第10章_虚拟变回归模型.pptVIP

虚拟变量回归模型 * 虚拟变量的性质 因变量受到一些定性变量的影响 如：性别、种族、季节、不同历史时期等 这类定性变量称为虚拟变量(dummy variables) 用Ｄ表示虚拟变量 虚拟变量的取值通常为0和1? ?虚拟变量—定性变量或分类变量 令Ｙ＝年薪，建立如下模型： 男性就业者的平均年薪： 女性就业者的平均年薪： 如果B2 =0 ？ 说明不存在性别歧视 例1: 建立模型研究女性在工作中是否受到歧视 定义一个虚拟变量： 如果B2 ＜0 ？ 说明存在性别歧视 * 包含一个定量变量、一个定性变量的回归模型 （一）加法模型 例1，再引入一个变量 Ｘ＝工作年限 建立如下模型： 如果B3 =0？ 说明不存在性别歧视 男性就业者的平均年薪： 女性就业者的平均年薪： 如果B3 ＜0 ？ 说明存在性别歧视。 * 虚拟变量只影响截距不影响斜率——加法模型 * 如果随着工龄增加，男性与女性的年薪差距发生变化，则模型设为 （二）乘法模型 图2描绘了男性年薪增加较快的情况。 虚拟变量只影响斜率而不影响截距的模型为乘法模型 * （三）混合模型 加法模型和乘法模型的结合: 用来表示截距和斜率都发生变化的模型，称为混合模型。 例P76 * 有多种分类情况下虚拟变量的应用 例2、研究本科生、研究生和MBA毕业生的初职月薪有何差异。 按照学历标准，有三类人员 需引入两个虚拟变量 * 表1:本科生、研究生和MBA毕业生的初职月薪 单位：人民币元 数据见表1 Y＝初职月薪 * 根据表1的数据得OLS回归结果如下： t= (4.45) (4.52）（15.59) 截距项: 本科生的平均初职月薪，研究问题的基准类； D1的系数: 研究生与本科生平均初职月薪的差额； D2的系数: MBA毕业生与本科生平均初职月薪的差额。 * 引入的虚拟变量个数应该比研究的类别少一个，否则就会造成完全多重共线，即通常说的虚拟变量陷阱。 * 包含一个定量变量、两个定性变量的回归模型 例3：研究的问题中需要按不同标准引入多个定性变量 例:研究大学教师的年薪是否受到性别、学历的影响。 按性别标准教师分：男、女两类 引入一个虚拟变量； 按学历标准大学教师分：大学本科、研究生、博士三类 引入两个虚拟变量 总计需要引入三个虚拟变量： * 年薪与教龄的关系 本科女教师 本科男教师 研究生女教师 研究生男教师 博士女教师 博士男教师 分析的基准类 本科女教师 B3 ： 性别差异系数 B4： 研究生与本科生的收入差异 B5 ： 博士与本科生的收入差异； B4 、B5 学历差异 从上面分析结果可以得到各类别教师收入间的差异。 令Y=年薪， X=教龄，建立模型如下： E(Yi) =B1 +B2 Xi E(Yi) =（B1 +B3）+B2 Xi E(Yi) =（B1 +B4 ）+B2 Xi E(Yi) =（B1+B3+B4）+B2 Xi E(Yi) =（B1 +B5 ） +B2 Xi E(Yi) =（B1+B3+B5）+B2 Xi * 虚拟变量在季节分析中的应用 每个季节的消费不同 事实真的如此？如何验证？ 虚拟变量的引入与定义： 一年四季，引入三个虚拟变量 建立模型 * 回归模型中的结构稳定性检验 建立模型来拟合经济发展出现转折的情况 * 回归模型中的结构稳定性检验 建立模型来拟合经济发展出现转折的情况 回归方程为 * 回归模型中的结构稳定性：虚拟变量法 进口商品支出回归方程为 两条不同时期的直线在转折点连起成为一条折线。 * 用OLS法估计得到 做假设检验：H0：b3=0，H1：b3 ?0 如果拒绝原假设，说明存在结构变化。 * 虚拟变量的交互影响 婚姻状况与性别对工资的影响 married:已婚取1 famle:女性取1 * * 图1表明男女就业者的平均年薪对工龄的函数具有相同斜率β1 ，即随着工龄的增长男女工资的增长幅度相同；截距不同，说明男女的初始年薪不同。 * 所有回归数的符号与预期的一致。 模型表明: 研究生的初职月薪比本科生高143.5%。MBA毕业生的初值月薪比本科生高494.8％；MBA毕业生的初职月薪比研究生高144.2％。从这三个层次毕业生的初职月薪可以看出他们的竞争能力。模型的示意图如下。 * 未讲 * 未讲 * 未讲 * * 图1表明男女就业者的平均年薪对工龄的函数具有相同斜率β1 ，即随着工龄的增长男女工资的增长幅度相同；截距不同，说明男女的初始年薪不同。 * 所有回归数的符号与预期的一致。 模型表明: 研究生的初职月薪比本科生高143.5%。MBA毕业生的初值月薪比本科生高494.8％；MBA毕业生的初职月薪比研究生高144.2％。从这三个层次毕业生的初职月薪可以看出他们的竞争能力。模型