¿Puedo usar la regresión múltiple cuando tengo predictores mixtos categóricos y continuos?

Parece que puede usar la codificación para una variable categórica, pero tengo dos variables predictoras categóricas y una variable continua. ¿Puedo usar la regresión múltiple para esto en SPSS y, de ser así, cómo? ¡Gracias!

1. Si esta es una pregunta de sintaxis de SPSS, la respuesta es simplemente colocar la variable categórica, codificada apropiadamente, en la lista de variables para "variables independientes" junto con la continua.
2. En las estadísticas: ¿Es su variable categórica binaria? Si es así, debe usar un código ficticio u otro código de contraste válido. Si no es binario, ¿es su variable categórica ordinal o nominal? Si es nominal, entonces nuevamente, debe usar una estrategia de código contrastante, en efecto, modelar el impacto de cada nivel de la variable en el resultado o variable "dependiente". Si la variable categórica es ordinal, lo más probablelo más sensato es ingresarlo tal cual en el modelo, tal como lo haría con una variable predictiva continua (es decir, "independiente"). Asumiría, en ese caso, que los incrementos entre niveles de la variable predictiva categórica ("independiente"); esto rara vez será un error, pero cuando lo sea, debe usar nuevamente un código de contraste y modelar el impacto de cada nivel. Esta pregunta surge en este foro con bastante frecuencia: aquí hay un buen análisis
3. Cómo manejar los datos faltantes es, en mi opinión, un asunto completamente separado. Tengo entendido que la eliminación por pares no se ve como un enfoque válido para la regresión multivariada. Listwise es bastante común, pero también puede sesgar los resultados y ciertamente es una pena. La imputación múltiple es algo bello.

Definitivamente puedes, siguiendo el mismo método que usarías para el primer predictor categórico. Cree variables ficticias tal como lo haría para la primera variable de este tipo. Pero a menudo es más fácil usar el comando Unianova de SPSS. Puede buscar esto en cualquier Guía de sintaxis impresa o en formato pdf, o puede acceder a través de Analizar ... Modelo lineal general ... Univariante.

Sin embargo, a pesar de ser un poco más complicado, el comando Regresión tiene una serie de ventajas sobre Unianova. La principal es que puede elegir 'par perdido' (no tiene que perder un caso simplemente porque le falta un valor para uno o dos predictores). También puede obtener muchos diagnósticos valiosos, como gráficos parciales y estadísticas de influencia.

Una manera simple de convertir las variables categóricas en un conjunto de variables ficticias para usar en modelos en SPSS es usar la sintaxis do repeat. Este es el más simple de usar si sus variables categóricas están en orden numérico.

*making vector of dummy variables.
vector dummy(3,F1.0).
*looping through dummy variables using do repeat, in this example category would be the categorical variable to recode. 
do repeat dummy = dummy1 to dummy3 /#i = 1 to 3.
compute dummy = 0.
if category = #i dummy = 1.
end repeat.
execute. 

De lo contrario, simplemente puede ejecutar un conjunto de sentencias if para hacer sus variables ficticias. Mi versión actual (16) no tiene la capacidad nativa de especificar un conjunto de variables ficticias automáticamente en el comando de regresión (como puede hacerlo en Stata usando el comando xi ) pero no me sorprendería si está disponible en alguna versión más nueva. También tome nota del punto # 2 de dmk38, este esquema de codificación está asumiendo categorías nominales. Si su variable es ordinal, se puede usar más discreción.

También estoy de acuerdo con dmk38 y la conversación acerca de que la regresión es mejor debido a su capacidad para especificar datos faltantes de una manera particular es un tema completamente separado.