[論文レビュー] Dummy variables and their interactions in regression analysis: examples from research on body mass index

Manfred te Grotenhuis, P.E. Thijs|arXiv (Cornell University)|Nov 18, 2015

Obesity, Physical Activity, DietMedicine参考文献 5被引用数 18

ひとこと要約

この論文は、身長・体重指数（BMI）のデータを用いて、性別および教育水準による差をモデル化する方法を説明する、実用的で技術的でないダミー変数およびその交互作用を用いた回帰分析のガイドである。名目尺度および順序尺度の予測変数に対する正しいコーディング、解釈、統計的推論の方法を示し、応用例、SPSSの構文、オンラインでのデータ提供を含む。初心者向けの学生および研究者にとって、カテゴリカル変数を用いた回帰モデルの構築に最適である。

ABSTRACT

This paper is especially written for students and demonstrates the correct use of nominal and ordinal scaled variables in regression analysis by means of so-called dummy variables. We start out with examples of body mass index (BMI) differences between males and females, and between low, middle, and high educated people. We extend our examples with several explanatory (dummy) variables and the interactions between dummy variables. Readers learn how to use dummy variables and their interactions and how to interpret the statistical results. We included data, SPSS syntax, and additional information on a website (http://www.ru.nl/sociology/mt/bmi/downloads/) that goes with this text. No mathematical knowledge is required.

研究の動機と目的

• 名目尺度および順序尺度の変数に対して、ダミー変数を正しく適用する方法を学生および研究者に教えること。
• ダミー変数およびその交互作用を用いた際の回帰係数の解釈方法を示すこと。
• 実際のBMIデータを用いた応用例を通じて、身長・体重指数における性別および教育水準の差を説明すること。
• 実践的学習と結果の再現を支援するため、SPSS構文および補足資料を提供すること。
• 回帰モデルにおけるカテゴリカル予測変数のコーディングおよび解釈に関する一般的な誤解を解消すること。

提案手法

• 名目尺度および順序尺度の変数（例：性別、教育水準）を線形回帰に組み込むためにダミーコーディングを用いる。
• ダミー変数同士の交互作用項を組み込み、条件付き効果（例：教育水準による性別差）を評価する。
• 重回帰分析（OLS）を用いて、BMIをカテゴリカル予測変数およびその交互作用の関数としてモデル化する。
• ダミー変数コーディングの文脈において、回帰係数がグループ平均および差にどのように対応するかを段階的に説明する。
• SPSS構文を用いてモデルを実装し、回帰表および効果量の解釈を詳細に説明する。
• 再現性と実践的学習を可能にするために、専用ウェブサイトで補足データおよび構文を提供する。

実験結果

リサーチクエスチョン

• RQ1 教育水準を調整した状態で、男性と女性のBMIはどのように異なるか？
• RQ2 低・中・高の教育水準群において、BMIはどのように変動するか？
• RQ3 性別と教育水準の間の相互作用の性質は何か？BMI予測においてどのような意味を持つか？
• RQ4 ダミー変数およびその交互作用を用いた際、回帰係数はどのように解釈すべきか？
• RQ5 回帰分析におけるカテゴリカル変数のコーディングおよび解釈の正しい方法は何か？

主な発見

• データセットでは、男性は女性よりも一貫して高いBMIを示しており、回帰モデルにおいて統計的に有意な差が確認された。
• 高い教育水準の個体は、低い教育水準の個体と比較してBMIが低くなる傾向にあり、3つの教育群間で有意な傾向が見られた。
• 性別と教育水準の交互作用は、低教育群において性別によるBMI差が顕著であることを示しており、条件付き効果が存在することを示している。
• 適切なダミー変数コーディングにより、回帰係数が参照群と比較群の間の意味のある対比を表すようになる。
• 交互作用項の導入により、主効果のみでは捉えきれないサブグループの差を検出できるようになる。
• 提供されたSPSS構文およびデータにより、すべてのモデルの正確な再現が可能となり、実践的応用を通じた学習が促進される。