Skip to main content

범주형 독립변수

독립변수가 범주형인 경우​

  • 문제: 범주형 변수(예: 'Avante', 'K3')에는 기울기 직접 곱할 수 없음.
  • 해결: 연속 변수(숫자) 형태로 변환하여 모형 투입 필요.
  • 방법: 여러 방법 중 더미 코딩(Dummy Coding) 가장 많이 사용됨.
  • 자동 처리: Jamovi, R, Python(statsmodels, scikit-learn 등)은 대부분 자동 더미 코딩 지원.

더미 코딩 (Dummy Coding)​

  • 원리: 범주가 kk개인 변수를 **k−1k-1개의 더미 변수(dummy variable)**로 변환.
  • 기준 범주 (Reference Category): 범주 중 하나를 기준으로 지정 (보통 첫번째 범주. 변경 가능).
  • 더미 변수 생성: 기준 제외한 나머지 각 범주별로 더미 변수 1개씩 생성.
    • 더미 변수 값: 해당 범주면 1, 아니면 0.
  • 기울기 해석: 더미 변수의 회귀계수 = 해당 범주의 종속변수 평균값 - 기준 범주의 종속변수 평균값 차이.

범주가 2개인 경우 (예: model - Avante, K3)​

  • ABC 순 Avante 기준 설정됨.
  • K3에 대한 더미 변수 1개(model[T.K3]) 생성.
    • Avante면 model[T.K3] = 0
    • K3면 model[T.K3] = 1
  • Python 결과 (ols('price ~ model', df).fit().summary()):
    • Intercept: 기준(Avante)의 평균 price (예: 833).
    • model[T.K3]: K3의 평균 price - Avante의 평균 price 차이 (예: 80).
    • K3 예상 가격: Intercept + model[T.K3] 계수 = 833 + 80 = 913.

더미 변수 이름 확인​

  • statsmodels 결과표 이름: 원본변수명[T.범주명] 형식.
  • 범주 목록 확인: 
    df.model.unique()

퀴즈​

사용자 정보 입력
퀴즈를 시작하기 전에 이름과 소속을 입력해주세요.

Q&A​