第十章虚拟变量.docVIP

第十章 虚拟变量 一个例子：工资方程 个人薪资收入（earnings）受到多种因素的影响，人们特别感兴趣的两个主要因素是受教育程度 (years of education) 和工作经验（years of experience）。为区别这两个因素对工资报酬的影响，就需要一个多元回归模型。经济学家在设定工资模型时，一般认为因变量使用工资的对数比工资本身更贴近高斯—马尔科夫假定。其模型的一个形式为 其中，、和 分别表示工资、受教育程度和工作经验。用OLS估计该模型得 代表工作经验相同的情况下，受教育程度（）对工资对数（）的边际影响。或者理解为受教育年限增加1年，工资的百分比变化 是工资对受教育程度的弹性； 代表受教育程度不变的情况下，工作经验（）对工资对数()的边际影响。 通过对工资的分析发现，受教育程度和工作经验的影响因人而异。一般认为性别歧视在一定程度上是存在的。性别歧视是否存在？若存在，如何研究男性与女性的报酬差异？为此，可以引入一个特殊的变量对观测对象进行分组。这个特殊的变量就是虚拟变量。 虚拟变量的概念 虚拟变量（dummy variable）又称为双值变量，取值0或1，用以反映观测对象是否具 有某种性质或属性，习惯上用D表示。 在计量经济模型中引入虚拟变量，可以扩展模型的应用范围，使模型能更准确反映真实情况。 虚拟变量作为自变量 自变量中只有虚拟变量 性别（）与收入（）的关系，可用模型 ，是虚拟变量， 若经过检验，是显著的，即，说明性别对收入有明显影响。 自变量中既有量变量又有质变量 所谓质变量就是我们在《统计学》中所说的品质标志，反映观察对象的某种性质或属性。在使用中，为处理方便，用数字代替质变量的值； 量变量是《统计学》中所说的数量标志，就是我们通常意义的变量。 质变量只影响模型的截距 某些特殊事件对消费的影响，可能只影响模型的截距。消费模型为 ， 、分别表示消费和收入。 特殊年份只影响模型截距而不影响斜率时，可直接引入一个虚拟变量，表现特殊年份的影响，模型改写成 ，其中 。用反映了特殊年份与正常年份的平均消费差异。若模型满足经典假定，可用OLS法估计，得 如果对检验是显著的，也就证实了特殊年份与正常年份的平均消费是有差异的。 工资模型： 令表示对数工资，工资模型可写为 假设性别只影响截距，引入虚拟变量，且 则模型改写为 如果可以通过显著性检验，就证实了报酬是受性别影响的。 2. 质变量对截距和斜率都产生影响 如果特殊事件不但影响模型的截距，同时对斜率也产生影响，模型就应改写为 ， 若模型满足经典假定，可用OLS法估计，得 在这里，我们用虚拟变量把特殊年份和正常年份的影响统一到一个模型中。用表示特殊年份与正常年份平均消费的截距差异，表示斜率的差异。并且可用OLS法将参数统一估出，但条件是特殊年份的模型与正常年份的模型，方差应相同。 （三）虚拟变量陷阱问题 引入虚拟变量时要注意这些变量之间以及与其它变量间要保持无多重共线性。 在研究带有季节性的问题或研究对象需要分类情况等，在引入虚拟变量时要格外小心，避免落入虚拟变量陷阱。例如，某商品的销售量明显受到季节的影响，假定销售函数模型为 为把季节变动的影响反映在模型中，引入四个虚拟变量 ， 则模型可改写为 但此时四个虚拟变量之间有 ，这就出现了多重共线性，我们称这种情况是虚拟变量陷阱。为避免落入陷阱，可改变虚拟变量引入的方式或改变模型的形式。 第一种处理方法：在上例中，只引入四个虚拟变量中的三个 ， 此时，就表示第一季度，模型可写为 第二种处理方法：也可改变原模型的形式，去掉模型中的常数项，保留全部虚拟变量，模型为 （四）折线回归 有时回归问题呈现折线形式。例如，通常认为工业增长率的变化会引起通货膨胀率的变化，假定两者之间呈线性关系。当工业增长率（x）达到一定水平时，通货膨胀率（y）的变化率发生改变且变大。以为界限，若工业增长率(x)低于时，认为经济增长是温和的；超过则认为经济过热。在两侧直线的