第8章虚拟变量回归课程.ppt

第八章 虚拟变量回归 教师：卢时光 本章的目的是考虑回归分析中引入定性解释变量的作用。定性变量（常被称为虚拟变量）的引入，使得线性回归模型成为一种极其灵活的工具，可以处理经验研究中许多有趣的问题。 8.1 虚拟变量的性质 在回归分析中，应变量不仅常受一些在明确的尺度上是量化好了的变量（如收入、产量、价格、成本、高度和温度)的影响，而且还受实质上是定性性质的变量（如性别、种族、肤色、宗教、国籍、战争、地震、罢工、政治动乱和政府经济政策变化）的影响。 例如，人们发现，在其他因素相同的情况下，西方大学中的女教授比男教授赚的钱要少；非白人比白人赚的钱要少。这种格局也许是性别或种族歧视的结果。 且不管什么理由，诸如性别和种族等定性变量确实影响着应变量，并且显然应被包含在解释变量的行列中。 由于这类定性变量常指某一“性质”或属性出现或不出现，比如男性或女性，黑色或白色，或者，天主教徒或非天主教徒。“量化”这些变量的一个方法，是构造一个取值1或0的人为变量，0表示某一属性不出现，而1表示该属性出现(或具备)。倒如，l表示某人是男性，0表示是女性；或者1表示某人是大学生，0表示不是。取这样0和1值的变量叫做虚拟变量。 在回归模型中使用虚拟变量和定量变量一样的容易。事实上，一个回归模型可以清一色地使用虚拟变量或定性（属性）变量作为解释变量。这样的模型被称为方差分析模型（AVOVA）。 考虑下列模型： 上述模型能够让我们发现性别是否会造成大学教授工资的差异。我们假定其他已知的变量例如年龄、学位和工作经验都保持不变。假定干扰项满足经典线性回归模型的假定： 截距项α给出学院女教授的平均工资；斜率系数β告诉我们学院男教授和女教授的平均工资的差额，α＋β反映学院男教授的平均工资。按照平常的方法估计回归，并用t检验来看β是否在统计意义上是显著的，即检验“不存在性别歧视”这一虚拟假设（H0： β =0）。 例15.1：按性别划分的教授的工资 根据上面的数据，得到回归方程： 上述结果表明，学院女教授的平均工资为1.8万美元，而男教授的工资则为2.128 （=1.8+3.28）万美元。 回归结果中的t=7.439，说明 在统计上是显著的。表明男教授和女教授在工资上确实存在差异，事实上女教授的平均工资水平低于同等的男教授，我们可以认为在两种性别的工资中存在性别歧视。 顺便看一下回归的图形。 8.2 对一个定量变量和一个两分定性变量的回归 我们把模型修改如下： 模型中含有一个定量变量（教龄）和一个定性变量（性别：男或女）。一个模型中既含有一些定量变量又含有一些定性的解释变量，我们把它称为协方差分析模型（ANCOVA）。 上述模型的含义是： 女教授的平均工资： 男教授的平均工资： 从几何意义上来看，假定α10，我们得到下图所表示的情形： 模型设想学院男教授和女教授的工资是由其教龄决定的，用相同的斜率，但不同的截距。或者说，该模型假定男教授的平均工资水平和女教授的平均工资水平相差α2，但平均工资对教龄的变化率是一样的。 我们容易通过回归和t检验来看α2是否在统计上是显著的。如果α2在统计上是显著的，就拒绝学院男教授和女教授有同样平均工资水平的假设。 注意上述模型有下列特点： （1）为了区别两个类别，我们引入了一个虚拟变量Di。Di=1总指男性，Di=0是指女性。这样，一个虚拟变量足够区分两个类别。一般的规则是，如果一个定性变量有m个类别，则仅引入m-1个虚拟变量。 （2）在我们的例子中D的取值的分配是任意的，例如我们用D=1可以表示是男性也可以表示女性。因此，在解释涉及虚拟变量的模型的计算结果时，要知道1和0是怎样分配使用的。 （3）被赋予零值的那个组别、类别或级别常被称为基底、基准、对照、对比、参考或省略类。因为它是用以和其他类别作比较的基础。 （4）附着于虚拟变量D的系数α2 ，被称为级差截距系数，因为它告诉我们，取值1的类别的截距值和基底类的截距值相比有多少差别。 8.3 对一个定量变量和一个多分定性变量的回归 假设在横截面数据的基础上，我们想做个人保健支出对个人收入和教育水平的回归。由于教育变量是定性的，我们考虑相互排斥的三个教育水平：低于中学、中学和大学。现在不同于先前，我们的定性教育变量有多于两个的分类。按照虚拟变量的个数比变量分类数少一的规则，我们需要引进两个虚拟变量，以处理教育的三个水平。假定在保健年度支出对年度收入的回归中，三个教育分类有相同的斜率和不同的截矩，我们可以利用如下模型： 在模型中，我们人为的把“低于中学教育”类当做基底类。截距α1 代表该类的截距，截距级差α2 和α3 ，则表示另两类的截距与基底类的截距有多少差异。 下列式子分别表示低于中学、中学和大学三个教育水平的平均保