模型中的特殊解释变量分析报告.ppt

第8章 模型中的特殊解释变量 8.1 随机解释变量（一般性了解） 8.2 工具变量 8.3 滞后变量（一般性了解） 8.4 虚拟变量（重点）（其中分段线性回归不讲） 8.5 时间变量 File:li-8-1 File:li-8-3 File:li-8-4 File:li-8-5 8.1随机解释变量 （第3版教材第174页） （第3版第177页） 8.2 工具变量法 虽然工具变量法是解决随机解释变量与随机误差项相关的一种比较简便的估计方法,但是在实际应用时,存在两个方面的问题: 1.合适的工具变量很难找到,且随意性较大; 2.不同工具变量的估计结果差别比较大。 8.2 工具变量法 例8.1 用最终消费C1对国内生产总值Y回归。假定Y与误差项u相关，但资本总额K与误差项u不相关，用K作Y的工具变量。 工具变量法的EViews操作：打开模型估计对话窗，选TSLS估计法。在方程设定区填入 C1 C Y 在工具变量列写区填入 C K, 点击确定键。 8.2 工具变量法 （第3版第178页） 8.3 滞后变量（一般性了解） （第3版第187页） （第3版第188页） 8.4 虚拟变量 8.4 虚拟变量 （第3版第188页） （第3版第189页） 8.4 虚拟变量 1. 用虚拟变量测量截距变动 设有模型，yt = ?0 + ?1 xt + ?2D + ut , 其中yt，xt为定量变量；D为定性变量。 当D = 0 或1时，上述模型可表达为， D = 1或0表示某种特征的有无。反映在数学上是截距不同的两个函数。若?2显著不为零，说明截距不同；若?2为零，说明这种分类无显著性差异。 D = 1 D = 0 ?0 ?0+?2 例8.3 随机调查美国旧金山地区20个家庭的储蓄情况，拟建立年储蓄额Yi (千美元) 对年收入Xi (千美元) 的回归模型。通过对样本点的分析发现，居于上部的6个点（用小圆圈表示）都是代表自己有房子的家庭；居于下部的14个点（用小三角表示）都是租房住的家庭。而这两类家庭所对应的观测点各自都表现出明显的线性关系。于是给模型加入一个定性变量“住房状况”，用D表示。定义如下： 8.4 虚拟变量 （第3版教材第189页） 例8.3 建立回归模型 Yi = ?0 + ?1 Xi + ?2 Di + ut 得估计结果如下， = - 0.3204 + 0.0675 Xt + 0.8273 D i (-5.2) (16.9) (11.0) R2 = 0.99, DW = 2.27 由于回归系数0.8273显著地不为零，说明对住房状况不同的两类家庭来说，回归函数截距项确实明显不同。 当模型不引入虚拟变量“住房状况”时，得回归方程如下， = - 0.5667 + 0.0963 Xi (-3.5) (11.6) R2 = 0.88, DW = 1.85 比较回归方程，前者的确定系数为0.99，后者的确定系数仅为0.88。说明该回归模型中引入虚拟变量非常必要。 8.4 虚拟变量 （第3版第190页） 8.4 虚拟变量 （第3版教材第191页） （第3版第192页） 以时间 t 为解释变量（1982年1季度取t = 1）的煤销售量（Yi）模型估计结果如下： = 2431.20 + 49.00 t + 1388.09 D1 + 201.84 D2 + 85.00 D3 (26.04) (10.81) (13.43) (1.96) (0.83) R2 = 0.95, DW = 1.2, F=100.4, T=28, t0.05 (28-5) = 2.07 由于D2，D3的系数没有显著性，说明第二、三季度可以归并入基础类别第一季度。于是只考虑加入一个虚拟变量D1，把季节因素分为第四季度和第一、二、三季度两类。从上式中剔除虚拟变量D2，D3，得煤销售量（Yi）模型如下： = 2515.86 + 49.73 t + 1290.91 D1 (32.03 (10.63) (14.79) R2 = 0.94, DW = 1.4, F = 184.9, T=28, t0.05 (25) = 2.06 这里第一、二、三季度为基础类别。 8.4 虚拟变量 例8.4 （第3