全文链接：http://tecdat.cn/?p=23170
最近我们被客户要求撰写关于虚拟变量回归的研究报告，包括一些图形和统计输出。
在本文中，本文与以下两个问题有关。你应该如何添加虚拟变量？你应该如何解释结果
简介
如果使用一个例子，我们可能会更容易理解这些问题。
数据
假设我们想研究工资是如何由教育、经验和某人是否担任管理职务决定的。假设
- 每个人都从年薪4万开始。
- 实践出真知。每增加一年的经验，工资就增加5千。
- 你学得越多，你的收入就越多。高中、大学和博士的年薪增长分别为0、10k和20k。
- 海面平静时，任何人都可以掌舵。对于担任管理职位的人，要多付20k。
- 天生就是伟大的领导者。对于那些只上过高中却担任管理职位的人，多给他们3万。
- 随机因素会影响工资，平均值为0，标准差为5千。
下面是部分数据和摘要。
绘制数据
有和没有管理职位的人的工资和教育之间的关系。
jitter(alpha=0.25,color=colpla[4])+
facet_wrap(~管理职位)+
boxplot(color=colpla[2])
有管理职位和没有管理职位的人的工资和经验之间的关系，以教育为基础。
点击标题查阅往期内容
左右滑动查看更多
01
02
03
04
stat_smooth(method = "lm")+
facet_wrap(~管理职位)
回归分析
忽略教育和管理之间的相互作用
我们只将工资与教育、经验和管理职位进行回归。其结果是
虽然这些参数在统计学上是有意义的，但这并没有任何意义。与高中相比，大学学历怎么可能使你的工资减少5105？
正确的模型应该包括教育和管理职位的交互项。
添加教育和管理之间的交互作用
现在，让我们添加教育和管理之间的交互项，看看会发生什么。
对结果的解释
现在的结果是有意义的。
- 截距为40137（接近4万）是基本保障收入。
- 教育的基数是高中。与高中相比，大学教育可以平均增加9833元（接近1万）的工资。与高中相比，博士教育可以增加19895元（接近2万）的工资。
- 多一年的工作经验可以使工资增加4983元（接近5千）。
- 担任管理职位的高中毕业生有49695元的溢价（接近5万）。这些人是天生的领导者。
- 与担任管理职位的高中毕业生相比，担任管理职位的大学毕业生的溢价减少了29965.51至29571（49735.74-29965.51，接近2万）。
- 与高中毕业生担任管理职位相比，博士毕业生担任管理职位的溢价减少了29501至19952.87（接近2万）。另外，你可以说管理职位产生了20K的基本溢价，而不考虑教育水平。除了这2万外，高中毕业生还能得到3万，使总溢价增加到5万。
检验是否违反了模型的假设
为了使我们的模型有效，我们需要满足一些假设。
- 误差应该遵循正态分布
正态Q-Q图看起来是线性的。所以这个假设得到了满足。
- 没有自相关
D-W检验值为1.8878，接近2，因此，这个假设也满足。
- 没有多重共线性
预测变量edu、exp和mngt的VIF值均小于5，因此满足这一假设。
用数据的子集进行回归
你可以通过用一个数据子集运行模型来获得同样的结果。你可以将数据按教育程度分成子集，并在每个子集上运行回归模型，而不是使用一个教育的虚拟变量。
如果只用高中生的数据，你会得到这样的结果。
sub<-d %>%
+ filter(教育=="高中")
仅凭大学生的数据，你就能得到这个结果。
只用来自博士生的数据，你会得到这个结果。
点击文末 “阅读原文”
获取全文完整代码数据资料。
本文选自《R语言使用虚拟变量(Dummy Variables) 回归分析工资影响因素》。
点击标题查阅往期内容
Python用RNN神经网络：LSTM、GRU、回归和ARIMA对COVID19新冠疫情人数时间序列预测
非线性回归nls探索分析河流阶段性流量数据和评级曲线、流量预测可视化
非线性回归beta系数估算股票市场的风险分析亚马逊股票和构建投资组合
R语言因子实验设计nlme拟合非线性混合模型分析有机农业施氮水平
R语言非线性混合效应 NLME模型(固定效应&随机效应)对抗哮喘药物茶碱动力学研究
Python用T-SNE非线性降维技术拟合和可视化高维数据iris鸢尾花、MNIST 数据
R语言nlme、nlmer、lme4用（非）线性混合模型non-linear mixed model分析藻类数据实例
Python中的多项式回归拟合非线性关系实例
使用R语言进行多项式回归、非线性回归模型曲线拟合
R语言多项式回归拟合非线性关系
R语言里的非线性模型：多项式回归、局部样条、平滑样条、 广义相加模型GAM分析
R语言自适应LASSO 多项式回归、二元逻辑回归和岭回归应用分析
R语言ISLR工资数据进行多项式回归和样条回归分析
R语言中的多项式回归、局部回归、核平滑和平滑样条回归模型
R语言多项式线性模型：最大似然估计二次曲线
R语言广义线性模型GLM、多项式回归和广义可加模型GAM预测泰坦尼克号幸存者
R语言中的多项式回归、B样条曲线(B-spline Curves)回归
R语言用多项式回归和ARIMA模型预测电力负荷时间序列数据
R语言机器学习实战之多项式回归
R语言ISLR工资数据进行多项式回归和样条回归分析