当我将分类和连续预测变量混合使用时，可以使用多元回归吗？

看起来您可以对一个分类变量使用编码，但是我有两个分类变量和一个连续的预测变量。我可以在SPSS中为此使用多元回归吗？谢谢！

1. 如果这是一个SPSS语法问题，答案只是将经过适当编码的分类变量与连续变量一起放入“独立变量”的变量列表中。
2. 关于统计信息：您的分类变量是二进制的吗？如果是这样，则需要使用虚拟或其他有效的对比代码。如果不是二进制，则分类变量是序数还是名义变量？如果是名义上的，则必须再次使用某种对比代码策略-实际上是模拟变量的每个级别对结果或“因变量”的影响。如果分类变量为序数，则最有可能明智的做法是像使用连续预测变量（即“独立”）一样将其按原样输入模型。在那种情况下，您将假设类别预测变量（“独立”）变量的级别之间的增量；这很少会是一个错误，但是如果是这样，您应该再次使用对比代码并为每个级别的影响建模。这个论坛上经常出现这个问题-这是一个很好的分析
3. 在我看来，如何处理丢失的数据是完全独立的事情。我的理解是，成对删除不被视为多元回归的有效方法。Listwise很常见，但也会使结果产生偏差，这无疑是一种耻辱。多重插补是一件美事。

通过使用与第一个类别预测变量相同的方法，您绝对可以。与第一个此类变量一样，创建虚拟变量。但是使用SPSS的Unianova命令通常更容易。您可以在任何印刷版或pdf版的《语法指南》中查找此内容，也可以通过Analyze ... General Linear Model ... Univariate访问它。

尽管稍微复杂一点，但是与Unianova相比，Regression命令具有许多优势。最主要的是您可以选择“成对丢失”（您不必因为丢失一个或两个预测变量的值而丢失案例）。您还可以获得许多有价值的诊断信息，例如局部图和影响统计信息。

将分类变量转换为一组虚拟变量以在SPSS中的模型中使用的简单方法是使用重复执行语法。如果您的分类变量按数字顺序使用，这是最简单的方法。

*making vector of dummy variables.
vector dummy(3,F1.0).
*looping through dummy variables using do repeat, in this example category would be the categorical variable to recode. 
do repeat dummy = dummy1 to dummy3 /#i = 1 to 3.
compute dummy = 0.
if category = #i dummy = 1.
end repeat.
execute. 

否则，您可以简单地运行一组if语句来创建您的虚拟变量。我当前的版本（16）没有在回归命令中自动指定一组伪变量的本机能力（就像您可以使用xi命令在Stata中那样），但是如果在某些较新版本中可用，我不会感到惊讶。还请注意dmk38的要点＃2，此编码方案采用的是名义类别。如果您的变量是序数，则可以使用更多的判断力。

我也同意dmk38，关于回归更好的说法是因为它有能力以特定方式指定丢失的数据，这是一个完全独立的问题。