משתנה דמה הוא משתנה המשמש להסבר ערכים איכותיים במודל רגרסיה.
מודלים של רגרסיה מנסים להסביר משתנה אחד במונחים של אחרים. לדוגמא, משכורתו של אדם על פי גילו, השכלתו וניסיונו. ניתן לכמת משתנים אלה. ניתן לכמת את גיל האדם, השכלתו וניסיונו במספר שנים. אבל מה קורה כשיש לנו משתנים שלא ניתן לכמת? למשל צבע שיער, מדינה בה אתה גר או מין. הפתרון לבעיה זו הוא במשתני הדמה. הם משתנים שלוקחים בדרך כלל ערכים בינאריים. כלומר, ערך אפס או אחד.
למשל, המין המשתנה, כך אמרנו, הוא משתנה איכותי. כדי לכלול אותו במודל רגרסיה, עליך ליצור משתנה דמה. אנו נקרא למשתנה "אישה" כך:
אישה = 1 (אם האדם הוא אישה)
אישה = 0 (אם האדם איננו אישה, כלומר הוא גבר)
במקרה זה, "אדם" נחשב לקטגוריית התייחסות או קבוצת בסיס.
ישנם שני סוגים של משתני דמה. מצד אחד ישנם משתני הדמה התוספים ומצד שני ישנם משתני הדמה הכפולים.
ניתוח רגרסיהמשתנה דמה תוסף
משתנה דמה תוסף אוסף שינוי קבוע. שינוי זה משפיע רק על המונח הקבוע של המשוואה. למשל, מודל שמטרתו להסביר שכר על בסיס מין ושנים של השכלה. אנו יכולים לשים את המשוואה לוקח כנקודת התייחסות לגברים (משוואה שנייה) או לקחת כנקודת התייחסות לנשים (משוואה ראשונה):
הייצוג הגרפי של המשוואות יהיה: במקרה שלגברים יש משכורות גבוהות יותר, כשהם לוקחים משתנה דמה תוסף, המודל יוצג כתמונה הקודמת.
במקרה שלך, אם לנשים היו משכורות גבוהות יותר מגברים, כשהם לוקחים משתנה דמה תוסף, המודל יוצג בצורה גרפית כתמונה הקודמת.
ההבדל הכמותי בין הקו הכחול (גברים) לקו הכתום (נשים) יהיה שווה לערך המשתנה «נשים"או"גברים»על פי המודל שנבחר. במקרה זה, זה של משתני הדמה התוספים, הפרש השכר אינו תלוי ברמת הלימודים. במילים אחרות, הפרש השכר תלוי אך ורק במין.
משתנה דמה מרובה
משתנה דמה כפול לוכד שינוי בשיפוע המשוואות לגברים ולנשים. בהמשך לדוגמה הקודמת יש לנו:
מבחינה גרפית, ייצוג אפשרי יהיה:
במקרה זה, המודל יגיד לנו שני דברים. ראשית, שכר הנשים נמוך משכר הגברים. ושנית, ששנת חינוך נוספת משתלמת טוב יותר לגברים מאשר לנשים. אנו יודעים זאת מכיוון ששיפוע הקו הכחול (גברים) גדול יותר משיפוע הקו הכתום (נשים).
אם שנת השכלה נוספת הייתה משתלמת טוב יותר לנשים, אז שיפוע הקו הכתום (נשים) היה גדול יותר. והקו הכחול (גברים) יהיה למטה.
משתנה סטטיסטי
