Logistic回归中分类变量需要使用哑变量（也叫虚拟变量）来操作。

一般的，n个分类需要设置n-1个哑变量（为什么不是n个？请继续看）。

举个例子，有一个“年龄”变量，分为：青年，中年，老年三类，那么我们可以用两个哑变量来代替：

年龄	变量1	变量2
青年	1	0
中年	0	1
老年	0	0

变量1 = 1代表青年，0代表非青年

变量2 = 1代表中年，0代表非中年

变量1和变量2都等于0代表老年

所以用2个变量就可以表示3个类别。

SPSS中能自动设置哑变量，只需要把变量标记为分类变量即可。

假设我们要分析年龄和病程对某种疾病预后的影响，采用Logistic回归分析。

变量赋值如下（数据均为人造，非真实数据）：

预后 ：因变量，为二分类变量，0=预后差，1=预后好

年龄：自变量，为多分类变量，1=青年，2=中年，3=老年

病程：自变量，为连续变量

（1）首先将年龄设置为分类变量，对比方式默认为“指示符”，参考类别默认为“最后一个”（后面解释为什么）。见下图。

（2）结果输出，有两个主要的表格。

这是分类变量的编码表格，可以看出，年龄被替换为两个新的变量：年龄（1）和年龄（2）。年龄（1）代表青年人，年龄（2）代表中年人，他们的取值都为0表示老年人，作为青年和中年的参考对象。

这是回归表格，出现了年龄（1）和年龄（2）两个新的变量。可以看出年龄（1）的P为0.000，有统计学意义，年龄（2）的P为0.135，没有统计学意义。

因为年龄（1）和（2）都是以老年人来作为参照的，所以可以解释为：

（1）青年人相对于老年人，预后更好

（2）中年人相对于老年人，预后没有统计学差异

（3）青年人比中年人看起来预后好，但需要进一步假设检验。

分类变量都需要一个参考对象，也就是说跟谁比。

SPSS中提供了多种对比方式，如指示符，简单，差值等等，如下图：

其中默认的“指示符”使用最多，这里仅介绍这一个。

“指示符”表示将每一个类别与参考类别对比。那么哪一个是参考类别呢？SPSS有两个选项：“最后一个”与“第一个”。这里的“最后一个”和“第一个”顺序与上文“分类变量编码表”中的顺序是一样的。如果设置为最后一个，就是以老年为参考类别，如果设置为第一个，就是以青年为参考类别。具体使用哪一个，需要根据分析目的来确定。