如何在逻辑回归（SPSS）中处理非二元分类变量

我必须使用许多自变量进行二进制逻辑回归。它们大多数是二进制的，但是一些分类变量具有两个以上的级别。

处理此类变量的最佳方法是什么？

例如，对于一个具有三个可能值的变量，我假设必须创建两个虚拟变量。然后，在逐步回归过程中，最好同时测试两个虚拟变量，或者分别测试它们？

我将使用SPSS，但我不太清楚，所以：SPSS如何处理这种情况？

此外，对于序数分类变量，使用伪变量重新创建序数标度是一件好事吗？（例如，使用三个虚拟变量为一个4状态定序变量，把0-0-0用于电平，为电平，为电平和用于电平，而不是，，和为4个级别）。 $1$ 1-0-0 $2$ 1-1-0 $3$ 1-1-1 $4$ 0-0-01-0-00-1-00-0-1

— 玻璃状
source

这只是部分答案：即使您明确创建了虚拟变量（而不是使用软件的隐式功能），也要在所有分析中将它们保持在一起。尤其是，它们应该全部以逐步回归的方式一起进入而一起离开，并针对所涉及的变量总数适当地计算p值。（无论如何，这是Hosmer＆Lemeshow的建议，并且很有道理。）

— 胡言乱语

我前不久在SPSS中写了一篇关于多项逻辑回归资源的文章。

— Jeromy Anglim

您正在谈论自己的自变量。逻辑回归只需要二进制变量即可。

— 约翰，

这里要注意的一件事是，您根本不应该使用逐步选择过程。他们是无效的。如果那没有道理/您想了解原因，则可以帮助您在此处阅读我的答案：算法自动模型选择。

— gung-恢复莫妮卡

Answers:

UCLA网站为您按照您所熟悉的软件类型细分了每个过程提供了很多出色的教程。查看带注释的SPSS输出：逻辑回归 -他们提到的SES变量是分类的（而不是二进制的）。SPSS将自动为您创建指标变量。还有一个页面专门介绍带有SPSS的回归中的分类预测变量，其中包含有关如何更改默认编码的特定信息，以及一个特定于Logistic回归的页面。

— 蒂比特人
source

Logistic回归是一种非常灵活的方法。它可以很容易地将分类变量用作自变量。使用Logistic回归的大多数软件应允许您使用分类变量。

例如，假设您的分类变量之一是将温度定义为三类：冷/轻/热。如您建议的那样，您可以将其解释为三个单独的虚拟变量，每个变量变量的值为1或0。但是，软件应允许您使用单个类别变量，而不是文本值cold / mild / hot。并且，logit回归将得出三个温度条件中每一个的系数（或常数）。如果不重要，则软件或用户可以很容易地将其取出（观察t stat和p值之后）。

将分类变量类别分组为单个分类变量的主要好处是模型效率。模型中的单个列可以处理单个类别变量所需的任意多个类别。相反，如果对分类变量的每个类别都使用虚拟变量，则模型可以快速增长为具有大量列，这些列在提到的替代方案下都是多余的。

— Sympa
source

@gaetan我不了解关于单列还是多列的评论。您是否建议在单列中将分类变量编码为1、2、3等，而不是使用虚拟变量？我不确定这对我是否有意义，因为您随后强加了一个隐式约束，即级别1和2之间对dv的影响的差异与级别2和3之间对dv的影响的差异相同。缺少一些东西。

@Gaetan我不确定我是否关注您。XLStat如何将冷，温和或热的“文本”值转换为用于估计目的的数值？如果有一种方法可以让您估计类别变量的影响，而不必确定使用虚拟变量，那么该虚拟变量应该独立于您使用的软件，因为应该有一些基于概念/模型的基本逻辑。

k

$k$

k - 1

$k-1$

@Gatean好，在这种情况下，可以在SPSS中完成相同的操作（您可以在每个变量的数字/序号/标称值之间进行选择）-然后，将相应地构建设计矩阵。

— chl

@Gaetan @chl总结一下我的理解：SPSS和XLStat的功能可用来指定测量范围（标称，有序等），从而减小了数据文件的大小。但是，在这两种情况下，软件都将使用正确的编码方案（例如，将具有J类的标称变量扩展为J-1个虚拟变量）作为后台估计过程的一部分。那是对局势的公正评估吗？

据我所知，最好将虚拟变量用于分类/标称数据，而对于序数数据，可以对不同级别使用1,2,3编码。对于虚拟变量，如果对于特定的保留为true，则将编码为1，否则为0。虚拟变量也将比否小1。在级别中，例如在二进制中，我们有1。在哑变量中全0的观察值将自动使未编码的哑为1。

— 杰尔
source