더미회귀분석의 개념과 원리
Share on
더미회귀분석의 개념과 원리
더미변수의 개념
-
실제 사회현상에서는 종속변수에 영향을 미치는 주요한 독립변수가 범주형 자료인 경우가 많음
-
더미변수란 코딩된 숫자의 의미(예 기혼=1,미혼=2)는 없애고 특정 범주에 해당되는지 여부(미혼=1, 기혼=0)으로 변경한 변수
-
보건과학통계 SPSS 이야기 / 네이버블로그 참고함
-
범주형 변수를 연속형 변수로 변화는 방법
-
각 범주값을 표현하기 위해 0과 1로 코딩 변경
-
가변수라고 함
-
예
| 성별 | x |
|---|---|
| 남 | 0 |
| 여 | 1 |
| 연령 | x1 | x2 | x3 |
|---|---|---|---|
| 10대 | 0 | 0 | 0 |
| 20대 | 1 | 0 | 0 |
| 30대 | 0 | 1 | 0 |
| 40대 이상 | 0 | 0 | 1 |
실습과 시각화
1
a <-read.csv('cosmetics.csv',header = T)
1
a
| gender | marriage | edu | job | mincome | aware | count | amount | decision | propensity | skin | promo | location | satisf_b | satisf_i | satisf_al | repurchase |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 1 | 4 | 1 | 2 | 2 | 1 | 11000 | 2 | 1 | 1 | 1 | 2 | 5 | 2 | 2 | 2 |
| 2 | 1 | 4 | 9 | 2 | 1 | 4 | 30000 | 1 | 1 | 3 | 2 | 3 | 2 | 3 | 3 | 4 |
| 2 | 2 | 4 | 4 | 3 | 1 | 6 | 100000 | 3 | 2 | 3 | 2 | 2 | 4 | 5 | 4 | 4 |
| 2 | 2 | 4 | 7 | 5 | 2 | 6 | 65000 | 3 | 2 | 5 | 2 | 3 | 3 | 4 | 4 | 4 |
| 1 | 2 | 6 | 6 | 5 | 2 | 2 | 50000 | 2 | 2 | 3 | 2 | 3 | 3 | 3 | 3 | 3 |
| 2 | 2 | 2 | 7 | 3 | 1 | 2 | 100000 | 2 | 1 | 4 | 2 | 3 | 3 | 4 | 4 | 3 |
| 2 | 1 | 6 | 4 | 5 | 1 | 5 | 100000 | 3 | 2 | 5 | 2 | 3 | 2 | 2 | 3 | 4 |
| 1 | 1 | 6 | 4 | 5 | 4 | 10 | 39000 | 3 | 2 | 2 | 1 | 2 | 4 | 4 | 4 | 4 |
| 2 | 2 | 4 | 5 | 2 | 2 | 2 | 40000 | 3 | 2 | 3 | 2 | 3 | 3 | 4 | 4 | 4 |
| 2 | 2 | 4 | 5 | 2 | 1 | 2 | 100000 | 3 | 3 | 3 | 1 | 3 | 2 | 3 | 4 | 4 |
| 2 | 1 | 7 | 4 | 3 | 10 | 3 | 50000 | 1 | 3 | 1 | 2 | 3 | 3 | 3 | 4 | 4 |
| 1 | 1 | 2 | 5 | 3 | 2 | 1 | 30000 | 3 | 2 | 3 | 2 | 2 | 3 | 3 | 3 | 3 |
| 2 | 2 | 4 | 4 | 3 | 4 | 4 | 320000 | 2 | 3 | 3 | 3 | 2 | 4 | 4 | 4 | 4 |
| 2 | 2 | 4 | 4 | 2 | 3 | 2 | 200000 | 1 | 2 | 3 | 1 | 3 | 3 | 3 | 3 | 3 |
| 1 | 2 | 4 | 4 | 6 | 2 | 2 | 60000 | 3 | 2 | 1 | 2 | 5 | 3 | 3 | 3 | 4 |
| 2 | 1 | 4 | 5 | 2 | 2 | 3 | 50000 | 1 | 2 | 4 | 1 | 3 | 3 | 4 | 3 | 3 |
| 1 | 2 | 8 | 3 | 2 | 5 | 3 | 1000000 | 1 | 3 | 1 | 2 | 2 | 3 | 3 | 3 | 3 |
| 2 | 1 | 3 | 8 | 5 | 1 | 6 | 1500000 | 3 | 3 | 2 | 4 | 1 | 4 | 4 | 4 | 4 |
| 1 | 2 | 2 | 6 | 2 | 4 | 1 | 80000 | 2 | 3 | 1 | 2 | 3 | 3 | 3 | 4 | 4 |
| 1 | 1 | 4 | 4 | 3 | 8 | 3 | 30000 | 2 | 2 | 3 | 2 | 3 | 3 | 3 | 3 | 3 |
| 2 | 2 | 2 | 4 | 2 | 8 | 4 | 350000 | 3 | 2 | 3 | 2 | 2 | 3 | 4 | 4 | 4 |
| 2 | 2 | 4 | 7 | 6 | 1 | 4 | 250000 | 3 | 3 | 2 | 2 | 3 | 2 | 3 | 4 | 4 |
| 2 | 2 | 4 | 7 | 3 | 1 | 25 | 50000 | 2 | 2 | 1 | 2 | 3 | 3 | 4 | 4 | 4 |
| 2 | 2 | 2 | 9 | 1 | 1 | 1 | 20000 | 1 | 1 | 5 | 1 | 3 | 3 | 3 | 3 | 3 |
| 1 | 1 | 3 | 8 | 4 | 2 | 3 | 42000 | 1 | 2 | 3 | 1 | 3 | 3 | 3 | 4 | 4 |
| 1 | 1 | 4 | 8 | 4 | 2 | 3 | 42000 | 3 | 3 | 2 | 1 | 3 | 3 | 4 | 4 | 4 |
| 2 | 1 | 4 | 4 | 3 | 2 | 20 | 40000 | 3 | 1 | 5 | 2 | 3 | 2 | 4 | 4 | 4 |
| 2 | 2 | 4 | 4 | 6 | 1 | 6 | 70000 | 3 | 3 | 5 | 2 | 1 | 3 | 4 | 4 | 4 |
| 2 | 2 | 8 | 4 | 5 | 5 | 6 | 200000 | 2 | 1 | 4 | 1 | 1 | 4 | 4 | 4 | 3 |
| 1 | 2 | 4 | 2 | 6 | 2 | 1 | 200000 | 3 | 2 | 1 | 2 | 2 | 3 | 4 | 4 | 4 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 2 | 2 | 4 | 5 | 2 | 1 | 10 | 30000 | 2 | 2 | 2 | 4 | 3 | 3 | 4 | 4 | 4 |
| 1 | 2 | 4 | 6 | 6 | 7 | 5 | 50000 | 3 | 2 | 4 | 2 | 2 | 3 | 4 | 4 | 4 |
| 1 | 2 | 4 | 1 | 4 | 1 | 1 | 10000 | 1 | 3 | 1 | 1 | 1 | 5 | 1 | 3 | 1 |
| 1 | 1 | 4 | 4 | 3 | 2 | 1 | 10000 | 1 | 1 | 4 | 3 | 2 | 2 | 3 | 3 | 3 |
| 1 | 1 | 4 | 4 | 3 | 2 | 3 | 50000 | 3 | 2 | 5 | 2 | 3 | 2 | 4 | 4 | 4 |
| 1 | 2 | 2 | 5 | 4 | 2 | 1 | 60000 | 1 | 1 | 1 | 4 | 5 | 3 | 3 | 3 | 3 |
| 1 | 1 | 6 | 1 | 3 | 2 | 2 | 50000 | 3 | 2 | 5 | 1 | 2 | 4 | 4 | 3 | 4 |
| 2 | 2 | 6 | 4 | 6 | 1 | 3 | 500000 | 3 | 3 | 5 | 2 | 1 | 3 | 4 | 4 | 4 |
| 1 | 2 | 4 | 1 | 3 | 2 | 1 | 50000 | 3 | 2 | 1 | 2 | 3 | 2 | 3 | 3 | 3 |
| 2 | 2 | 6 | 3 | 4 | 1 | 1 | 100000 | 3 | 2 | 1 | 2 | 1 | 3 | 3 | 3 | 3 |
| 2 | 2 | 4 | 7 | 4 | 1 | 2 | 50000 | 3 | 1 | 5 | 2 | 2 | 3 | 2 | 3 | 4 |
| 2 | 2 | 4 | 4 | 2 | 2 | 12 | 20000 | 2 | 2 | 3 | 2 | 3 | 3 | 3 | 3 | 3 |
| 1 | 1 | 4 | 4 | 4 | 2 | 4 | 35000 | 2 | 2 | 1 | 3 | 2 | 3 | 3 | 4 | 4 |
| 1 | 1 | 4 | 4 | 4 | 2 | 4 | 30000 | 2 | 2 | 1 | 2 | 3 | 3 | 4 | 4 | 3 |
| 2 | 2 | 4 | 7 | 1 | 2 | 2 | 50000 | 1 | 1 | 3 | 2 | 5 | 3 | 4 | 4 | 4 |
| 2 | 2 | 4 | 7 | 1 | 2 | 3 | 50000 | 1 | 2 | 3 | 2 | 5 | 3 | 3 | 3 | 3 |
| 2 | 1 | 4 | 4 | 2 | 2 | 7 | 80000 | 3 | 2 | 3 | 2 | 2 | 3 | 3 | 3 | 3 |
| 1 | 1 | 4 | 1 | 3 | 2 | 6 | 20000 | 3 | 1 | 3 | 1 | 3 | 2 | 3 | 4 | 4 |
| 1 | 1 | 4 | 10 | 2 | 2 | 2 | 25000 | 3 | 1 | 3 | 2 | 3 | 3 | 4 | 4 | 4 |
| 2 | 1 | 3 | 8 | 1 | 1 | 7 | 100000 | 2 | 1 | 5 | 2 | 3 | 3 | 3 | 1 | 2 |
| 1 | 2 | 4 | 4 | 3 | 2 | 2 | 50000 | 1 | 2 | 5 | 2 | 2 | 3 | 4 | 3 | 3 |
| 1 | 2 | 4 | 4 | 5 | 2 | 1 | 80000 | 2 | 2 | 1 | 2 | 3 | 3 | 3 | 3 | 3 |
| 2 | 2 | 6 | 7 | 5 | 1 | 2 | 300000 | 3 | 3 | 2 | 3 | 2 | 3 | 4 | 3 | 3 |
| 2 | 2 | 7 | 7 | 4 | 1 | 2 | 200000 | 2 | 2 | 4 | 3 | 2 | 3 | 3 | 3 | 3 |
| 1 | 1 | 2 | 1 | 2 | 2 | 5 | 3000 | 1 | 1 | 2 | 1 | 1 | 1 | 1 | 1 | 1 |
| 1 | 1 | 4 | 2 | 3 | 2 | 6 | 4000 | 1 | 1 | 1 | 1 | 4 | 2 | 1 | 1 | 1 |
| 2 | 2 | 4 | 4 | 2 | 1 | 10 | 150000 | 3 | 2 | 2 | 1 | 2 | 3 | 4 | 4 | 4 |
| 2 | 2 | 7 | 8 | 1 | 2 | 3 | 100000 | 1 | 2 | 1 | 1 | 5 | 2 | 5 | 4 | 4 |
| 1 | 1 | 4 | 6 | 1 | 3 | 2 | 20000 | 3 | 1 | 1 | 1 | 3 | 4 | 3 | 3 | 2 |
| 2 | 2 | 6 | 10 | 1 | 1 | 10 | 1000000 | 3 | 2 | 3 | 1 | 3 | 2 | 3 | 3 | 3 |
1
library(pequod)
1
attach(a)
1
model1 <-lm(satisf_al~satisf_i+factor(gender))
1
summary(model1)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
Call:
lm(formula = satisf_al ~ satisf_i + factor(gender))
Residuals:
Min 1Q Median 3Q Max
-2.7684 -0.2567 0.2137 0.2316 2.2730
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.64979 0.16793 9.824 <2e-16 ***
satisf_i 0.52966 0.04712 11.240 <2e-16 ***
factor(gender)2 0.01790 0.07826 0.229 0.819
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 0.6132 on 244 degrees of freedom
Multiple R-squared: 0.3418, Adjusted R-squared: 0.3364
F-statistic: 63.35 on 2 and 244 DF, p-value: < 2.2e-16
-
Multiple R-squared: 0.3418, Adjusted R-squared: 0.3364 차이가 0.02 % 정도 차이나면 독립변수로 둘다 잘 선택되었다는 의미이다.
-
p-value: < 2.2e-16 이므로 대립가설 만족, 귀무가설 기각됨 , 모델 의미있음
-
factor(gender)2 0.01790 (의미)
여자가 남자보다 종속변수가 0.01790 높다. 그러나 Pr값이 0.05보다 높아 유의하지 않다.
gender 1이 남자고 gender 2가 여자이다.
상수: 1.65 , 구매문의만족: 0.53, 성별(여성): 0.02 =>반올림 함
y(전반만족) =0.53*구매문의만족(x1) + 0.02 * 성별(여성) + 1.65
여 : 0.53*구매문의만족 + 1.67
남 : 0.53*구매문의만족 + 1.65 (여성만 0.02 곱해줌 ,남자는 0임)
1
a$gender <-factor(a$gender, levels=c(1,2), labels=c('male','female'))
1
model1 <-lm(a$satisf_al~a$satisf_i+a$gender)
1
summary(model1)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
Call:
lm(formula = a$satisf_al ~ a$satisf_i + a$gender)
Residuals:
Min 1Q Median 3Q Max
-2.7684 -0.2567 0.2137 0.2316 2.2730
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.64979 0.16793 9.824 <2e-16 ***
a$satisf_i 0.52966 0.04712 11.240 <2e-16 ***
a$genderfemale 0.01790 0.07826 0.229 0.819
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 0.6132 on 244 degrees of freedom
Multiple R-squared: 0.3418, Adjusted R-squared: 0.3364
F-statistic: 63.35 on 2 and 244 DF, p-value: < 2.2e-16
1
model2<-lm(satisf_al~satisf_b + satisf_i + factor(gender) + factor(decision))
1
summary(model2)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
Call:
lm(formula = satisf_al ~ satisf_b + satisf_i + factor(gender) +
factor(decision))
Residuals:
Min 1Q Median 3Q Max
-2.7590 -0.3143 0.1110 0.2992 2.1434
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.67889 0.22582 7.435 1.83e-12 ***
satisf_b -0.03889 0.05019 -0.775 0.4392
satisf_i 0.51617 0.04733 10.906 < 2e-16 ***
factor(gender)2 0.01963 0.07807 0.251 0.8017
factor(decision)2 0.05426 0.12075 0.449 0.6536
factor(decision)3 0.20353 0.10844 1.877 0.0617 .
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 0.61 on 241 degrees of freedom
Multiple R-squared: 0.3566, Adjusted R-squared: 0.3432
F-statistic: 26.71 on 5 and 241 DF, p-value: < 2.2e-16
- decision (구매 동기) 1은 사회적 요인 , 2는 심리적인 요인, 3은 외모적 요인이다.
결론 : factor(decision)3가 factor(decision)2보다 0.05에 Pr값이 더 가까워서 외모적요인때문에 구매하는 구매자들이 더욱 전반적인 만족도가 높다
satisf_i(구매문의만족)이 0.516 유의하다는 의미는 다른변수들이 동일한 상태이라는 것이고 구매문의만족도가 대략 1점 차이날때 종속변수가 0.516 정도 차이로 달라진다는 뜻이다.
Share on
Copy URL
Kakao
Facebook
Twitter
LinkedIn
Leave a comment