当回归模型中包含一个分类变量作为预测因子时，Prism 会自动使用 "变异性虚拟编码"对该变量进行编码。这一过程（在幕后）生成的新变量数量等于原始分类变量的级数减一。换句话说，如果一个分类预测因子变量有 5 个独特的级别（例如 A、B、C、D 和 E），虚拟编码将生成 4 个新变量。如果一个分类预测因子变量只有两个独特的层级（例如男性和女性），虚拟编码只会产生一个新变量。这样，除一个变量外，分类预测因子变量的每个层次都会得到一个新变量，用于回归分析。此外，每个新变量都会计算出一个贝塔系数。

但这些贝塔系数代表什么呢？没有得到新变异性的水平又如何呢？这些问题都与分类预测因子变量的参考水平概念有关。

什么是参考水平

分类预测因子变量的参考水平通常被认为是给定变量的 "基线"或 "通常"观察值。在虚拟编码过程中，参考水平的变异性会被省略，因为每个观测值都会包含 "0"。相反，参考水平被用作解读生成的回归模型的一种手段。让我们用一个本示例来说明这一点：

考虑一个包含分类预测因子 "性别"的模型，其水平为 "男性"和 "女性"。如果 "男性"是我们的参考水平，那么预测模型将包含 "女性"的贝塔系数，但不包含 "男性"的贝塔系数。在这种情况下，"女性"的贝塔系数告诉我们的是，在所有其他变量不变的情况下，预测结果变量的对数几率在男性和女性之间会发生多大的变化。换句话说，如果 "女性"的贝塔系数是 2.513，那么（在所有其他变量保持不变的情况下），预测结果变量的对数几率女性比男性大 2.513。

如何指定参考水平

在参考水平选项卡上，回归模型中包含的每个分类预测因子变量都将列在 "定义参考水平" 下。对于每个变异性变量，您可以选择自动定义参考水平或手动定义水平。Prism 提供了多种根据数据表中的数据自动指定参考水平的方法。这些方法包括

•第一级（默认）。这将选择数据表中变量的第一级。请注意，如果数据表中行的顺序发生变化，参考层也会随之变化！

•最后一级。这将选择数据表中变量的最后一级。请注意，如果数据表中行的顺序发生变化，该参考层级也会发生变化！

•最频繁级别。如果您希望回归系数提供罕见水平与常见水平的比较信息，则可以使用此选项。请注意，更改数据表中行的顺序不会导致此参考水平发生变化。但是，添加或删除数据可能会导致参考水平发生变化（通过改变每个水平的频率）。

•频率最低的层级。这将确定变异性中最频繁出现的层级，并将其选 为参考层级。请注意，更改数据表中行的顺序不会导致参考层级发生变化。但是，添加或删除数据可能会导致参考水平发生变化（通过改变每个水平的频率）。

对于上述每种自动方法，对数据的某些更改（组织或添加/删除数据）可能会导致指定的参 考级别发生变化。但是，如果您想让 Prism 自动确定参考水平，但防止它随数据的变化而变化，可以使用复选框 "当数据发生变化时重新计算自动参考水平"。

最后，您还可以在第一个下拉菜单中选择 "自定义......"，然后在第二个下拉菜单中选择所需的参考水平，从而指定自定义参考水平。

更改结果中分类变量水平的顺序

在生成回归分析的结果输出时，Prism 会按照分类预测因子变量在数据表中出现的顺序显示其级别。不过，为了便于演示或发表，有时可能需要更改回归模型中一个或多个特异性分类预测变量的 级别顺序。通过 "定义参考水平"部分的 "顺序 "按钮，可以分别自定义每个分类变量的水平顺序。通过 "定义类别顺序 "子菜单中的控件，您可以

•将分类变量的参考层级设置为当前选择的层级

•手动重新排列层级（顶部、上部、反向、下部和底部控件）

•使用三种默认方法之一重新排列层级：

o视觉顺序：各层次在数据表中首次出现的顺序

o频率：频率越高的级别在顺序中出现的越靠前

o词典顺序：使用词典顺序排列。类似于字母顺序，但请注意，名为 "a100"的数据级将排序在 "a90"之前，因为 "1"在 "9"之前。这种排序没有考虑整个数字 "100"大于整个数字 "90"的情况。

如果输入数据发生变化，参考水平会发生什么变化？

默认情况下，分类变量的参考水平被选择为数据表中该变量的第一个水平。Prism 还提供其他自动选择，包括 "最后一级"、"最频繁级"和 "最不频繁级"。但是，如果输入数据发生变化（或输入数据表中添加了其他数据），这些自动选择中的某些也会发生变化。要确保指定的参考水平在输入数据更改或添加附加数据时不会改变，可以取消选中 "数据更改时重新计算自动参考水平"旁边的复选框，或者使用相应的下拉菜单将各个参考水平集 设为 "自定义..."。