第五节 虚拟变量模型(蓝色).ppt

* 【例5.4】在1979年以前，我国居民的消费支出呈缓慢上升的趋势，从1979年开始，居民消费支出为快速上升趋势。显然，1979年是一个转折点，即 X*=1979。于是，可以用以下模型描述我国居民在1955年至1985年期间消费支出的变动趋势。 * （5.40） 式中，Yt为某年的消费支出，t为年份 （t=1955，1956，…，1985）, D为虚拟变量，满足 （5.41） * 于是，两个不同时期的消费趋势为 （5.42）（5.43） 在1979年以前，回归模型的斜率是β1 ，而在1979年之后回归模型的斜率则为(β1+β2)。如果在β2 统计上是显著的，则表明1979年以后消费支出趋势发生了明显变化。 * 【例5.5】例5.4中X只有一个转折点，但在某些情况下，解释变量存在多个转折点。例如，职工收入与职工年龄有关。一般而言，年龄大的职工收入高于年龄小的职工。但是，在不同年龄段收入与年龄的关系是不同的。为了方便，我们仅考虑3个年龄段：18岁以下、18岁至22岁、22岁以上。 * 显然，18岁和22岁都是转折点。事实上，18岁和22岁分别为多数人的高中及大学毕业年龄。因此，不同年龄段实际上也代表不同文化水平。 设Yi为收入，Xi为年龄， =18， =22，可以建立以下回归模型 * 其中，D1和D2都是虚拟变量，而且有 （5.44） 假定E(ui)=0，我们有 * 这里, β1 为18岁年龄段以下的斜率，( β1+β2 )和（β1+β3 ）分别为18岁到22岁和22岁以上年龄段的斜率。 （5.45） * END * 第三节 变参数模型和分段回归 一、变参数模型 从上一节的讨论可知，由于引入了虚拟变量，回归模型的截距或斜率不再是固定不变的。但是模型中参数的变化是离散的，而不是连续的。 * 例如，在式（5.20）中，只是假定在1979年以前和1979年以后两个时期城镇居民有不同的消费行为，也就是说，回归模型的截距和斜率并不是每年都发生变化。变参数模型是虚拟变量模型的推广，它认为回归模型的截距或斜率会随着样本观察值的改变而系统地改变。 * （一）截距变动模型 系统变参数模型也可以分为截距变动模型和截距、斜率同时变动模型。设线性回归模型为 (5.25) * 式中，X=解释变量，Y=被解释变量。如果的变化为非随机的，而且这种变化完全由外生变量决定，那么式（5.25）就是一个非随机变参数模型。 * 我们观察到截距项和我们前面的虚拟变量模型的截距项有所不同，下面多了一个下标t。这就是说，虽然回归模型斜率在整个样本时期保持不变，但是截距项是随着时间的变化而变化的。 * β1t定义如下 （5.26） 式中，α0和α1 为我们要求的参数，也可以称为“超参数”，Zt 是用来解释 β1t 变动情况的外生变量将式（5.26）代入式（5.25）中，整理得到 * （5.27） 可用最小二乘法对式（5.27）中的超参数和其它参数一并进行估计。如果Zt 为虚拟变量，那么式（5.27）就是一个虚拟变量模型，而且是一个截距项变动斜率不变的模型。因此，虚拟变量模型是变参数模型的一种特殊形式。 * （二）截距和斜率同时变动模型 和虚拟变量模型的思路一样，再来讨论斜率和截距同时存在系统变动的情况。我们只需要在式（5.27）的基础上进行改进。将换为，且假定有如下关系式： （5.28） * 将式（5.28）代入式（5.27），则有 （5.29） * 以上模型只假定 β1t 和 β2t 存在系统变化，实际上还有很多参数都可能存在这种变化，甚至可能存在β1t 和 β2t 等系数有可能不是线性变化的，也就是说超参数本身可能不为常数。这种情况只是在理论上提出来，实际操作会因为太复杂而没有太多的应用。 * 用最小二乘估计得到式（5.29）中的参数估计值后，就可以对参数是否存在系统变化进行统计检验。如果α1和b1在统计上不显著，就可以把 β1和 β1看作常数；否则，我们认为 β1 和 β2 存在系统变化。 * 显然，如果错误地把 β1 和β2 当作常数，就等同于错误地解释了经济变量之间的关系。此外，由于相当于省略了重要的解释变量 Zt 和 Wt ，还可能会产生自相关等问题。 * （三）应用案例 【例5.3】众所周知，我国居民的消费行为在经济体制改革开放前后存在巨大差异。但是，在这期间居民的消费行为是否也在不断变化？我国的经济体制改革走的是一条渐进的道路，与居民消费有关的诸多因素必然会