{"id":1403,"date":"2023-07-26T12:41:31","date_gmt":"2023-07-26T12:41:31","guid":{"rendered":"https:\/\/statorials.org\/pl\/zmienne-fikcyjne-regresji\/"},"modified":"2023-07-26T12:41:31","modified_gmt":"2023-07-26T12:41:31","slug":"zmienne-fikcyjne-regresji","status":"publish","type":"post","link":"https:\/\/statorials.org\/pl\/zmienne-fikcyjne-regresji\/","title":{"rendered":"Jak u\u017cywa\u0107 zmiennych fikcyjnych w analizie regresji"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\"><a href=\"https:\/\/statorials.org\/pl\/regresja-liniowa-1\/\" target=\"_blank\" rel=\"noopener\">Regresja liniowa<\/a> to metoda, kt\u00f3r\u0105 mo\u017cemy zastosowa\u0107 do ilo\u015bciowego okre\u015blenia zwi\u0105zku mi\u0119dzy jedn\u0105 lub wi\u0119ksz\u0105 liczb\u0105 zmiennych predykcyjnych a<a href=\"https:\/\/statorials.org\/pl\/zmienne-odpowiedzi-wyjasniajace\/\" target=\"_blank\" rel=\"noopener\">zmienn\u0105 odpowiedzi<\/a> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Zwykle u\u017cywamy regresji liniowej ze <a href=\"https:\/\/statorials.org\/pl\/zmienne-jakosciowe-a-zmienne-ilosciowe\/\" target=\"_blank\" rel=\"noopener\">zmiennymi ilo\u015bciowymi<\/a> . Czasami nazywane zmiennymi \u201enumerycznymi\u201d i s\u0105 to zmienne reprezentuj\u0105ce mierzaln\u0105 wielko\u015b\u0107. Przyk\u0142ady obejmuj\u0105:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Liczba metr\u00f3w kwadratowych w domu<\/span><\/li>\n<li> <span style=\"color: #000000;\">Wielko\u015b\u0107 populacji miasta<\/span><\/li>\n<li> <span style=\"color: #000000;\">Wiek osobnika<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Czasami jednak chcemy u\u017cy\u0107 zmiennych kategorycznych jako zmiennych predykcyjnych. S\u0105 to zmienne, kt\u00f3re przyjmuj\u0105 nazwy lub etykiety i mo\u017cna je podzieli\u0107 na kategorie. Przyk\u0142ady obejmuj\u0105:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Kolor oczu (np. \u201eniebieski\u201d, \u201ezielony\u201d, \u201ebr\u0105zowy\u201d)<\/span><\/li>\n<li> <span style=\"color: #000000;\">P\u0142e\u0107 (np. \u201em\u0119\u017cczyzna\u201d, \u201ekobieta\u201d)<\/span><\/li>\n<li> <span style=\"color: #000000;\">Stan cywilny (np. \u201e\u017conaty\u201d, \u201epanny\u201d, \u201erozwiedziony\u201d)<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">U\u017cywaj\u0105c zmiennych kategorycznych, nie ma sensu po prostu przypisywa\u0107 warto\u015bci takich jak 1, 2, 3 do warto\u015bci takich jak \u201eniebieski\u201d, \u201ezielony\u201d i \u201ebr\u0105zowy\u201d, poniewa\u017c nie ma sensu m\u00f3wi\u0107 ten zielony jest podw\u00f3jny. tak kolorowy jak niebieski lub br\u0105zowy jest trzy razy bardziej kolorowy ni\u017c niebieski.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Zamiast tego rozwi\u0105zaniem jest u\u017cycie <strong>zmiennych fikcyjnych<\/strong> . S\u0105 to zmienne, kt\u00f3re tworzymy specjalnie na potrzeby analizy regresji i kt\u00f3re przyjmuj\u0105 jedn\u0105 z dw\u00f3ch warto\u015bci: zero lub jeden.<\/span><\/p>\n<blockquote>\n<p> <span style=\"color: #000000;\"><strong>Zmienne fikcyjne:<\/strong> Zmienne numeryczne u\u017cywane w analizie regresji do reprezentowania danych kategorycznych, kt\u00f3re mog\u0105 przyjmowa\u0107 tylko jedn\u0105 z dw\u00f3ch warto\u015bci: zero lub jeden.<\/span><\/p>\n<\/blockquote>\n<p> <span style=\"color: #000000;\">Liczba zmiennych fikcyjnych, kt\u00f3re musimy utworzy\u0107, jest r\u00f3wna <em>k<\/em> -1, gdzie <em>k<\/em> jest liczb\u0105 r\u00f3\u017cnych warto\u015bci, jakie mo\u017ce przyj\u0105\u0107 zmienna kategoryczna.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Poni\u017csze przyk\u0142ady ilustruj\u0105 spos\u00f3b tworzenia zmiennych fikcyjnych dla r\u00f3\u017cnych zestaw\u00f3w danych.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Przyk\u0142ad 1: Utw\u00f3rz zmienn\u0105 fikcyjn\u0105 zawieraj\u0105c\u0105 tylko dwie warto\u015bci<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105cy zestaw danych i chcemy wykorzysta\u0107 <em>p\u0142e\u0107<\/em> i <em>wiek<\/em> do przewidywania <em>dochod\u00f3w<\/em> :<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-13940 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mannequin1.png\" alt=\"\" width=\"223\" height=\"311\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Aby u\u017cy\u0107 <em>p\u0142ci<\/em> jako zmiennej predykcyjnej w modelu regresji, musimy przekszta\u0142ci\u0107 j\u0105 w zmienn\u0105 fikcyjn\u0105.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Poniewa\u017c jest to obecnie zmienna kategoryczna, kt\u00f3ra mo\u017ce przyjmowa\u0107 dwie r\u00f3\u017cne warto\u015bci (\u201eM\u0119\u017cczyzna\u201d lub \u201eKobieta\u201d), po prostu tworzymy zmienn\u0105 fikcyjn\u0105 <em>k<\/em> -1 = 2-1 = 1.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Aby utworzy\u0107 t\u0119 fikcyjn\u0105 zmienn\u0105, mo\u017cemy wybra\u0107 jedn\u0105 z warto\u015bci (\u201eM\u0119\u017cczyzna\u201d lub \u201eKobieta\u201d), kt\u00f3ra b\u0119dzie reprezentowa\u0107 0, a druga b\u0119dzie reprezentowa\u0107 1.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Og\u00f3lnie rzecz bior\u0105c, najcz\u0119\u015bciej reprezentujemy najcz\u0119stsz\u0105 warto\u015b\u0107 za pomoc\u0105 0, co w tym zbiorze danych oznacza\u0142oby \u201eM\u0119\u017cczyzna\u201d.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Oto jak przekonwertowa\u0107 <em>p\u0142e\u0107<\/em> na zmienn\u0105 fikcyjn\u0105:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-13941 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mannequin2.png\" alt=\"Przyk\u0142ad zmiennej fikcyjnej\" width=\"578\" height=\"335\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Mogliby\u015bmy nast\u0119pnie u\u017cy\u0107 <em>Age<\/em> i <em>Gender_Dummy<\/em> jako zmiennych predykcyjnych w modelu regresji.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Przyk\u0142ad 2: Utw\u00f3rz zmienn\u0105 fikcyjn\u0105 z wieloma warto\u015bciami<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105cy zestaw danych i chcemy wykorzysta\u0107 <em>stan cywilny<\/em> i <em>wiek<\/em> do przewidywania <em>dochod\u00f3w<\/em> :<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-13944 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mannequin4.png\" alt=\"\" width=\"249\" height=\"312\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Aby wykorzysta\u0107 <i>stan cywilny<\/i> jako zmienn\u0105 predykcyjn\u0105 w modelu regresji, musimy przekszta\u0142ci\u0107 go w zmienn\u0105 fikcyjn\u0105.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Poniewa\u017c jest to obecnie zmienna kategoryczna, kt\u00f3ra mo\u017ce przyjmowa\u0107 trzy r\u00f3\u017cne warto\u015bci (\u201eSingiel\u201d, \u201e\u017bonaty\u201d lub \u201eRozwiedziony\u201d), musimy utworzy\u0107 <em>k<\/em> -1 = 3-1 = 2 zmienne fikcyjne.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Aby utworzy\u0107 t\u0119 fikcyjn\u0105 zmienn\u0105, mo\u017cemy pozostawi\u0107 \u201eSingle\u201d jako warto\u015b\u0107 bazow\u0105, poniewa\u017c pojawia si\u0119 ona najcz\u0119\u015bciej.<\/span> <span style=\"color: #000000;\">Oto jak przekszta\u0142ciliby\u015bmy <em>stan cywilny<\/em> w zmienne fikcyjne:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-13950 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mannequin6.png\" alt=\"Zmienna fikcyjna z trzema warto\u015bciami\" width=\"649\" height=\"328\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Mogliby\u015bmy nast\u0119pnie u\u017cy\u0107 <em>Wiek<\/em> , <em>\u017bonaty<\/em> i <em>Rozwiedziony<\/em> jako zmiennych predykcyjnych w modelu regresji.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Jak interpretowa\u0107 wyniki regresji ze zmiennymi fikcyjnymi<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Za\u0142\u00f3\u017cmy, \u017ce dopasowujemy model <a href=\"https:\/\/statorials.org\/pl\/wielokrotna-regresja-liniowa\/\" target=\"_blank\" rel=\"noopener\">regresji liniowej wielokrotnej<\/a> , korzystaj\u0105c ze zbioru danych z poprzedniego przyk\u0142adu, w kt\u00f3rym <em>Wiek<\/em> , <em>\u017bonaty<\/em> i <em>Rozwiedziony<\/em> jako zmienne predykcyjne oraz <em>Doch\u00f3d<\/em> jako zmienna odpowiedzi.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Oto wynik regresji:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-13952 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mannequin7.png\" alt=\"Jak interpretowa\u0107 zmienne fikcyjne w wynikach regresji\" width=\"435\" height=\"123\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Dopasowan\u0105 lini\u0119 regresji definiuje si\u0119 jako:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Doch\u00f3d = 14 276,21 + 1 471,67* (wiek) + 2 479,75* (m\u0119\u017catka) \u2013 8 397,40* (rozwiedziony)<\/span><\/p>\n<p> <span style=\"color: #000000;\">Mo\u017cemy u\u017cy\u0107 tego r\u00f3wnania, aby znale\u017a\u0107 szacunkowy doch\u00f3d danej osoby na podstawie jej wieku i stanu cywilnego. Na przyk\u0142ad osoba w wieku 35 lat i b\u0119d\u0105ca w zwi\u0105zku ma\u0142\u017ce\u0144skim mia\u0142aby szacunkowy doch\u00f3d w wysoko\u015bci <strong>68 264 dolar\u00f3w<\/strong> :<\/span><\/p>\n<p> <span style=\"color: #000000;\">Doch\u00f3d = 14 276,21 + 1 471,67*(35) + 2 479,75*(1) \u2013 8 397,40*(0) = 68 264 USD<\/span><\/p>\n<p> <span style=\"color: #000000;\">Oto jak interpretowa\u0107 wsp\u00f3\u0142czynniki regresji w tabeli:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>Przeci\u0119cie:<\/strong> Przeci\u0119cie oznacza \u015bredni doch\u00f3d samotnej osoby w wieku zero. Oczywi\u015bcie nie mo\u017cna mie\u0107 lat zerowych, wi\u0119c nie ma sensu interpretowa\u0107 samego wyrazu wolnego w tym konkretnym modelu regresji.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Wiek:<\/strong> ka\u017cdy rok podwy\u017cszenia wieku wi\u0105\u017ce si\u0119 ze \u015brednim wzrostem dochodu o 1471,67 USD. Poniewa\u017c warto\u015b\u0107 p (0,00) jest mniejsza ni\u017c 0,05, wiek jest statystycznie istotnym predyktorem dochod\u00f3w.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>\u017bonaty:<\/strong> osoba zam\u0119\u017cna zarabia \u015brednio o 2479,75 dolar\u00f3w wi\u0119cej ni\u017c osoba samotna. Poniewa\u017c warto\u015b\u0107 p (0,80) jest nie mniejsza ni\u017c 0,05, r\u00f3\u017cnica ta nie jest istotna statystycznie.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Rozwiedziony:<\/strong> osoba rozwiedziona zarabia \u015brednio 8 397,40 dolar\u00f3w mniej ni\u017c osoba samotna. Poniewa\u017c warto\u015b\u0107 p (0,53) jest nie mniejsza ni\u017c 0,05, r\u00f3\u017cnica ta nie jest istotna statystycznie.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Poniewa\u017c obie zmienne fikcyjne nie by\u0142y istotne statystycznie, mogli\u015bmy usun\u0105\u0107 z modelu <em>stan cywilny<\/em> jako czynnik predykcyjny, poniewa\u017c nie wydaje si\u0119, aby zwi\u0119ksza\u0142 on warto\u015b\u0107 predykcyjn\u0105 dochodu.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Dodatkowe zasoby<\/strong><\/span><\/h3>\n<p> <a href=\"https:\/\/statorials.org\/pl\/zmienne-jakosciowe-a-zmienne-ilosciowe\/\" target=\"_blank\" rel=\"noopener\">Zmienne jako\u015bciowe i ilo\u015bciowe<\/a><br \/> <a href=\"https:\/\/statorials.org\/pl\/fikcyjna-pu\u0142apka-zmienna\/\">Sztuczna pu\u0142apka zmienna<\/a><br \/> <a href=\"https:\/\/statorials.org\/pl\/przeczytaj-tabele-interpretacji-regresji\/\" target=\"_blank\" rel=\"noopener\">Jak czyta\u0107 i interpretowa\u0107 tabel\u0119 regresji<\/a><br \/> <a href=\"https:\/\/statorials.org\/pl\/p-oznacza-istotnosc-statystyczna\/\" target=\"_blank\" rel=\"noopener\">Wyja\u015bnienie warto\u015bci P i istotno\u015bci statystycznej<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Regresja liniowa to metoda, kt\u00f3r\u0105 mo\u017cemy zastosowa\u0107 do ilo\u015bciowego okre\u015blenia zwi\u0105zku mi\u0119dzy jedn\u0105 lub wi\u0119ksz\u0105 liczb\u0105 zmiennych predykcyjnych azmienn\u0105 odpowiedzi . Zwykle u\u017cywamy regresji liniowej ze zmiennymi ilo\u015bciowymi . Czasami nazywane zmiennymi \u201enumerycznymi\u201d i s\u0105 to zmienne reprezentuj\u0105ce mierzaln\u0105 wielko\u015b\u0107. Przyk\u0142ady obejmuj\u0105: Liczba metr\u00f3w kwadratowych w domu Wielko\u015b\u0107 populacji miasta Wiek osobnika Czasami jednak chcemy [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-1403","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Jak u\u017cywa\u0107 zmiennych fikcyjnych w analizie regresji - Statoriale<\/title>\n<meta name=\"description\" content=\"W tym samouczku na przyk\u0142adzie wyja\u015bniono, jak tworzy\u0107 i interpretowa\u0107 zmienne fikcyjne w analizie regresji.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/pl\/zmienne-fikcyjne-regresji\/\" \/>\n<meta property=\"og:locale\" content=\"pl_PL\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Jak u\u017cywa\u0107 zmiennych fikcyjnych w analizie regresji - Statoriale\" \/>\n<meta property=\"og:description\" content=\"W tym samouczku na przyk\u0142adzie wyja\u015bniono, jak tworzy\u0107 i interpretowa\u0107 zmienne fikcyjne w analizie regresji.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/pl\/zmienne-fikcyjne-regresji\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-26T12:41:31+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mannequin1.png\" \/>\n<meta name=\"author\" content=\"Benjamin Anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Napisane przez\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin Anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Szacowany czas czytania\" \/>\n\t<meta name=\"twitter:data2\" content=\"4 minuty\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/pl\/zmienne-fikcyjne-regresji\/\",\"url\":\"https:\/\/statorials.org\/pl\/zmienne-fikcyjne-regresji\/\",\"name\":\"Jak u\u017cywa\u0107 zmiennych fikcyjnych w analizie regresji - Statoriale\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/pl\/#website\"},\"datePublished\":\"2023-07-26T12:41:31+00:00\",\"dateModified\":\"2023-07-26T12:41:31+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965\"},\"description\":\"W tym samouczku na przyk\u0142adzie wyja\u015bniono, jak tworzy\u0107 i interpretowa\u0107 zmienne fikcyjne w analizie regresji.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/pl\/zmienne-fikcyjne-regresji\/#breadcrumb\"},\"inLanguage\":\"pl-PL\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/pl\/zmienne-fikcyjne-regresji\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/pl\/zmienne-fikcyjne-regresji\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Dom\",\"item\":\"https:\/\/statorials.org\/pl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Jak u\u017cywa\u0107 zmiennych fikcyjnych w analizie regresji\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/pl\/#website\",\"url\":\"https:\/\/statorials.org\/pl\/\",\"name\":\"Statorials\",\"description\":\"Tw\u00f3j przewodnik po kompetencjach statystycznych!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/pl\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"pl-PL\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965\",\"name\":\"Benjamin Anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pl-PL\",\"@id\":\"https:\/\/statorials.org\/pl\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin Anderson\"},\"description\":\"Cze\u015b\u0107, jestem Benjamin i jestem emerytowanym profesorem statystyki, kt\u00f3ry zosta\u0142 oddanym nauczycielem Statorials. Dzi\u0119ki bogatemu do\u015bwiadczeniu i wiedzy specjalistycznej w dziedzinie statystyki ch\u0119tnie dziel\u0119 si\u0119 swoj\u0105 wiedz\u0105, aby wzmocni\u0107 pozycj\u0119 uczni\u00f3w za po\u015brednictwem Statorials. Wiedzie\u0107 wi\u0119cej\",\"sameAs\":[\"https:\/\/statorials.org\/pl\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Jak u\u017cywa\u0107 zmiennych fikcyjnych w analizie regresji - Statoriale","description":"W tym samouczku na przyk\u0142adzie wyja\u015bniono, jak tworzy\u0107 i interpretowa\u0107 zmienne fikcyjne w analizie regresji.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/pl\/zmienne-fikcyjne-regresji\/","og_locale":"pl_PL","og_type":"article","og_title":"Jak u\u017cywa\u0107 zmiennych fikcyjnych w analizie regresji - Statoriale","og_description":"W tym samouczku na przyk\u0142adzie wyja\u015bniono, jak tworzy\u0107 i interpretowa\u0107 zmienne fikcyjne w analizie regresji.","og_url":"https:\/\/statorials.org\/pl\/zmienne-fikcyjne-regresji\/","og_site_name":"Statorials","article_published_time":"2023-07-26T12:41:31+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mannequin1.png"}],"author":"Benjamin Anderson","twitter_card":"summary_large_image","twitter_misc":{"Napisane przez":"Benjamin Anderson","Szacowany czas czytania":"4 minuty"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/pl\/zmienne-fikcyjne-regresji\/","url":"https:\/\/statorials.org\/pl\/zmienne-fikcyjne-regresji\/","name":"Jak u\u017cywa\u0107 zmiennych fikcyjnych w analizie regresji - Statoriale","isPartOf":{"@id":"https:\/\/statorials.org\/pl\/#website"},"datePublished":"2023-07-26T12:41:31+00:00","dateModified":"2023-07-26T12:41:31+00:00","author":{"@id":"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965"},"description":"W tym samouczku na przyk\u0142adzie wyja\u015bniono, jak tworzy\u0107 i interpretowa\u0107 zmienne fikcyjne w analizie regresji.","breadcrumb":{"@id":"https:\/\/statorials.org\/pl\/zmienne-fikcyjne-regresji\/#breadcrumb"},"inLanguage":"pl-PL","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/pl\/zmienne-fikcyjne-regresji\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/pl\/zmienne-fikcyjne-regresji\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Dom","item":"https:\/\/statorials.org\/pl\/"},{"@type":"ListItem","position":2,"name":"Jak u\u017cywa\u0107 zmiennych fikcyjnych w analizie regresji"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/pl\/#website","url":"https:\/\/statorials.org\/pl\/","name":"Statorials","description":"Tw\u00f3j przewodnik po kompetencjach statystycznych!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/pl\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"pl-PL"},{"@type":"Person","@id":"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965","name":"Benjamin Anderson","image":{"@type":"ImageObject","inLanguage":"pl-PL","@id":"https:\/\/statorials.org\/pl\/#\/schema\/person\/image\/","url":"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","contentUrl":"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","caption":"Benjamin Anderson"},"description":"Cze\u015b\u0107, jestem Benjamin i jestem emerytowanym profesorem statystyki, kt\u00f3ry zosta\u0142 oddanym nauczycielem Statorials. Dzi\u0119ki bogatemu do\u015bwiadczeniu i wiedzy specjalistycznej w dziedzinie statystyki ch\u0119tnie dziel\u0119 si\u0119 swoj\u0105 wiedz\u0105, aby wzmocni\u0107 pozycj\u0119 uczni\u00f3w za po\u015brednictwem Statorials. Wiedzie\u0107 wi\u0119cej","sameAs":["https:\/\/statorials.org\/pl"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/posts\/1403","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/comments?post=1403"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/posts\/1403\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/media?parent=1403"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/categories?post=1403"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/tags?post=1403"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}