虛擬變項設0,1跟1,2有差別嗎？ / Is There Any Difference between Setting 0,1 and 1,2 for the Dummy Variable?
在迴歸分析中，兩者並沒有差別。
問題敘述 / Question
我在「那個才是影響依變項最多的自變項？以SPSS實作解釋型多元迴歸」這篇中以學生的資料進行解釋性多元迴歸分析，比較「性別」、「缺席次數」、「作業分析」、「期中考」與「期末考」對於「學期總分」的影響。最後結論是「缺席次數」對「學期總分」的影響最大。
其中，「性別」的資料是類別類型，我用1跟2代表不同性別。
讀者統計人認為類別變項應該要轉換成虛擬變項(dummy variable)，而值只能設為0跟1。設成1跟2就變成順序變項，失去意義。
這可能是因為很多人忘記在變數檢視(Variable View)裡將類別變項的測量(Measure)改成「名義」(Nominal)。
好，話說回來，你是不是也很好奇，在解釋性多元迴歸分析中將虛擬變項設為「1跟2」或「0跟1」，兩者有沒有差別呢？就讓我們實際做做看吧。
分析工具：PSPP / Analysis Tool: PSPP
https://www.gnu.org/software/pspp/
這次我們的分析工具是PSPP。這是類似於SPSS的統計軟體。功能不及SPSS強大，但跑跑基本的統計倒是沒什麼問題。而且PSPP採用GUN授權條款，可以免費下載使用。支援Linux、Windows、MacOS多種版本。
這次我們用的是PSPP 1.4.1版本。
資料集 / Dataset
為了比較兩種虛擬變項的不同，我們準備了兩個資料集。
「性別」設為1跟2的dataset1_1,2。
- Google試算表線上檢視： https://docs.google.com/spreadsheets/d/1zczZnV4JtXlOA5qtSos7dZ1ygstqxYmVRXFtfBdv-SY/edit?usp=sharing
- dataset1_1,2.sav下載：GitHub, Google Drive, One Drive, Mega, Box, MediaFire
「性別」設為0跟1的dataset2_0,1。
- Google試算表線上檢視： https://docs.google.com/spreadsheets/d/1WUQmc_voaIjbwpnmxjUBPNTUste0EfwP1UlKMxlusMc/edit?usp=sharing
- dataset2_0,1.sav下載：GitHub, Google Drive, One Drive, Mega, Box, MediaFire
分析步驟 / Steps
讓我們用這兩份資料集，以跟「那個才是影響依變項最多的自變項？以SPSS實作解釋型多元迴歸」同樣的操作來分析看看。以下用「dataset2_0,1.sav」為例子進行分析。
用PSPP開啟dataset2_0,1.sav。
開啟後會顯示Variable View。要注意性別gender的Measure已經被設為Nominal了喔。
切換到Data View，確認資料沒有問題。
進入Analyze > Regression > Linear...
接著來設定依變項(Dependent)與自變項(Independent)。先在左邊的變項列表選擇變項，然後按中間的左右箭頭挪動變項。
「score」是我們的依變項，其他變項都是自變項。挪動完成後如上圖所示。然後按下「OK」進行分析。
在另一個Output視窗就可以看到分析結果。
我們從Coefficients分析結果中可以看到absences缺席次數的Sig.顯著程度低於0.05，表示該自變項有顯著的影響。
比較 / Compare
這裡我們要關注的是gender的Sig.只有0.930。注意一下，這是「dataset2_0,1.sav」的結果。
讓我們改用「dataset1_1,2.sav」進行分析，可以看到gender的分析結果也是相同。唯獨Constant常數的部分不同，這是因為「0跟1」跟「1跟2」數字上本來就不一樣，而常數在此項分析中意義不大。
結論 / Conclusion
結果可以得知，虛擬變項設為「0與1」或是「1與2」，並不會影響多元迴歸分析的結果。重要的是要在變數檢視(Variable View)裡將類別變項的測量(Measure)改成「名義」(Nominal)，這樣分析結果才會正確喔。
最後要來問的是：你從哪裡聽過迴歸分析呢？
- 1. 統計課老師有講過。
- 2. 機器學習常常聽到這個詞。
- 3. 我只知道北迴歸線經過嘉義。
下面留言喔！
