Stata: 產生虛擬變量(Create dummy variables)
Stata是一套滿簡單、易學的統計軟體，最近在用它跑問卷分析，所以就產生了不少虛擬變量(dummy variables)，於是就簡單寫篇教學文吧！
如果你拿到一個資料像是這樣的：
| id | language |
| 1 | 1 |
| 2 | 1 |
| 3 | 2 |
| 4 | 3 |
language的數字代表不同的語言，1對應到Chinese，2對應到English，3對應到Spanish。要產生dummy variable，在stata最土法煉鋼的方式就是用gen指令(generate的縮寫，在stata輸入gen就行了)先產生一個變數，然後在用replace 將language的值指派給dummy variable。
Language有三個值，我們只要產生3-1=2 個虛擬變量，這點非常重要，一定要弄對，不然辛苦了半天跑出來的結果會非常怪。當然也有人傾向產生3個虛擬變量，到時候跑regression的時候少放一個當作是reference group，但一定要記得少放才行啊！
那我們就以Chinese為reference group，所以我們就不需要產生Chinese這個虛擬變量，而是產生dEnglish, dSpanish這兩個。開頭的d表示是虛擬變量，以示分別，免得自己弄錯。
gen是產生變數的指令，所以我們要先產生dEnglish與dSpanish。
gen dEnglish=0
gen dSpanish=0
再來就是要給這兩個新的變數1這個值。language欄位中2的值表示English，所以用replace把值指過去
replace dEnglish =1 if language==2
replace dSpanish =1 if language==3
注意：language==是兩個等號，不是筆誤。比較數值的時候用==，指派數值的時候用=。
很多人會搞混的一點就是：為什麼dEnglish跟dSpanish都要=1？產生虛擬變量的目的就是把上述的表格變成下面這樣：
| id | language | dEnglish | dSpanish |
| 1 | 1 | 0 | 0 |
| 2 | 1 | 0 | 0 |
| 3 | 2 | 1 | 0 |
| 4 | 3 | 0 | 1 |
我們回顧一下每個變數的定義。Language是母語，dEnglish的定義則是此人的母語是English，是的話值就是1，不是的話值就是0。dSpanish同理可推，如母語為Spanish值為1，否的話值為0。所以上面的語法才會dEnglish與dSpanish的值為1。
想一想，上面這樣寫有什麼問題？如果我們的table像下面這樣，問題就出現了：
| id | language | dEnglish | dSpanish |
| 1 | 1 | 0 | 0 |
| 2 | 1 | 0 | 0 |
| 3 | 2 | 1 | 0 |
| 4 | 3 | 0 | 1 |
| 5 | . |
Stata: 產生虛擬變量(Create dummy variables) Read More »
