階層迴歸分析過程中的疑問

在階層迴歸分析過程中，不同的學者對於背景變數納入回歸項的看法是不一致的，部分學者認為，背景變數是分類變數，因此不能直接納入回歸項，必須將它換成虛擬變數，然後進行迴歸，還有部分學者認為，有些背景變數具有遞增或遞減之趨勢，譬如，教育水準，國小、國中、研究所及以上，家庭人口數，譬如2，3，4，5，這些尺度可以直接放入迴歸項，但是比如有些類別變數，歧義很大，譬如白人、黑人和黃色人，是不是可以直接納入回歸項呢，還是需要轉化為虛擬變數以後納入，請大家不吝探討。

1# lihoujian

个人认为，一般如果类别不多，或者类别变量的大小没有意义的话，多用虚拟变量来处理
如果类别变量的大小，可以看作是一种趋势的话，那么可以用虚拟变量（类别少）也可以作为连续变量直接纳入回归项（类别比较多）。
事实上，在liserel软件里，李科特量表一般都被看作是连续变量的。

一般來說，多元回歸必須滿足的條件之一是納入迴歸變項的尺度必須是連續的，這類變數一般是等距變數和比率變數，但如果自變項是次序變數或者名義變數時，此時的尺度並不是連續的，因此在將這些變數納入回歸模型時，必須將其轉換為虛擬變數，而不論類別多寡。

1# lihoujian

教育水準，國小、國中、研究所及以上，家庭人口數，譬如2，3，4，5，這些尺度可以直接放入迴歸項，

但是比如有些類別變數，歧義很大，譬如白人、黑人和黃色人，還是需要轉化為虛擬變數


个人浅见，敬请   指正！

2# 辛勤工作


事实上，在liserel软件里，李科特量表一般都被看作是连续变量的。

不这样，社会科学就玩不下去了！

搞数学，则是不以为然！！

现实情况下，需要进一步放宽假设，才能够把实证进行下去

李科特量表一般都被看作是连续变量的，这是肯定的，因为amos或者liserel处理的数据大部分是问卷数据，而这样的数据肯定都不是严格连续的，只能当作连续处理

问一下：
个人认为，一般如果类别不多，或者类别变量的大小没有意义的话，多用虚拟变量来处理。

虚拟变量在amos中如何使用？请指教，不是很明白
因为既然不当作连续变量了，而当作虚拟变量，那不是在amos中毫无用处吗

3# lihoujian

但是，必须面对的一个现实是，如果类别比较多，虚拟变量相应也就多一些，会影响回归方程的拟合效果。

dummy variable 要事先進行資料處理