线性模型中加入虚拟变量是否会改变其他解释变量的系数？

这是个非常典型的误解——很多刚上手线性模型的朋友都会默认“虚拟变量只影响截距”，但实际结果取决于虚拟变量和其他解释变量是否存在相关性，咱们一步步拆解：

两种核心情况 #

1. 虚拟变量与其他解释变量正交（完全不相关） #

如果虚拟变量和模型里的其他变量没有任何关联，那加入它确实只会调整截距，其他变量的系数完全不变。比如你模拟一组数据：

set.seed(123)
x <- rnorm(100)
# 生成和x完全不相关的虚拟变量
dummy <- sample(c(0,1), 100, replace = TRUE)
y <- 2 + 3*x + 1*dummy + rnorm(100)

fit_no_dummy <- lm(y ~ x)
fit_with_dummy <- lm(y ~ x + factor(dummy))

# 对比x的系数
coef(fit_no_dummy)["x"]  # 约3.02
coef(fit_with_dummy)["x"] # 约3.02，完全一致

这种情况在现实数据里很少见，但它是理解原理的基础：当变量之间没有重叠的解释力，模型不会重新分配系数权重。

2. 虚拟变量与其他解释变量相关（现实中更常见） #

回到你用的mtcars数据集，变速箱类型（am_text）和车重（wt）是相关的：手动挡的车普遍比自动挡更轻。这时候加入虚拟变量，其他变量的系数就会发生变化——因为模型要重新计算每个变量的偏效应（控制其他变量不变时的影响）。

咱们跑完整的代码验证：

data(mtcars)
mtcars$am_text <- as.factor(mtcars$am)
levels(mtcars$am_text) <- c("Automatic", "Manual")

# 只用车重预测mpg的模型
fit0 <- lm(mpg ~ wt, data = mtcars)
# 加入变速箱虚拟变量的模型
fit1 <- lm(mpg ~ am_text + wt, data = mtcars)

# 对比系数
cat("fit0中wt的系数：", coef(fit0)["wt"], "\n")
cat("fit1中wt的系数：", coef(fit1)["wt"], "\n")

输出会显示：fit0里wt的系数是-5.344，fit1里变成了-3.787。这是因为：

• 在fit0中，wt的系数其实同时包含了车重本身和**变速箱类型（因为手动挡更轻）**对mpg的影响；
• 加入am_text后，模型把变速箱类型的影响单独提取到了虚拟变量的系数里，wt的系数就变成了控制变速箱类型不变时，车重每增加1000磅对mpg的边际影响——这才是更精准的“车重效应”。

关键原理总结 #

线性模型的系数本质是偏回归系数，代表的是“在其他所有变量保持不变的情况下，该变量每变化一个单位对因变量的影响”。当你加入一个新的虚拟变量：

• 如果它和原有变量无关，原有变量的“偏效应”不需要调整；
• 如果它和原有变量相关，原有变量的系数就会被修正，排除掉新变量带来的混淆影响。

这种变化不是模型出了问题，反而让系数的解释更贴合真实的因果逻辑！

内容的提问来源于stack exchange，提问作者MKa