嘿，我来帮你理清楚SPSS回归里这两种分类变量编码方式的门道，以及你偏好的全0-1编码方案需要注意的关键问题～

• 全0-1编码（独热编码）：你说的把25个水平都转成独立0-1变量，本质是给每个分类变量的每一个水平单独生成哑变量。这种方式的优势确实是能看到更细致的水平间差异，但有个隐藏坑——完全多重共线性。比如15个participant的哑变量加起来恒等于1，10个分类变量的哑变量之和也恒等于1，这种情况会让回归模型的矩阵不可逆，SPSS要么报错，要么自动偷偷删掉某个变量，结果根本不是你想要的。
• 常规虚拟变量编码：这是SPSS回归默认的方式，每个分类变量会选一个参照组，生成k-1个哑变量（15水平的participant生成14个，10水平的生成9个，总共23个）。这样既控制了分类变量的效应，又避免了多重共线性，结果解读也更标准——每个哑变量的系数代表该水平相对于参照组的效应。

如果你坚持想用这种更细致的编码方式，得注意这几点：

• 必须手动排除参照组：不管你是手动生成了25个哑变量，还是用SPSS的生成工具，在把变量放进回归模型时，一定要给每个分类变量删掉一个水平的哑变量（比如删掉participant的第1个水平，分类变量的第1个水平），不然模型根本跑不起来。
• 结果解读和常规编码等价：其实你删掉一个参照组后，剩下的哑变量系数解读和常规虚拟变量编码完全一样——都是对应水平相对于你删掉的那个参照组的效应。如果你想同时看所有水平的效应，其实可以试试SPSS里的偏差编码或者Helmert编码，不过这两种不是0-1形式，看你需求。
• 样本量要够：25个控制变量+1个预测变量，总共26个变量。咱得确保样本量至少是变量数的5-10倍（比如至少130-260个样本），不然模型容易过拟合，结果波动很大，参考价值低。
• 特殊情况：重复测量的participant：如果这个participant变量是同一被试多次参与测量的情况，那普通线性回归就不合适了，应该用SPSS的混合线性模型（Mixed Models），把participant设为随机效应，这样既控制了被试间差异，又不用生成一堆哑变量，还能节省自由度，结果更靠谱。

内容的提问来源于stack exchange，提问作者Kacie