 Kategorien varioiden ovat varioiden, jotka ei ole oikein kertaa. Joten esimerkiksi kentäriä on kategorien varioiden, jossa on paljon Finlantia, Noreen ja Suomessa. Suomessa on kategorien varioiden, jossa on yksityisen, ja kategorien ovat yksityisen, yksityisen, yksityisen ja professiivisia. Joten miten me teemme tällaisen varioiden? Kun on kategorien varioiden, jossa on yksityisen varioiden, jossa on aika yksityisen varioiden, jossa on kategorien varioiden, jossa on yksityisen varioiden, niin asiaa on vähän enemmän. Meillä nyt voimme tutkia kategorien varioiden kentäriä, jossa on yksityisen varioiden. Joten meidän data on näin. Joten meidän press-teets, kun me jäivimme suomalaiset press-teets data-teetsin varioiden, voimme nähdä, että ovat frekuusia. Joten ne ovat ei ole tarkkaisuja, tai vain frekuusia eri varioiden. Meillä on 44 professiivisia, 31 professiivisia, ja 23 yksityisen varioiden. Joten sitten meillä on 4 yksityisen varioiden. Joten miten me teemme tämän? Suomalaiset ja kategorien varioiden. Me ei pysty sitä, että se on yksityisen varioiden, koska yksityisen vario ei saa. Haluamme sanoa, että the difference between blue color to professional is one unit, difference between professional and white color is one unit, and difference between blue color and white color is two units. It doesn't make sense because we don't know what's the difference between. We can't say that there's a magnitude of difference between these values, and we can't say that there's an order. Joten, miten teemme sitä? Voimme jotain, kuten Dummy varioidaan. Joten kohdamme dataa niin, että se on semmoista dataa, ja meillä on varioita, joka on täällä. Joten se on sellaista observaation dataa, joka on kohdamme varioita. Dummy varioita ovat kohdamme kohdamme kohdamme, kohdamme professionella ja kohdamme kohdamme. Ja sitten Dummy tarkoittaa, että tämä ensimmäinen kohdamme on professionella. Joten kohdamme professionella on yksi, joten yksi on zero. Sitten meillä on kohdamme blukolle, joten yksi on yksi, joten yksi on zero. Joten nämä ovat Dummy- tai indikator-varioit, ja ne indikat, joka kohdamme on, joka kohdamme on, jota joten kohdamme on. Kun ajattamme Dummy- ja regresson analysoitin, STATA on R, se voi tehdä automaattisesti, joten ei ole kohdamme kohdamme. Jos haluat käyttää SPS, hän on kohdamme Dummy- ja regresson analysoitin. SPSS ei ole kohdamme, joten hän ei ole kohdamme. Joten kohdamme regresson analysoitin. Kun ajattamme kohdamme varioita, regresson analysoitin R, ja STATA, joten meillä on kohdamme varioita. Tämä on kohdamme varioita, ja se produksii kohdamme varioita. Kohdamme kohdamme varioita, ja kohdamme kohdamme varioita. Joten miten saamme näitä osa, ja joten on kohdamme regresson analysoitin. Joten ensimmäinen, kun on kohdamme varioita, ja regresson analysoitin on kohdamme varioita, jota on kohdamme varioita. Me ollaan yhden kohdamme varioita. Ja nyt nämä osa on, mitä on osa professiivista, miten on osa osa kohdamme varioita ja osa kohdamme varioita. Miten on osa kohdamme varioita ja osa kohdamme varioita? Joten nämä regresson kohdamme varioita on varioita ja yhden osa on yhden kohdamme varioita ja se on regresson kohdamme varioita. Joten nämä voivat vain osa kohdamme varioita. Jos haluamme osa kohdamme varioita ja professiivista osa kohdamme varioita, niin voimme osa kohdamme varioita tai osa kohdamme varioita ja se on enemmän osa. Yksi asia, johon ensimmäinen on, että osa on osa kohdamme varioita. Joten meillä on osa kohdamme varioita, koska ne ei ole osa kohdamme varioita. Kohdamme varioita, johon ensimmäinen on osa kohdamme varioita, johon ei ole osa. Jotain osa kohdamme varioita, mutta jos osa kohdamme varioita, johon osa kohdamme varioita, niin osa kohdamme varioita ei ole oikein muuttunut.