為什麼這篇年齡變項鄉民發文收入到精華區：因為在年齡變項這個討論話題中，有許多相關的文章在討論，這篇最有參考價值！作者chanmer (client center)看板Statistics標題[問題]多元迴歸轉換虛...
年齡變項 在 ?麗莎寶貝lisababy? Instagram 的最佳貼文
2021-09-24 16:20:35
#團購 https://lihi1.com/6TN7F #你是害怕別人問你幾歲還是驕傲別人好奇你的年齡🤔 #一起團購年輕 對於變美這件事情我不僅自身不遺餘力也很樂意跟大家來分享 愛美是人的天性無論男女，但是隨著年齡的增長和社會環境的傷害、作息的不正常、飲食的不規律，難免會變得不如預期的那麼優秀，...
各位統計前輩好：
小弟目前正在跑多元迴歸，但現在有幾個問題想請前輩們解惑：
一、間斷(名義)變項轉換為虛擬變項：
以年齡為例：30歲以下，31-40歲，41-50歲，51歲以上
目前看到的轉法有兩種：
(1)在Dummy variables，將水準數減一，也就是4個轉成3個
預設參照組為51歲以上，30歲以下在dummy成不同變數過程是
1-->1 2-->0 3-->0 4-->0 ,輸出名稱是"年齡1"
第41-50歲那組就是
1-->0 2-->0 3-->1 4-->0，輸出名稱是"年齡3"
出來的資料名稱也會只有三組(因為全部都0的那組就是51歲這組)
(2)將四組各自分別dummy，水準數就是原本的四組
也就是30歲以下在dummy成不同變數過程是
1-->1 2-->0 3-->0 4-->0 ，輸出名稱是"年齡1"
依此類推，51歲以上那組就是
1-->0 2-->0 3-->0 4-->1 ，輸出名稱是"年齡4"
我看吳明隆和陳正昌的書都是用(1)，但我不知道我這樣解讀是對還錯?
所以想請大家解惑，到底哪一種才是對的?
二、如果跑迴歸，是要將所有被背景變項都丟進去嗎?小弟的背景變項有8個，
每一項再各自轉成虛擬變項，也有20個以上
不是不能跑，只是小弟在想有什麼可以事先篩選的方式
以小弟研究為例，所有背景變項中，什麼性別、學歷、年資
在F檢定時都沒有顯著，
就只有年齡一項有達顯著，
這樣可以再丟回歸的變項時，可以假設性別、學歷、年資
這些沒有預測力而先剔除丟入嗎?
(意即我只要丟入年齡的虛擬變項就好)
小弟這樣的推論正確嗎? (當然我知道大絕招是全部丟進去，
我只是想知道一些可能篩選的依準)
另外，還有一個更窘的情況，假設真的某些虛擬變項有預測效力，
如年資的其中一個虛擬變項好了，可是解釋力實在很低，
大約只有1%-3%，其他設定的自變項解釋力遠高於年資，
假設是領導魅力的其中一項(關懷領導)，佔了15%，
那這樣，年資的解釋還有存在的意義嗎?
以上是小弟目前深切的疑惑，望請各位先進指導~~謝謝大家 ^^~
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 112.105.89.196
→ andrew43:第一種方法很常見，但要小心它是非正交對比。 01/11 05:39
→ andrew43:第二種方法的alpha會澎漲，於是p-value就不宜參考了。 01/11 05:41
→ andrew43:我從來沒有看過用第二種方法的。不知道你哪裡看到的？ 01/11 05:42
→ andrew43:第一種方法你可以查 simple contrast 得到更多資料。 01/11 05:42
→ andrew43:以上回答你第一個問題。 01/11 05:43
→ andrew43:第二個問題比較複雜，但至少和dummy variable無關。 01/11 05:44
→ andrew43:要不要採用某個因子是全有全無的，所以先不用想dummy。 01/11 05:45
→ andrew43:先檢驗某因子的邊際效果，而不要直接就看到dummy裡去。 01/11 05:46
→ andrew43:另外，都不考慮交互作用嗎？你可能要想一想。 01/11 05:50
→ BugEater:Dummy variables，將水準數減一的原因是什么呢？ 01/11 06:23
→ BugEater:是因為reference category的effect是表現在intercept那里 01/11 06:23
→ BugEater:所以需要減１。如果你的model沒有intercept這一項，那么 01/11 06:25
→ BugEater:你就要包括所有的水準數，當然coefficient的解釋就不同了 01/11 06:25
→ BugEater:對第二個問題，放背景變量的目的是進行一定的control, 01/11 06:27
→ BugEater:如果背景變項可能沒有effect，那么你可以認為無須control 01/11 06:29
→ BugEater:所以放不放要取決于你的研究hypothesis是如何表述的 01/11 06:31
推 andrew43:BugEater說的沒錯。我倒沒想過你可能沒有截距項。 01/11 07:18
→ andrew43:但如果超過一個因子在模型裡，那也只有一個因子能這樣做 01/11 07:24
→ andrew43:而且沒有截距項在解釋上往往有困難，且檢驗的H0也不同。 01/11 07:26
推 BugEater:是，當多于一個因子時候會變復雜，用dummy就好。 01/11 08:06
→ chanmer:感謝各位大大 雖然小弟功力尚淺 但是獲益良多 有了指點 01/11 14:51
→ chanmer:大概有了些頭緒 像TWO-WAY ANOVA等 真的很謝謝大家解惑 01/11 14:52
→ yhliu:第一種方法就是4組只取3個 dummy, 第2種方法是有幾組就取幾 01/11 21:00
→ yhliu:個 dummy. 第2法的4個 dummy 加起來是常數 1, 也就是說會和 01/11 21:01
→ yhliu:常數項重疊, 或術語說是 "完全線性重合". 因此, 類別變數取 01/11 21:02
→ yhliu:dummy 時是少一個, 也就是第1法. 01/11 21:02
→ yhliu:第2個問題基本上是模型選擇問題. 與簡單數值變數不同的是: 01/11 21:03
→ yhliu:一個類別解釋變數對應多個 dummy, 因此在利用軟體執行時需要 01/11 21:04
→ yhliu:該軟體能直接處理類別解釋變數. 像這樣的軟體通常也會自動建 01/11 21:05
→ yhliu:立虛擬變數. 01/11 21:06