SPSS – 创建虚拟变量工具
作者：Ruben Geert van den Berg，发布于 SPSS 工具 和 回归分析
在多元回归分析中，类别变量不能直接用作预测变量。它们必须被分解成二分变量，也就是常说的“虚拟变量”（Dummy Variables）。本教程提供了一个简单的工具来创建这些虚拟变量。
示例数据文件
我们将在两个例子中演示我们的工具：一个数值型变量和一个字符型变量。这两个变量都位于 staff.sav 数据文件中，部分内容如下所示。
我们建议您下载并在 SPSS 中打开此数据文件，并重复我们提供的示例。
前提条件和安装
我们的工具需要 SPSS 24 或更高版本。 此外，必须安装 SPSS Python 3 essentials （通常在最新的 SPSS 版本中已安装）。
接下来，点击 SPSS_TUTORIALS_DUMMIFY.spe 以下载我们的工具。要安装它，请导航到 E_x_tensions 
I_nstall local extension bundle_ ，如下图所示。
在打开的对话框中，找到下载的 .spe 文件并安装它。然后，SPSS 将确认该扩展已成功安装在 T_ransform_ SPSS tutorials - Create Dummy Variables 下。
示例 I - 数值型类别变量
现在让我们对“Marital Status（婚姻状况）”进行虚拟变量处理。在此之前，我们建议您首先检查其基本频数分布，如下所示。
重要的是，请注意“Marital Status（婚姻状况）”包含 4 个有效（非缺失）值。正如我们稍后将解释的，我们总是需要排除一个类别，即参考类别。因此，我们将创建 3 个虚拟变量来表示我们的 4 个类别。
我们将通过导航到 T_ransform_ SPSS tutorials - Create Dummy Variables 来完成此操作，如下图所示。
现在，让我们填写弹出的对话框。
我们选择第一个类别（“Never Married（从未结婚）”）作为我们的参考类别。完成这些操作后，结果如下面的 语法 (Syntax) 所示。让我们运行它。
* 创建婚姻状况的虚拟变量，以第一个类别作为参考类别.
SPSS TUTORIALS DUMMIFY VARIABLES=marit
/OPTIONS NEWLABELS=LABLAB REFCAT=FIRST ACTION=RUN.结果
我们的工具现在在活动数据集（Active Dataset）中创建了 3 个虚拟变量。 让我们将它们与原始变量“Marital Status（婚姻状况）”的值标签进行比较。
首先请注意，我们的虚拟变量的变量名（Variable Names）是原始变量名加上一个整数后缀。 这些后缀通常与其代表的类别不对应。
相反，这些类别可以在虚拟变量的变量标签（Variable Labels）中找到。 在此示例中，它们基于“Marital Status（婚姻状况）”中的变量和值标签。
接下来，请注意，由于以下原因，某些类别被跳过：
- 没有为“Never Married（从未结婚）”创建虚拟变量，因为我们选择了它作为参考类别；
- 没有为“Currently Divorcing（目前正在离婚）”创建虚拟变量，因为它实际上并未出现在我们的数据集中；
- 没有为“(Unknown)（未知）”创建虚拟变量，因为它是 用户缺失值（User Missing Value）。
现在最大的问题是：这些结果正确吗？确认它们确实正确的一种简单方法是实际运行 虚拟变量回归 (Dummy Variable Regression) 。然后，我们将使用基本的 ANOVA 运行完全相同的分析。
例如，让我们尝试通过以下语法，通过两种方法根据“Marital Status（婚姻状况）”预测“Salary（薪水）”。
* 通过虚拟变量回归比较不同婚姻状况的平均工资.
REGRESSION
/DEPENDENT salary
/METHOD ENTER marit_1 TO marit_3.
* 通过 ANOVA 比较不同婚姻状况的平均工资.
MEANS salary BY marit
/STATISTICS ANOVA.首先请注意，回归的 R 平方 0.089 与我们 ANOVA 结果中的 Eta 平方 0.089 相同。 这是有道理的，因为它们都表明了“Salary（薪水）”中由“Marital Status（婚姻状况）”解释的方差比例。
此外，我们的 ANOVA 得出的显著性水平 (Significance Level) 为 p = 0.002，与我们的回归分析相同。 我们甚至可以通过 ANOVA 复制回归 B 系数及其置信区间 (Confidence Intervals)（我们将在以后的教程中进行）。 但就目前而言，让我们得出结论，结果是正确的。
示例 II - 字符型类别变量
现在让我们对“Job Type（工作类型）”进行虚拟变量处理，这是一个 字符型变量 (String Variable)。同样，我们将首先检查其频率，并且我们可能需要指定一些缺失值。正如在 SPSS - 字符型变量的缺失值 中讨论的那样，这样做很麻烦，但以下语法可以完成这项工作。
* 检查基本频率表.
FREQUENCIES jtype.
* 将 '(Unknown)' 更改为 'NA'.
RECODE jtype ( '(Unknown)' = 'NA').
* 将空字符串值和 'NA' 设置为用户缺失值.
MISSING VALUES jtype ('','NA').
* 重新检查基本频率表.
FREQUENCIES jtype.结果
同样，我们将首先导航到 T_ransform_ SPSS tutorials - Create Dummy Variables，我们将填写对话框，如下所示。
对于字符型变量，值本身通常描述它们的类别。因此，我们将值（而不是值标签）放入虚拟变量的变量标签中。 如果我们既不想要第一个类别作为参考，也不想要最后一个类别作为参考，我们将选择“none（无）”。在这种情况下，我们必须手动从随后的回归分析中排除其中一个虚拟变量。 
除了创建虚拟变量之外，我们可能还想检查该工具创建和运行的语法。我们也可以从语法窗口复制、粘贴、编辑和运行它，而不是让我们的工具来完成。
完成这些步骤后，结果如下所示的语法。
* 创建 Job Type 的虚拟变量，没有任何参考类别.
SPSS TUTORIALS DUMMIFY VARIABLES=jtype
/OPTIONS NEWLABELS=LABVAL REFCAT=NONE ACTION=BOTH.结果
除了创建 5 个虚拟变量外，我们的工具还在输出窗口中打印了所使用的语法，如下所示。
最后，如果您没有选择任何参考类别，则必须从回归分析中排除其中一个虚拟变量。以下语法显示了如果不这样做会发生什么。
* 比较不同 Job Type 的工资 **错误的方式** : 没有参考类别.
REGRESSION
/DEPENDENT salary
/METHOD ENTER jtype_1 jtype_2 jtype_3 jtype_4 jtype_5.
* 比较不同 Job Type 的工资 **正确的方式** : 参考类别 = 4 (sales).
REGRESSION
/DEPENDENT salary
/METHOD ENTER jtype_1 jtype_2 jtype_3 jtype_5.第一个例子是完美多重共线性 (Multicollinearity) 的教科书式说明：某个预测变量的分数可以从某些其他预测变量完美预测。 这是有道理的：在前 4 个虚拟变量上得分 0 的受访者_必须_在最后一个虚拟变量上得分 1（反之亦然）。
在这种情况下，无法估计 B 系数。 因此，SPSS 从分析中排除了一个预测变量，如下所示。
请注意，“Tolerance（容差）”是模型中其他预测变量无法解释的预测变量中的方差比例。 因此，容差为 0.000 意味着某些预测变量可以从其他预测变量中预测出 100% - 或完美 - 预测。