범주형예측변수를갖는모델

carsmall데이터세트를불러오고，MPG의선형회귀모델을model_year.의함수로생성합니다。숫자형벡터model_year.를범주형변수로처리하기위해'pationalvars'이름 - 값쌍의인수를사용하여예측변수를식별합니다。

加载carsmallmdl = fitlm（model_year，mpg，'pationalvars'1，'varnames'，{'Model_Year'，“英里”}）

mdl =线性回归模型:MPG ~ 1 + Model_Year Estimated Coefficients: Estimate SE tStat pValue ________ ______ ______ __________ (Intercept) 17.69 1.0328 17.127 3.2371e-30 Model_Year_76 3.8839 1.4059 2.7625 0.0069402 Model_Year_82 14.02 1.4369 9.7571 8.2164e-16观测数:94，误差自由度:91均方根误差:5.56 R-squared: 0.531, Adjusted R-squared: 0.521 F-statistic vs. constant model: 51.6, p-value = 1.07e-15

표시된모델식MPG〜1 + model_year는다음에해당합니다。

$\mathrm{MPG}＝{\beta }_0+{\beta }_1{{\rm I}}_{\mathrm{年}＝76.}+{\beta }_2{{\rm I}}_{\mathrm{年}＝82.}+\mathrm{\epsilon .}$，

여기서 ${{\rm I}}_{\mathrm{年}＝76.}$및 ${{\rm I}}_{\mathrm{年}＝82.}$는model_year.의값이각각76및82일때값1인이표시변수입니다。model_year.변수는3개의고유한을포함하고있으며，이는独特함수를사용해서확인할수있습니다。

唯一的（Model_Year）

ans =3×170 76 82.

Fitlm.은model_year.에서가장작은값을기준레벨（'70'）로로선택하고두개의표시표시 ${{\rm I}}_{\mathrm{年}＝76.}$과 ${{\rm I}}_{\mathrm{年}＝82.}$를를합니다。모델이3개의표시변수（각레벨당1개）와1개​​의절편항을포함하는설계에이랭크부족이되므로부족부족이은은은

전체표시변수를갖는모델

MDL.항의을절편항이없고3개의표시변수를모델로해석할수있습니다。

$\mathit{y}＝{\beta }_0{{\rm I}}_{{\mathit{x}}_1＝70}+（{\beta }_0+{\beta }_1）{{\rm I}}_{{\mathit{x}}_1＝76.}+（{{\beta }_0+\beta }_2）{{\rm I}}_{{\mathit{x}}_2＝82.}+\mathrm{\epsilon .}$．

또는표시변수를수동으로생성하고모델식을지정하여절편항이없고3개의표시변수를갖는모델을생성할수도있습니다。

temp_year = dummyvar（分类（model_year））;model_year_70 = temp_year（：，1）;model_year_76 = temp_year（:,2）;model_year_82 = temp_year（:,3）;TBL =表（Model_year_70，model_year_76，model_year_82，mpg）;mdl = fitlm（tbl，'mpg〜model_year_70 + model_year_76 + model_year_82  -  1'）

MDL =线性回归模型：MPG〜Model_Year_70 + Model_Year_76 + Model_Year_82估计系数：估计SE TSTAT p值________ _______ ______ __________ Model_Year_70 17.69 1.0328 17.127 3.2371e-30 Model_Year_76 21.574 0.95387 22.617 4.0156e-39 Model_Year_82 31.71 0.99896 31.743 5.2234e-51的数观察：94，误差自由度：91根均方误差：5.56

모델에서기준레벨선택하기

먼저범주형변수年를만듭니다。

年=分类（model_year）;

类别함수를사용하여범주의순서를확인합니다。

类别（年）

ans =3x1细胞{'70'} {'76'} {'82'}

年를예측변수로사용할경우Fitlm.은첫번째범주'70'을기준레벨로선택합니다。reordercats함수를사용하여年를다시정렬합니다。

Year_reordered = reordercats(一年,{“76”，'70'，'82'}）;类别（年份）

ans =3x1细胞{'76'} {'70'} {'82'}

Year_reordered의첫번째범주는“76”입니다。MPG의선형회귀모델을Year_reordered의함수로생성합니다。

mdl2 = fitlm (Year_reordered MPG,'varnames'，{'Model_Year'，“英里”}）

MDL2 =线性回归模型：MPG〜1 + Model_year估计系数：估计SE TSTAT PVALUE ________ _______ ______________________________70 -3.8839 1.4059 -2.7620 0.136 1.3812 7.3385 8.7634E-11观察数目：94，误差自由度：91根均匀误差：5.56 R线：0.531，调整R线：0.521 F统计与常数型号：51.6，p值= 1.07e-15

mdl2는“76”을기준레벨로사용하고두개의표시변수 ${{\rm I}}_{\mathrm{年}＝70}$과 ${{\rm I}}_{\mathrm{年}＝82.}$를포함합니다。

범주형예측변수평가하기

mdl2의모델표시화면은대응되는계수가0인지여부를검정하기위해각항의p——값을포함합니다。각p- 값은각표시표시를를사합니다。범주형변수model_year.를표시변수의그룹으로조사하려면Anova.를사용하십시오。모델모델의상수항을을제외각변수에대해분산분석통계량을포함하는성분성분분산반환반환“组件”（디폴트값）옵션을사용합니다。

ANOVA（MDL2，“组件”）

ANS =2×5表SUMSQ DF MeanSq˚Fp值______ __ ______ _____ __________ Model_Year 3190.1 2 1595.1 51.56 1.0694e-15错误2815.2 91 30.936

성분분산분석표는표시변수의p- 값보다작은model_year.변수의p——값을포함합니다。