第7讲包含虚拟变量的回归分析.pptVIP

第七讲 包含虚拟变量的回归分析Regression Analysis with Dummy Variables 一、什么是虚拟变量？ 二、自变量中包含虚拟变量 三、因变量为虚拟变量 什么是虚拟变量？ 变量的分类 定类/类别变量（nominal/categorical variable） 定序/有序变量（ordinal variable） 定距/定量变量（interval variable） 问题：如何在计量分析中使用定类变量和定序变量 什么是虚拟变量？ 对于只有两种取值的定类变量，可以用0和1表示这两种取值。这样的变量称为虚拟变量（dummy variable）或二分变量（binary variable）。其中，赋值为0的一组称为对照组（reference group）或基准组（benchmark group） 注意：变量名的选择 什么是虚拟变量？ 对于有多个取值的定类变量，可构造多个虚拟变量来表示 用east、central、west三个虚拟变量表示不同地区 用sx、jy、qt三个虚拟变量表示本科生毕业后的状态 什么是虚拟变量？ 对于定序变量和定距变量，也可以用虚拟变量表示 学习成绩（定序变量） 年收入（定距变量，但通过划分收入区间将之转换为虚拟变量） 自变量中包含一个虚拟变量 自变量仅为一个虚拟变量 如果自变量仅为一个虚拟变量，实际上是以自变量为分类依据，分析因变量的均值差异 自变量中包含一个虚拟变量 例题7_1：工资差异 自变量中包含一个虚拟变量 自变量包含定距变量和一个虚拟变量 此时，虚拟变量的回归系数表示在控制其它自变量的情况下，两组之间的差异 例题7_2：课本p217，例7.2 自变量中包含一个虚拟变量 自变量包含定距变量和一个虚拟变量 虚拟变量可用于政策分析，虚拟变量取值为0的一组称为控制组或对照组（control group），取值为1的一组称为实验组（experimental group）或处理组（treatment group） 例题7_3：课本p218，例7.3 自变量中包含多个虚拟变量 自变量中包含多个虚拟变量可分为三种情况 每个虚拟变量代表不同的分类 若干个虚拟变量代表同一种分类，且这种分类是定类的 若干个虚拟变量代表同一种分类，且这种分类是定序的 自变量中包含多个虚拟变量 每个虚拟变量代表不同的分类 例题7_4：性别和婚姻状况对工资的影响（课本p220,例7.6） 引入性别和婚姻状况两个虚拟变量 上述结果表明，性别对工资有显著影响，但婚姻状况没有显著影响。这一模型可能存在问题，即假定婚姻状况的影响对于男性和女性是相同的。进一步的分析应考虑婚姻状况的影响存在性别差异。 自变量中包含多个虚拟变量 每个虚拟变量代表不同的分类 例题7_4：性别和婚姻状况对工资的影响（课本p220,例7.6） 虚拟变量的定义 如果有n种分类，则回归时只能引入n-1个虚拟变量，否则会造成完全共线性。未引入的即为对照组。下面是以单身男性为对照组的回归结果： 自变量中包含多个虚拟变量 每个虚拟变量代表不同的分类 例题7_4：性别和婚姻状况对工资的影响（课本p220,例7.6） 不同性别和婚姻状况个体的样本回归方程 自变量中包含多个虚拟变量 每个虚拟变量代表不同的分类 例题7_4：性别和婚姻状况对工资的影响（课本p220,例7.6） 根据研究关注问题的不同，可以选择不同的对照组。下面是以已婚女性为对照组的回归结果： 自变量包含多个虚拟变量 若干个虚拟变量代表同一种分类，且这种分类是定类的 例题7_5：工资的地区差异 northcen=1表示中北部地区 west=1表示西部地区 south=1表示南部地区 other_region=1表示其他地区 同样地，如果有n种分类，回归时只能引入n-1个虚拟变量！ 自变量中包含多个虚拟变量 若干个虚拟变量代表同一种分类，且这种分类是定类的 例题7_5：工资的地区差异——以其他地区为对照组 自变量中包含多个虚拟变量 若干个虚拟变量代表同一种分类，且这种分类是定类的 例题7_5：工资的地区差异——以南部为对照组 自变量包含多个虚拟变量 若干个虚拟变量代表同一种分类，且这种分类是定序的 例题7_6：法学院排名对起薪的影响（课本p224，例7.8） 共引入6个虚拟变量表示法学院排名 自变量中包含多个虚拟变量 若干个虚拟变量代表同一种分类，且这种分类是定序的 例题7_6：如果有n种排序，回归时引入的虚拟变量数目应少于n，下面是以排名在100名以后的为对照组的回归结果 自变量中包含多个虚拟变量 若干个虚拟变量代表同一种分类，且这种分类是定序的 例题7_6：以排名在26-60名的为对照组 另外，参看课本p223，例7.7 交互项 含有虚拟变量