logistic回归哑变量结果解读

logistic回归哑变量结果解读
在进行logistic回归时，若自变量包含非连续变量，常常使用哑变量
处理方法转换为数值型变量进行回归分析。

哑变量在结果解释中常常
是一个重要的部分，以下是对哑变量结果的解读。

1. 哑变量及其一个水平的基准值。

哑变量是指将分类变量拆分成两个
或多个虚拟变量。

例如，在分析某地区居住状态是否对健康的影响时，人们会将居住状态分为有房无贷、有房有贷、租房三类。

此时，需要
将该分类变量转换成虚拟变量。

分别用两个虚拟变量来表示“有房有贷”和“租房”的情况，而“有房无贷”则成为基准值。

2. coefficients系数。

这是指logistic回归模型中哑变量所对应的系数值。

例如，在上例中，如果哑变量为“有房有贷”，一旦计算出回归
系数后，可以得到如下方程：β0 + β1x1，其中x1是有没有房贷（0
代表无房贷，1代表有房贷），β0是常数项，β1为有房贷的系数。

3. 每个水平与基准水平之间的比较。

利用上述方程，可以通过系数来
判断每个水平与基准水平之间的比较。

在此例中，如果水平1是“有
房有贷”，水平2是“租房”，那么如果得到的回归系数为β0 +
β1x1，那么系数1 - 系数2 = β1，这表示“有房有贷”相对于“租房”有更高的健康风险，且差异很显著。

4. 对哑变量结果的显著性检验。

为了知道哑变量效果是否显著，可以
使用检验，常常使用卡方检验。

如果显著性检验得到的p值小于0.05，则说明样本之间存在较大差异，在输出结果时需要特别关注。

在哑变量的结果解释中，需要注意的是哑变量是假设变量，所以哑变
量的系数的解释需要谨慎。

而且，与其它因素相比，哑变量本身可能
是一个较小的影响因素，因此在结果解释中需要用组合变量，即哑变
量与其它变量的组合来进行解释。