1702646700
1702646701
图6-2 按受教育年限和性别分的期望识别的中文词数量（十分制），1996年中国在城镇长大的成人（20～69岁）、从事非体力工作、父亲受教育年限和文化资本为均值（N=4802）
1702646702
1702646703
注：女性的曲线没有超过16岁，因为样本中没有女性具有研究生学历。
1702646704
1702646705
现在，假设我们不以在城镇长大的非体力劳动者来评估方程，而是以每个自变量的均值来评估方程（当然，受教育年限和性别不包括在内，因为我们正要显示这两个变量的影响）。对女性，我们的方程为：
1702646706
1702646707
1702646708
1702646709
1702646710
对男性，我们的方程为：
1702646711
1702646712
1702646713
1702646714
1702646715
注意，方程6.6、6.7、6.8、6.9之间仅有的差别在于截距项，并且每对方程的截距项之差是一致的。因此，方程6.8和方程6.9的图示几乎与图6-2一样，只是两条线被下移了。正是出于此原因我不再显示方程6.8和方程6.9的图。当评估一个方程时，是替换为均值还是其他具体数值，由研究者根据具体情况来判断。
1702646716
1702646717
1702646718
1702646719
1702646720
量化数据分析：通过社会研究检验想法 [:1702644760]
1702646721
量化数据分析：通过社会研究检验想法 虚拟变量
1702646722
1702646723
我们经常要分析诸如宗教派别、婚姻状态或政党成员身份等分类变量对一些结果变量的作用。此外，我们往往想同时分析间距变量和分类变量，以研究在控制了另一个变量后某个变量的影响。因此，我们需要一种将分类变量纳入回归框架的方法。
1702646724
1702646725
为了知道如何做到这一点，让我们再来看第5章最后一节讨论过的相关比率问题。回想我们当时感兴趣的是宗教派别和接受堕胎之间的关系，我们使用2006年综合社会调查（General Social Survey，GSS）的数据，通过估计4个宗教信仰群体（新教徒、天主教徒、犹太教徒以及其他宗教信仰群体或不信教的群体）中的每个群体对一份有7个题项的量表的正向（接受）应答的平均数来分析此问题。这里，我们继续探讨一个类似的问题，但这次使用的数据来自1974年的GSS，因为这一年的结果更为清晰，因此更适合对方法进行讲解（作为练习，你们可以用2006年的数据进行同样的分析）。我们首先将宗教派别变量变换为一组四个二分变量，每个二分变量对应于一个宗教信仰群体，若某人信仰该宗教则该变量赋值为1，否则为0。这样我们就定义了一组新变量（见可下载的-do-或-log-文件）：
1702646726
1702646727
如果受访者信仰新教，则R1=1，否则R1=0
1702646728
1702646729
如果受访者信仰天主教，则R2=1，否则R2=0
1702646730
1702646731
如果受访者信仰犹太教，则R3=1，否则R3=0
1702646732
1702646733
如果受访者信仰其他宗教、不信教或没有回答，则R4=1，否则R4=0
1702646734
1702646735
这类变量被称为二分变量或虚拟变量。使用这些变量，我们就能够估计下面形式的多元回归方程：
1702646736
1702646737
1702646738
1702646739
1702646740
这里，A是“赞同”式应答的数量，即认为在该种情况下应该允许合法堕胎（在1974年询问了6个此类问题，因此度量范围为0～6），Ri在上一段已经被设定了。
1702646741
1702646742
注意，有必要在回归方程中省略一个分类变量以避免线性依赖（即任何一个自变量完全是其他自变量的函数的情况）；由于虚拟变量的设置方式（即对每个人来说，其中一个变量被赋值为1，其余变量为0），所以除一个虚拟变量外，知道所有其他虚拟变量的值就可以准确预测这个虚拟变量的取值。在这种情况下，OLS方程不能被估计。我们应该省略任一类别。但是，正如我们将看到的，因为方程中虚拟变量的系数被解释为相对省略的或参照类别的偏离，所以最好是基于实际情况选择参照类别，即选择研究者想与其他类别比较的类别。这个根据实际判断的准则的唯一例外是，太小的类别不应该被选作省略类别，因为这样做会在剩余类别中导致线性依赖，使系数的数值估计不稳定。
1702646743
1702646744
估计方程6.10，我们得到：
1702646745
1702646746
1702646747
1702646748
1702646749
现在，让我们计算每个类别的预测值：