（电大学习资料）3.4新虚拟变量.pptVIP

问题的一般性描述 第八章 虚拟变量回归 本章主要讨论: ●虚拟变量 ●虚拟解释变量的回归 ●虚拟被解释变量的回归(选讲,不包括) 第一节 虚拟变量 本节基本内容: ●基本概念 ●虚拟变量设置规则 一、虚拟变量及其作用 1.定义 虚拟变量（又称为属性变量、类型变量、二值变量、范畴变量、定性变量等），是人工构造的取值为0和1的作为属性变量代表的变量，一般用字母D（或dummy的缩写DUM）表示。 D=1表示某种属性或特征存在，即是某类型 D=0表示某种属性或特征不存在，即不是某类型。 2.引入虚拟变量的作用 (1)描述和测量定性因素的影响。 (2)能够正确反映经济变量之间的相互关系，提高模型精度。 (3)分离异常数据。将异常数据作为特殊的定性因素来处理。 虚拟变量包括 虚拟解释变量 虚拟被解释变量 这里主要介绍虚拟解释变量 二、虚拟变量的设定 （2）乘法方式 （3）一般方式 Yi=a+bxi+αDi+βXDi+εi 同时用加法与乘法方式引入虚拟变量，然后再利用t检验判断α 、β是否显著的不等于零，进而确定虚拟变量的具体引入方式。 【例】下表列出了1998年我国城镇居民人均收入与彩电每百户拥有量的统计资料。 将我国城镇居民的彩电需求函数设成： Yi=a+bxi+αDi+βXDi+εi DATA D1 （由于D是EViews软件的保留字，所以将虚拟变量取名为D1） GENR XD=X*D1 生成变量XD LS Ｙ Ｃ Ｘ D1 XD 估计需求函数 结果如下图所示： 我国城镇居民彩电需求函数的估计结果为： 低收入家庭： D=0时 2.虚拟变量的设置原则 不同学历职员的年薪函数如下图所示 （2）多个因素各两种类型 三、虚拟变量的特殊应用 （一）调整季节波动 按季节或按月份数据的许多经济时间序列呈现有季节模式。例如冷饮的销售、服装的销售、收成季节的农产品价格等都具有很强的季节特点。我们常常要从一个时间序列里除掉季节成因或成分，以便我们进一步集中分析其他的影响因素。从一个时间序列中剔除季节因素的方法称为季节调整，得到的序列称为季节调整序列。对一个时间序列进行季节调整的方法很多，其中一个重要方法就是设置虚拟变量。 （二）检验模型结构的稳定性 当我们利用不同的样本数据估计同一形式的计量经济模型，可能会得到不同的估计结果。如果估计的参数之间存在着显著差异，则称模型结构是不稳定的，反之则认为是稳定的。 作用：模型结构的稳定性检验既可以用来检验样本的敏感性（多重共线性），又可以比较两个（或多个）回归模型结构是否发生显著变化，即分析模型结构是否发生变化。 检验方法： 方法一：对样本1、样本2分别回归 样本1： Yi=a1+b1xi +εi 样本2： Yi=a2+b2xi +εi 比较a1和a2、b1和b2之间是否有显著性差异 这种方法不可取，因为这样比较没有统计支持（不知道a1和a2、b1和b2到底在多大范围内是无区别的，多大范围内是有差异的）。 方法二：设置虚拟变量 利用t检验判断D、XD系数的显著性，得到四种检验结果: （三）分段回归 在实际经济问题的研究中，有些经济关系需要用分段回归加以描述：当解释变量x低于某个已知的临界水平x*时，y与x之间是某种线性相关关系，而xx*时又是另一种相关关系。从而我们得到一个分段线性回归(piecewise linear regression) 建立计量经济模型时，如果可以同时使用时间序列和横截面数据，可以有效的扩充样本容量，解决一些建模时产生的问题。这就要求混合模型中参数不随时间的变化而改变，并且在各个横截面之间没有差异。因此，我们在合并样本之前，需要比较使用不同样本估计的模型之间是否存在显著差异。 （四）混合回归 【例】下表为我国城镇居民1998年、1999年全年人均消费支出和可支配收入的统计资料。试使用混合样本数据估计我国城镇居民消费函数。 设1998年、1999年我国城镇居民消费函数分别为： 1998年：Yi=a1+b1xi +εi 1999年：Yi=a2+b2xi +εi 为比较两年的消费函数是否有显著差异， 设置虚拟变量： SMPL 1 8 样本期调为1998年 四、虚拟被解释变量 线性概率模型（LPM） 对数单位模型（LOGIT） 概率单位模型（