你遇到的问题
你有一个分类自变量，比如学历（初中、高中、本科、研究生）或婚姻状况，想放进多元回归里，却发现直接用 1/2/3/4 编码后系数根本没法解释，甚至审稿人质疑你「把名义变量当连续变量处理」。问题的根源在于：分类变量的数字编码只是标签，不存在「本科比高中多 1 个单位」这种等距关系，必须先转成哑变量才能进模型。
适用场景
适用于自变量是无序分类（名义变量），且被放入线性回归、logistic 回归等模型的情形。前提是该变量各类别之间不存在数值上的等距或等比关系；若变量本身是有序且可近似等距（如 5 点量表总分），则另当别论。类别数记为 k，样本在每一类中都应有足够观测量，否则估计不稳。
正确做法
对一个有 k 个类别的分类变量，设 k−1 个哑变量（0/1 编码），留出的那一类作为参照组（reference group）。参照组通常选样本量最大、或理论上最有意义的「基准」类别（如「初中及以下」或「未婚」）。每个哑变量的系数含义是：在其他变量不变时，该类别相对于参照组在因变量上的平均差异；系数的显著性检验的是「该类 vs 参照组」的差异，而不是「该类 vs 总体」。切记不要把 k 个类别全设成哑变量（会导致完全共线、模型无法估计），也不要把名义编码 1/2/3 当连续变量直接放入。
报告示例：以「初中及以下」为参照组，控制年龄与性别后，学历对月收入有显著影响。相比参照组，高中学历者月收入平均高 812 元（B=812，SE=305，p=.008），本科学历者高 2143 元（B=2143，SE=331，p<.001），研究生学历者高 3560 元（B=3560，SE=402，p<.001），模型整体 R²=.28。可见收入随学历层级递增，且本科及以上的差距尤为明显。
常见错误
错误一：把无序分类变量按 1、2、3、4 编码后当作连续变量直接放入回归，等于强行假设各类别等距且单调，系数完全无法解释。错误二：报告哑变量系数时说成「该类别对因变量的绝对影响」，忽略了所有解释都是「相对于参照组」的差异，导致读者误读——离开参照组，哑变量系数没有独立意义。
需要更进一步？
如果你手上已经跑出了带哑变量的回归结果，却拿不准哪个是参照组、系数方向该怎么念，可以把 SPSS 或 R 的输出整段贴进本站的统计结果解读器，它会帮你标出参照组并逐个翻译系数含义。若涉及交互项、多分类变量组合或参照组重设这类更复杂的情形，也可以预约辅导，让老师带你一步步理顺模型设定。