胡良平
(1.军事医学科学院研究生院,北京 100850;2.世界中医药学会联合会临床科研统计学专业委员会,北京 100029
在进行回归分析时,对“多值名义(也包括多值有序)自变量”进行“哑变量变换”已成为统计学界公认的“标准做法”。若采用某种筛选自变量的方法,就可能保留一部分哑变量而淘汰掉另一部分哑变量,这样做的前提是“假定它们互相独立”,但事实上,源自一个多值名义自变量的多个哑变量之间是有联系的,即它们之间并不满足“互相独立”的要求;按理说,由一个多值名义自变量产生的全部哑变量,要么全部被保留在回归模型中,要么全部被剔除到回归模型之外。那么问题又出现了:当它们全部出现在回归模型中时,有些哑变量可能就没有统计学意义,这样的回归模型就不是最节俭的,因此,回归模型的拟合优度不高;若全部剔除这些哑变量,就相当于没有发挥该多值名义自变量的作用。总之,“哑变量变换”存在一些弊端,是一个值得深究的“统计疑难问题”。
1.2.1 何为“算术均值变换”

1.2.2用“算术均值变换”取代“哑变量变换”的合理性
将一个“多值名义自变量”变换成一个“定量自变量”,这似乎很不合理。若孤立地考察“多值名义自变量”各水平之间的关系,前述的变换的确很不合理。因为“多值名义自变量”的各水平之间只是“名称或符号上的不同(例如ABO血型系统中的A型、B型、AB型和O型血型之间的关系)”,而没有“数量或程度上的差别”。……