是的，虚拟变量的系数可以大于一或小于零。

请记住，当虚拟变量从 0 变为 1 时，您可以将该系数解释为响应（因）变量的平均变化，同时保持所有其他变量不变（即在其他条件不变的情况下）。

美国人的平均身高男性约为 176 厘米，女性约为 162 厘米。如果我们回归我们的因变量$\text{Height}$针对虚拟变量$\text{Male}$（男性为 1，女性为 0），然后在模型中

$$\text{Height}_i = \beta_0 + \beta_1 \text{Male}_i + \varepsilon_i$$

我们会估计$\hat \beta_0 = 162$和$\hat \beta_1 = 176 - 162 = 14$，这意味着当虚拟变量为零时（即在基线或参考水平，在​​我们的例子中为女性），平均身高为 162 厘米，当虚拟变量从 0 变为 1 时，平均身高增加 14 厘米（换句话说男性比女性高 14 厘米）。

相反，如果我们使用虚拟变量$\text{Female}$，为女性编码 1，为男性编码 0，然后在模型中

$$\text{Height}_i = \beta_0 + \beta_1 \text{Female}_i + \varepsilon_i$$

我们会估计$\hat \beta_0 = 176$和$\hat \beta_1 = 162 - 176 = -14$，这意味着男性的平均身高为 176 厘米（基线），女性的平均身高比男性低 14 厘米。

（如果您对假人的系数不必介于 0 和 1 之间感到惊讶，我想知道您是否错误地将系数视为对假人本身的影响或价值？）