述更简明，一个方程能达到两个方程的作用，而且接近现实。
例如，反映文化程度的虚拟变量可取为:1:本科学历;0:非本科学历
（二）模型中引入虚拟变量的作用
1、分离异常因素的影响：例如分析我国GDP的时间序列，必须考虑"**"因素对国民经济的破坏性影响，剔除不可比的"**"因素。
2、检验不同属性类型对因变量的作用，例如工资模型中的文化程度、季节对销售额的影响。
3、提高模型的精度，相当于将不同属性的样本合并，扩大了样本容量(增加了误差自由度，从而降低了误差方差)
（三）虚拟变量数量的确定
虚拟变量的数目不是越多越好，也不是越少越好。虚拟变量的数目设定规则：若定性因素有互斥的类型（或者水平）m个，在考虑截距项的模型中按照需要引入m-1个虚拟变量，如果引入m个虚拟变量就会产生完全的多重共线性。在不考虑无截距项的模型中，定性因素有互斥的类型（或者水平）m个，按照需要引入m个虚拟变量，不会导致完全多重共线性。
（四）虚拟变量的0和1的选取原则
虚拟变量取1或0的原则，应从分析问题的目的出发。一般地，在虚拟变量的设置中:基础类型、肯定类型取值为1;比较类型，否定类型取值为0。
这里有一篇文章如何在R语言中创建虚拟变量：https://www.marsja.se/create-dummy-variables-in-r/
- 发表于 2023-12-21 15:11
- 阅读 ( 1196 )
- 分类：GWAS
