我们在前面用了2期的内容，向大家介绍了有关哑变量的知识，同时结合SPSS软件的应用，介绍了如何在不同的回归模型中设置哑变量。需要复习的同学可以戳这里:
细心的同学们会发现，我们在讲解哑变量时，主要针对的是原始变量本身即为分类变量的情况，不管是无序多分类还是有序多分类变量，在引入模型时可以按照统计需要转化为哑变量引入模型，并且通过SPSS即可实现对哑变量进行0或1的编码。
当然我们在前面的内容中也提到对于连续型变量，在引入回归模型时往往要考虑实际的临床意义，若直接带入原始的连续型变量，每变化一个单位水平所引起的因变量的变化效应是很微弱的。同时当我们无法很好地确定自变量和因变量之间的线性变化关系时，也需要考虑将连续型变量离散化，转化为哑变量带入模型。
那么提到连续型变量，应该如何有效的进行分组，将其转化为哑变量的形式呢？今天我们就来跟大家细数一下，在回归模型中连续型变量转化为哑变量的多种变化形式。
1、二分类分组
严格意义上，提到哑变量通常是指转化为多分类的变量，但在这里我们首先介绍二分类分组，将连续型变量按照某个切点转化为二分类变量，是因为二分类变量在某种意义上
确认删除