# 虚拟变量转换

# 1、作用

多分类变量不能直接参与到回归计算中。对于有序定类变量，可以将它进行数据编码，利用数字来表示分类变量的有序等级；但是对于无序定类变量，需要将其转变为虚拟变量来处理。虚拟变量转换包括哑变量和独热编码。

# 2、输入输出描述

输入：一项或以上定类变量。
输出：新生成哑变量或者独热编码。

# 3、案例示例

案例：现有交通工具这一分类变量，它的选项中不存在大小关系存在，而应该是相互平等独立的关系，在回归前就建议将该变量进行虚拟变量转换。

# 4、案例数据

虚拟变量转换案例数据

# 5、案例操作

Step1：在“数据处理”模块新建处理；
Step2：上传文件；
Step3：选择对应数据打开后进行预览，确认无误后点击开始处理；

Step4：选择【虚拟变量转换】；
Step5：查看对应的数据数据格式，【虚拟变量转换】要求变量为定类变量，且只有一项；
Step6：确认参数，包括哑变量化和独热编码；
Step7：点击【开始处理】，完成全部操作。

# 6、输出结果分析

对于交通工具这个变量，是存在三个分类的，即自行车、私家车、公交地铁。 （1）首先是独热编码的结果，可以看到，对于三个分类水平：自行车、私家车、公交地铁 分别创建了三个值只包含了0或1的变量，对于“交通工具_自行车_独热编码”，若是某样本的交通工具选了自行车，那么这一列的取值为1，否则取值为0。

（2）接着是哑变量化的结果，哑变量化事实上比独热编码少了一列变量（哪一列变量少了是随机的，比如说在这里是“公交地铁”少了，即以“公交地铁”作为参照项），这是因为独热编码在回归中容易造成共线性，而哑变量随机以一个选项作为参照项（公交地铁），比如说当自行车=0、私家车=0的时候，那么自然剩下的一个选项就是公交地铁了，且在对回归系数进行解释时，所有类别哑变量的回归系数，均表示该哑变量与参照项相比之后对因变量的影响。
注意，在回归中常用到的是哑变量化，由于系统处理哑变量化是随机以某一项作为参照项的（即对于三种交通工具，有可能是把自行车作为参照项，有可能把公交地铁作为参照项，有可能把私家车作为参照项，这是不确定的），一般情况下，最好是做独热编码，然后在回归分析拖入自变量中的时候，不要拖入参考项就好了（即比如说我确定了自行车为参照项，那么只在自变量中拖入公交地铁、私家车两个热度编码）。

# 7、注意事项

• 虚拟变量转换不支持对存在空值的变量进行处理，需要提前处理空值。

# 8、模型理论

虚拟变量转化的应用场景：在回归分析中只能处理数值型数据，也就是定量变量。对于有序定类变量，可以将它进行数据编码，利用数字来表示分类变量的有序等级，比如说小学学历代表1，初中学列代表2，高中学历代表3，本科学历代表4；但是对于无序定类变量，需要将其转变为虚拟变量来处理，虚拟变量只含有2个数据，0或1，由此也变成了一个定量变量，比如说社会身份（学生、上班族、其它），这之间是无序的。

独热编码：

哑变量化：

​

# 9、参考文献

[1] Scientific Platform Serving for Statistics Professional 2021. SPSSPRO. (Version 1.0.11)[Online Application Software]. Retrieved from https://www.spsspro.com.