目标因变量是连续的，但自变量是分类的

如何解决目标因变量是连续的，但自变量是分类的

我正在处理一个数据集，其中我的因变量是连续的，但我的所有自变量都是分类的（非二进制）。我尝试了一种热编码或创建了虚拟变量。我得到的 R2 较低，约为 0.4，但调整后的 R2 较高，约为 0.9。然而，我在回归图和残差图中得到了垂直线，即使我的 QQ 线似乎适合一条直线，最后有一些重尾。那么我可以知道回归模型是否是在这种情况下使用的正确方法吗？如果是肯定的，应该如何分析这些图，如果否定，还有哪些其他方法和库可以用来产生更好的结果？

解决方法

我尝试在下面解决您的一些问题：

但是我在回归图中得到了垂直线和残差 情节

如果您的所有自变量 (IV) 都是分类变量，则这是预期的。每个类别都编码为二进制，每个观察的预测将是每个类别的组合。为了简单说明，想象一个由 2 个二元变量进行的预测，只能有 4 个结果（0/0、0/1、1/0、1/1）......如果你将其扩展到许多二元变量，你会看到一种离散预测。

换句话说，没有斜率可言，因此您不应看到连续预测。您可以阅读有关 regression with categories here

的更多信息

尽管我的QQ线似乎与一些 最后是沉重的尾巴。所以我可以知道回归模型是否正确 在这种情况下使用的方法？

是的，您仍然可以使用线性模型。

如果是肯定的，应该如何分析这些图，如果不是，怎么分析 是其他方法和库可以用来产生一个 更好的结果？

除了您没有进行推理之外，您所拥有的内容基本上类似于方差分析。您可以使用 levene test 或其他 similar test 检查方差的同质性。当您有大量观察时，这些测试可能非常敏感。看看你的 qq 图，它看分位数，我认为它很好。