目标因变量是连续的，但自变量是分类的

Posted 2023-03-12

【中文标题】目标因变量是连续的，但自变量是分类的

【英文标题】：Target Dependent Variables is continuous but Independent Variables are Categorical

【发布时间】：2021-05-06 05:12:59

【问题描述】：

我正在处理一个数据集，其中我的因变量是连续的，但我的所有自变量都是分类的（非二进制）。我尝试了一种热编码或创建了虚拟变量。我得到低 R2 大约 0.4，但高调整 R2 大约 0.9。然而，我在回归图和残差图中得到了垂直线，即使我的 QQ 线似乎适合一条直线，最后有一些重尾。那么我可以知道回归模型是否是在这种情况下使用的正确方法吗？如果是，应该如何分析图，如果不是，还有哪些其他方法和库可以用来产生更好的结果？

【参考方案1】：

我尝试在下面解决您的一些问题：

但是，我的回归图和残差中有垂直线 情节

如果您的所有自变量 (IV) 都是分类变量，则这是预期的。每个类别都被编码为二进制，每个观察的预测将是每个类别的组合。为简单说明，假设通过 2 个二进制变量进行预测，只能有 4 个结果（0/0、0/1、1/0、1/1）.. 如果将其扩展到许多二进制变量，您会看到一种离散的预测。

换句话说，没有斜率可言，因此您不应该看到连续的预测。你可以阅读更多关于regression with categories here

虽然我的 QQ 线似乎和一些人成一条直线 最后的尾巴很重。所以我可以知道回归模型是否正确 在这种情况下使用的方法？

是的，您仍然可以使用线性模型。

如果是，那么应该如何分析这些图，如果是，那是什么 是可以用来产生的其他方法和库 效果更好？

除了不进行推理之外，您所拥有的基本上类似于方差分析。您可以使用levene test 或其他similar test 检查方差的同质性。当您有大量观察时，这些测试可能非常敏感。看看你的 qq plot ，它着眼于分位数，我认为它很好。