在構(gòu)建回歸模型時，如果自變量X為連續(xù)性變量，回歸系數(shù)β可以解釋為：在其他自變量不變的條件下，X每改變一個單位，所引起的因變量Y的平均變化量；如果自變量X為二分類變量，例如是否飲酒（1=是，0=否），則回歸系數(shù)β可以解釋為：其他自變量不變的條件下，X=1（飲酒者）與X=0（不飲酒者）相比，所引起的因變量Y的平均變化量。 但是，當自變量X為多分類變量時，例如職業(yè)、學歷、血型、疾病嚴重程度等等，此時僅用一個回歸系數(shù)來解釋多分類變量之間的變化關(guān)系，及其對因變量的影響，就顯得太不理想。 此時，我們通常會將原始的多分類變量轉(zhuǎn)化為啞變量，每個啞變量只代表某兩個級別或若干個級別間的差異，通過構(gòu)建回歸模型，每一個啞變量都能得出一個估計的回歸系數(shù)，從而使得回歸的結(jié)果更易于解釋，更具有實際意義。 啞變量 啞變量（Dummy Variable），又稱為虛擬變量、虛設變量或名義變量，從名稱上看就知道，它是人為虛設的變量，通常取值為0或1，來反映某個變量的不同屬性。對于有n個分類屬性的自變量，通常需要選取1個分類作為參照，因此可以產(chǎn)生n-1個啞變量。 將啞變量引入回歸模型，雖然使模型變得較為復雜...