[论文解读] 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 18

一句话总结

本文提供了一本实用的、非技术性的指南，介绍如何在回归分析中使用虚拟变量及其交互项，以身体质量指数（BMI）数据为例，说明如何建模性别和教育水平的差异。它展示了名义变量和顺序变量的正确编码、解释和统计推断方法，配有实际应用示例、SPSS语法及在线数据，非常适合初学者和研究人员学习使用分类变量进行回归建模。

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.

研究动机与目标

• 向学生和研究人员传授如何正确在名义和顺序变量的回归分析中应用虚拟变量。
• 演示使用虚拟变量及其交互项时回归系数的解释方法。
• 提供基于真实BMI数据的实际应用示例，说明性别和教育水平对身体质量指数的影响差异。
• 提供SPSS语法和补充材料，以支持动手学习和结果复现。
• 澄清在回归模型中对分类预测变量进行编码和解释时的常见误解。

提出的方法

• 使用虚拟编码来表示线性回归中的名义和顺序变量（如性别、教育水平）。
• 在虚拟变量之间引入交互项，以评估条件效应（如按教育水平划分的性别差异）。
• 应用普通最小二乘法（OLS）回归，将BMI建模为分类预测变量及其交互项的函数。
• 逐步解释回归系数如何在虚拟变量编码背景下对应于组均值和组间差异。
• 使用SPSS语法实现模型并生成输出，详细解释回归表和效应量。
• 在专用网站上提供补充数据和语法，以支持结果复现和实践学习。

实验结果

研究问题

• RQ1 在控制教育水平后，男女性的BMI水平有何差异？
• RQ2 BMI水平在低、中、高教育群体之间有何变化？
• RQ3 性别与教育水平在预测BMI时的交互作用性质如何？
• RQ4 在使用虚拟变量及其交互项时，应如何解释回归系数？
• RQ5 在回归分析中，对分类变量应采用何种正确的编码和解释方法？

主要发现

• 在数据集中，男性BMI始终高于女性，且在回归模型中差异具有统计显著性。
• 教育水平较高者相比教育水平较低者，BMI普遍较低，且在三个教育组之间呈现显著趋势。
• 性别与教育水平的交互作用表明，性别对BMI的影响在低教育群体中更为显著，提示存在条件效应。
• 正确的虚拟变量编码可确保回归系数准确反映参照组与比较组之间的有意义对比。
• 引入交互项可检测出仅通过主效应无法发现的子群体差异。
• 提供的SPSS语法和数据可准确复现所有模型，并通过实际应用促进学习。