一般研究教育时候都是将它们处理成教育程度（高中低）的
虚拟变量；或者按照受教育程度赋值：文盲=0；小学=6；初中=9；高中（职高，中专）=12；
大学专科=14；大学本科=16；硕士及以上=19。这样就转化成了数值型变量。
拓展：变量粗略分三种：间距变量、比例变量、分类变量。
间距变量：数值能体现出相互之间的差距，相加减都有意义
比例变量：除了满足以上，还满足相除有意义，身高体重都不是比例变量，因为谁是谁体重身高几倍或者一点几倍没有意义。
分类变量：数值不能体现出相互差距。
受教育程度就属于分类变量。它只有类别的意义，你把他们命名为1-8，这并不能说明小学和文盲的差距与小学和初中的差距是相同的，后面也一样，他们之间的差距是不同的甚至不可衡量的；更不能说明高中和小学的差距是小学和文盲的差距的两倍。
如果你在做回归的时候把他们赋值为1-8，那么就会有上述的意义。解释的时候，你就要讲，当教育程度增加1时，收入（比如说）增加多少；增加2时又怎样。或者教育程度增加百分之1时怎样怎样，这些都是很荒谬的。
因为从小学跳到高中和从高中跳到大学虽然都是加一，但是差距不一样，造成的效果也不同。
所以，你应该做7个虚拟变量，不能用8个，为防止完全
共线性。然后把这7个变量加进去。