Правильное количество фиктивных переменных в модели важно, потому что избыточное их количество может привести к чистой мультиколлинеарности — строгой линейной связи между переменными модели. 1 В результате оценка модели станет невозможной. 1

Чтобы избежать этой ловушки, нужно добавлять в модель на одну переменную меньше, чем есть значений признака. 1 То есть, если моделируемый признак принимает m возможных значений, то для его описания в уравнение следует добавить m−1 фиктивную переменную. 1

Также неправильное количество фиктивных переменных может нарушить допущение, что между двумя или более независимыми переменными не должно существовать точной линейной связи. 2 В этом случае процедура построения модели регрессии будет неудачной. 2