虚拟值设置(虚拟变量的设置规则)
1. 虚拟变量的设置规则
例如，有一串年份数据id year001 2001010 2002100 2003110 2004111 2005输入命令tab year, gen(dummy_year)这样就自动生成了2001至2005的五个虚拟变量回归命令reg y x dummy*dummy* 等同于2001至2005的五个虚拟变量，reg命令会自动剔除一个以保证不出现完全共线性问题。
2. 设置虚拟变量的命令
我们只能手动将factor variable转换为取值(0,1)的虚拟变量。所用的函数一般有model.matrix(),nnet package中的class.ind()。
3. 简述虚拟变量的取值及其设置规则
在模型中引入多个虚拟变量时，虚拟变量的个数应按下列原则确定：
1）如果有m种互斥的属性类型，在模型中引入（m-1）个虚拟变量，否则会导致多重共线性。称作虚拟变量陷阱。 例如，性别有2个互斥的属性，引用2-1=1个虚拟变量；再如，文化程度分小学、初中、高中、大学、研究生5类，引用4个虚拟变量。
2）关于定型变量中哪个取0哪个取1是任意的，不影响检验结果。
3）若定型变量取值为0，所对应的类别称为基础类别。
4)对于多于两个类别的定型变量可采用设一个虚拟变量，而对于不同类别采取赋值不同的方法处理。
4. 虚拟变量的设置规则有哪些
首先第一步我们打开软件之后，在软件界面中找到一个变量，然后点击它会出现一个Value Lables设置窗口。
2.在这个窗口中，我们就可以根据自己想要添加的标签情况，设置好标签的内容了，就比如值value为1时是没有压力，输入之后点击Add按钮即可。
3.点击Add按钮就可以将值为1时标签为没有压力的一个标签规则录入到其中了
5. 虚拟变量的设置原则
一元线性回归的基本假设有哪些，数学表达式如何
1回归模型是正确设定的
2解释变量X是确定性变量，不是随机变量，在重复抽样中取固定值
E(i)=0 i=1,2, …,n
Var (i)=2 i=1,2, …,n
Cov(i, j)=0 i≠j i,j= 1,2, …,n
3解释变量X在所抽取的样本中具有变异性，而且随着样本容量的无限增加，解释变量X 的样本方差趋于一个非零的有限常数Cov(Xi, i)=0 i=1,2, …,n
4随机误差项μ具有给定X条件下的零均值，同方差以及不序列相关性
i~N(0, 2 ) i=1,2, …,n
5随机误差项与解释变量之间不相关
6随机误差项服从零均值，同方差的正态分布
回归分析主要内容：
1根据样本观察值对计量经济学模型参数进行估计，求得回归方程
2对回归方程，参数估计值进行显著性检验
3利用回归方程进行分析，评价及预测
虚拟变量的设置原则，引入方法和模型具体形式写出
6. 虚拟变量设置的方法
Stata里的虚拟变量，也叫哑变量和离散特征编码，可用来表示分类变量、非数量因素可能产生的影响。
STATA的设置最简单，打出命令时在变量名前加"i."
如果要将新建虚拟变量，则可用xi命令。
虚拟变量 ( Dummy Variables) 又称虚设变量、名义变量或哑变量，用以反映质的属性的一个人工变量，是量化了的自变量，通常取值为0或1。
7. 虚拟变量的设置规则是什么
对分类变量的编码主要是服务于对回归系数的解释。虚拟变量编码（dummy variable coding）是一种，一般采用0和1，0是参照组，这样回归中此虚拟变量的系数就表示取值为1的那组和参照组的平均效应相差多少（这通常是我们希望了解的，也正是采用0，1编码的便利所在，而不仅仅是为了区别不同组）。
除此之外，还有其它的编码系统，比如unweighted effects coding system（参照组取-1）和weighted effects coding system（基于每组的样本量来构建编码），不同的编码使得回归系数的意义不同。
8. 虚拟变量的设置方法
process设置虚拟变量的方法是将变量转化成取值为1和0的虚拟变量，将虚拟变量放入回归变量中。
将虚拟变量放入回归中，一定要少放一个虚拟变量，否则系统会提示存在多重共线性问题。
原因在于虚拟变量包括数字0和1；0是对比参考项。如果2个类别都放入了，就没有参考类别了。
在回归分析中，自变量X既可以是定量数据也可以定类数据，设置虚拟变量可通过SPSSAU，它可直接一步生成虚拟变量。
回归分析计算时是将所有自变量X视为数字，但当数据为定类数据时，此时数字代表类别，数字大小本身没有比较意义。因此，这类数据在做回归分析时，需要设置成虚拟变量才能纳入回归分析正确分析数据。
通常情况下，回归分析，逐步回归，分层回归，Logistic回归，PLS回归等这类影响关系研究的方法时，才可能涉及到虚拟变量设置。其它分析方法并不会涉及。