1樓：靜學社-學無止境
主要看虛擬變數是如何編碼的，編碼不一樣，代表的意義不一樣。比如SPSS軟體對於二分類邏輯回歸和cox回歸預設提供了7種編碼，如果使用Python或者R則可以自定義任何編碼。
編碼的設計可以依照方差分析中的Contrast（中文翻譯為 「對比」或者「對照」）來設計，首先設計「對比」，然後得到編碼。當然回歸中的虛擬變數不一定非得按照「對比」的方式來設計，但是對比可以明確每個變數的含義，所以這是通用的最好方法。
對比的文章教科書很少講，基本上找不到，下面有一篇文章對這個問題做了比較深入的介紹，對這方面感興趣的一定要讀。通過線性模型詳解方差分析中「對比」（Contrasts）的數理原理 。
2樓：蘿蔔
這個解釋很可能能幫到你，是跟我乙個挺厲害厲害的前輩學來的，還包含了怎麼解釋模型中的虛擬變數 。
多元線性回歸模型的可解釋性比較強，將模型引數列印出來即可求出因變數與自變數的關係
Python 統計學庫建好的模型的各自變數的係數，A，B 為街區，是生成的虛擬變數
所以最終的建模結果如下，且該模型的精度為0.916
另外在等式結果中，截距項Intercept和area,bedrooms等變數的係數都還好理解；A，B 這兩個虛擬變數可能相對困難些。
尤拉方程與淺水方程中Riemann不變數含義是什麼？
鵬鵬 Riemann不變數是雙曲型守恆方程特徵理論的精髓，相關知識可以參考應隆安的 雙曲型守恆方程及其差分方法 這本書。對於一維雙曲型守恆方程 其特徵值為，對應左右特徵向量分別為，其中，通常稱定義的平面內的曲線為方程組 1 的特徵方程，其在相空間中的等價形式為 積分得到 即稱首次積分即為方程組 1 ...
為什麼線性回歸中 要將自變數設定為非隨機變數？伍德里奇的導論好像是設為非隨機變數的 本人學渣求解釋？
田超 關鍵在於研究者要明確所研究的系統或物件是什麼？如果研究自變數x對因變數的影響，研究的物件就是y，研究的系統就是y的生成過程。自變數X本應是乙個隨機變數，本身也有乙個資料生成系統P X theta 但是，當一組x x1,x2,xn 已經生成後，相當於x已經是隨機變數X的乙個realization...
斷點回歸估計中是否需要新增控制變數？
連玉君 在斷點回歸中，若使用最小二乘法估計，研究者通常會加入不受政策影響的協變數，如人口統計特徵 而使用非引數區域性多項式法，研究者大都不考慮協變數，這使得估計量並不總是引數的一致估計。為此，Calonico 等 2019 將協變數納入非引數多項式回歸中，以估計區域性政策效應，並對相應的統計推斷進行...