Parfois appelées «variables de conception», les facteurs sont des variables prédicteurs catégoriques nominales ou ordinales. Dans la régression logistique, les niveaux d'un facteur sont entrés, en effet comme des variables fictives dans le modèle logistique, bien que le chercheur ne le fasse pas manuellement. Cependant, le chercheur doit dire aux statistiques que les variables indépendantes doivent être traitées comme des facteurs et que la façon dont cela est fait varie d'une méthode statistique à l'autre.
SPSS
Dans la régression logistique binaire avec SPSS, les variables indépendantes catégorielles doivent être déclarées en cliquant sur le bouton "Catégorique" dans l'écran de dialogue principal "Régression logistique". Dans le langage SPSS pour la régression logistique binaire, toutes les variables prédictives sont des «covariables» mais les facteurs sont des «covariables catégoriques» et ont été déclarées en utilisant le bouton «Catégorique».
Dans la régression multinomiale avec SPSS, il existe des endroits distincts dans l'écran de dialogue principal pour les facteurs (variables catégoriques) et pour les covariables (variables continues).
SAS
Les facteurs sont déclarés en utilisant l'instruction CLASS dans PROC LOGISTIC pour une régression logistique binaire ou multinomiale. Dans l'exemple de code SAS ci-dessous, trois variables (sexe, race, niveau d'étude) sont toutes déclarées être des facteurs (variables catégoriques).
PROC LOGISTIC DATA=<insert datafile>;
CLASS sex race degree / <insert options>;
En revanche, dans PROC CATMOD, toutes les variables prédictives sont traitées comme des facteurs appelés «variables de classification» dans le contexte de la régression logistique multinomiale. S'il existe des covariables continues, PROC CATMOD les modélisera également en tant que variables de classification catégorielles, rendant le processus de calcul inefficace.
PROC LOGISTIC est préféré à PROC CATMOD pour les modèles multinomiaux avec des covariables continues. La documentation de SAS avertit que «Des difficultés de calcul peuvent survenir si vous avez une variable continue avec un grand nombre de valeurs uniques» et l'estimation par défaut de PROC CATMOD par la méthode des moindres carrés pondérés est inappropriée car il y a trop de fréquences ... PROC CATMOD pas conçu de façon optimale pour les variables continues, il pourrait donc être moins efficace et incapable d'allouer suffisamment de mémoire pour gérer ce problème, par rapport à une procédure conçue spécifiquement pour gérer les données continues "telles que PROC LOGISTIC. Si PROC CATMOD est néanmoins utilisé, le chercheur doit déclarer la variable continue dans une instruction DIRECT et demander l'estimation du maximum de vraisemblance (ML), comme dans le code SAS ci-dessous.
PROC CATMOD DATA=<insert dataset name>
DIRECT educ;
/* Use DIRECT to list covariates & any dummy variables */
RESPONSE logits;
/* Specifies a multinomial logistic model */
MODEL income4 = educ sex race / ML=NR;
/* Models income as predicted by educ as a covariate */
/* and by sex and race as factors, then requests estimation*/
/* be done by maximum likelihood using the usual */
/* Newton-Raphson algorithm*/
Stata
La commande logistic de Stata pour la régression logistique binaire prend la forme suivante:
logistic depvar indepvars [, options]
La liste des variables indépendantes (indepvars) peut inclure des facteurs ainsi que des covariables. Les variables sont déclarées catégoriques en utilisant le "i". préfixe, ce qui signifie que ces variables doivent être représentées par des variables indicatrices. Par exemple, "educ" sera traité comme une covariable continue, mais "i.educ" sera traité comme une variable catégorielle (facteur). Le terme «céduc» déclare «éduquer» pour être une variable continue, équivalente à «éduquer».
Dans la commande mlogit de Stata pour la régression logistique multinomiale, les facteurs sont déclarés de la même manière. La forme générale de la commande est:
mlogit depvar indepvars [, options]
La liste "indepvars" peut contenir des facteurs utilisant le "i". préfixe.