第八章 包含虚拟变量的回归模型.ppt

第九章 包含虚拟变量的回归模型 9.1 虚拟变量的性质 9.2 包含一个定量变量：一个两分定性变量的回归模型 9.3 虚拟变量有多种分类的情况 9.4 包含一个定量变量：两个定性变量的回归模型 第九章 包含虚拟变量的回归模型 9.5 模型的推广 9.6 回归模型中的结构稳定性：虚拟变量法 9.7 虚拟变量在季节分析中的应用 9.8 小结 9.1 虚拟变量的性质 虚拟变量（dummy variable): 定性变量。一般取值为0，1。用符号D表示。 方差分析模型（ANOVA）： 解释变量仅是虚拟变量的模型。 协方差模型（ANCOVA）： 回归模型中的解释变量有些是定量的，有些是定性的。 9.1 虚拟变量的性质 我们来看下面的一个例子： Yi=B1+B2Di+ui (9-1) 其中， Y=初职年薪 假定随机扰动项满足古典线性回归模型的基本假定，根据模型（9-1）得到： 9.1 虚拟变量的性质 非大学毕业生的初职年薪的期望为： 大学毕业生的初职年薪的期望为： 用OLS法很容易检验零假设：大学教育没有任何益处（既B2=0），并可根据t检验值判定b2是否统计显著。 例9.1 大学毕业生和非大学毕业生的初职年薪 例9.1 大学毕业生和非大学毕业生的初职年薪 例9.2 工作权利对工会会员的影响 为了研究工作权利法的效果（该法使工会的劳资谈判合同合法化），Brennan等人建立了工会会员（属于工会的工人占所有工人的百分比）对工作权利法（1980年）的函数模型。这项研究包括了50个州，其中19个州制定了工作权利，31个州允许有工会会员制度。 例9.2 工作权利对工会会员的影响 回归结果如下： se=(1.00) (1.58) r2=0.4970 t=(26.68) (6.65) p值=(0.000) (0.000) 其中，Y—工会成员占工人的比例（1980） 9.2 包含一个定量变量：一个两分定性变量的回归模型 一个ANCOVA模型： Yi=B1+B2Di+B3Xi+ui (9-6) 其中，Yi—大学教师的年薪　Xi—教龄 　　Di＝ 9.2 包含一个定量变量：一个两分定性变量的回归模型 对模型（９-６）的解释如下： 　假定E(ui)=0,则 　女教师平均年薪： 　　　E(Yi|Xi, Di＝0)=B1+B3Xi 　男教师平均年薪： E(Yi|Xi, Di＝1)=(B1+B2)+B3Xi 图9-2 描绘了这两种不同的情况。（为了说明的方便，假定B10). 9.2 包含一个定量变量：一个两分定性变量的回归模型 9.2 包含一个定量变量：一个两分定性变量的回归模型 虚拟变量的一些性质： （1）一个虚拟变量足可以区分两个不同的种类。 一般的规则是：如果一个定性的变量有m类，则要引入（m-1）个虚拟变量。 9.2 包含一个定量变量：一个两分定性变量的回归模型 显然： D1=（1-D2）或D2=（1-D1） 也即D1 、D2完全共线性。此时无法得到参数的唯一估计值，陷入虚拟变量陷阱。 避免完全多重共线性。 9.2 包含一个定量变量：一个两分定性变量的回归模型 （2）虚拟变量的赋值是任意的。 （3）赋值为0的一类常成为基准类（base）、对比类（benchmark）、控制类（control）、遗漏类（omitted category） （4）虚拟D的系数成为差别截距系数,表明取值为1的类的截距值与基准类截距值的差距。 例9.3 实例一则：教师年薪与教龄、性别的关系。 例9.3 实例一则：教师年薪与教龄、性别的关系。 为了说明ANCOVA模型，我们来看表9-2中数据。 根据数据，得到的OLS回归结果如下： Yi =17.969+1.3707Xi +3.3336Di (9-10) se=(0.1919) (0.0356) (0.1554) t=(93.6120) (38.454) (21.455) R2=0.9933 例9.3 实例一则：教师年薪与教龄、性别的关系。 根据（9-10）的回归结果，可以推导出男女教师的平均年薪函数： 女教师平均年薪： 男教师平均年薪： 图9-2描绘了上述回归结果。 例9.4 不同规模报酬对产出的影响 9.3 虚拟变量有多种分类的情况 假定根据横截面数据，我们想要做个人假期旅游的年支出