默认情况下定义分类变量非常容易,做到如上图所示就可以了,此时分析结 果中的改变如下 Categorical Variables Codings P arameter coding 100 000 100 1000 200 上表为自变量中多分类变量的哑变量取值情况代码表。左侧为原变量名及取 值,右侧为相应的哑变量名及编码情况:以X5为例,表中可见X5=4时,即取值 最髙的情况被作为了基线水平,这是多分类变量生成哑变量的默认情况。而X5(1) 代表的是X5=1的情况(X5为1时取1,否则取0),X5(2)代表的是X5=2的情 况,依此类推。同时注意到许多等级值有几个记录,显然后面的分析结果不会太 好 相应的,分析结果中也以哑变量在进行分析,如下所示: Variables in the Equation Wald 12.119 35412 008 000 X402) 12.119 43) 470 1396 113 1.199 10 -22332 266456 10.117 92,744 24765520 9863072647 42) 23014 10665 179.250 95342839318 b.wa建 eseieredo:p2x2默认情况下定义分类变量非常容易，做到如上图所示就可以了，此时分析结 果中的改变如下： 上表为自变量中多分类变量的哑变量取值情况代码表。左侧为原变量名及取 值，右侧为相应的哑变量名及编码情况：以 X5 为例，表中可见 X5=4 时，即取值 最高的情况被作为了基线水平，这是多分类变量生成哑变量的默认情况。而 X5(1) 代表的是 X5=1 的情况（X5 为 1 时取 1，否则取 0），X5(2)代表的是 X5=2 的情 况，依此类推。同时注意到许多等级值有几个记录，显然后面的分析结果不会太 好。 相应的，分析结果中也以哑变量在进行分析，如下所示：