目前我的实验是测试文本的内的生词数目和阅读理解之间的关系.因此我设置了7个文本,100%(没有生词), 99%, 98%, 等属于分类变量. outcome是阅读理解成绩. 具体如下:
1. 自变量 7个文本 分类变量
2. 因变量 阅读理解分数
3. 有7组人,每组人读了一类文本,一共7组人的阅读理解成绩录入SPSS.
4. 用sequential 分层回归,控制另外一个可能影响阅读理解的变量'文本熟悉度".
5. 录入方式:我先根据文献录入文本熟悉度进入多重回归模型,然后分别按照次序录入7个文本的哑变量.

疑问:Q1. 我的研究目的不是以某一个%文本作为参考,而是要看在每一个文本逐个加入后,对于回归模型R平方的改变.因此我给7个文本设置了7个哑变量.但是我看很多实验基本上是k-1的变量,且把其中一个变量当做参考变量,但这个和我实验的目的不太相符,所以我设置了7个哑变量(在100%的时候其他的文本是0,以此类推). 请问用分层回归可以这样设置哑变量么?

       Q2. 如果我设置了6个哑变量,一个作为参考变量(哑变量0)--例如100% ,那么分层回归模型会自动分析参考变量的R方么?会把参考变量也放在回归模型中么?我可以通过model summary看其他的文本%加入后对于上一个模型的改变(R方),但是100%对于模型的影响怎么看呢?

    Q3. 我设置了7个哑变量 发现有的哑变量的回归系数是负数,不知道这种分类哑变量的beta如何解释呢?有一些竟然是负数,例如100%的文本竟然是负数,也就是说阅读100%的文本的阅读理解成绩将然比96%的还要低,这个怎么理解呢?

谢谢