[工学]8第八章包含虚拟变量的回归.pptVIP

第七章 包含虚拟变量的回归 目录 第一节 虚拟变量含义 第二节 虚拟变量设定 第三节 虚拟变量技术的特殊应用 作业 第一节 虚拟变量含义 P212 一、虚拟变量含义 二、方差分析模型 三、协方差模型(ANCOVA) 四、小结 返回 一、虚拟变量（dummy variable） 对某个定性因素人为赋值，成为能进入模型的变量。 例：解释薪酬差异，设以教育年限X1、工作经验(工作年数)X2 ，“性别”三个变量来解释 ：对于性别，设置虚拟虚拟变量D: =0,男性 ＝1女性 Y=b0+b1 X1 +b 2X2＋b3 D 当b3 能够通过t检验时，说明性别对薪酬有影响，即存在性别歧视 P213,例10-1:男女平均食品开支 Y^=3176.8-503.16D,其中虚拟变量D =0,男性 =1,女性 D=0,即取值为0的那一类称为基准类/基础类/参照类/比较类 返回 方差分析模型在其他社会科学中使用较多 二、方差分析模型（ANOVA）：特别的，当回归中解释变量都是虚拟变量时，此类模型称为方差分析模型。P212 Y=b0+b1 D1 +b 2D2＋…… 返回 三、协方差模型(ANCOVA) 解释变量有定性变量也有定量变量.(P217) Y=b0+b1 X1 +b 2X2＋b3 D 返回 四、小结 虚拟变量是一用以反映质的属性的一个人工变量，通常记为D。 虚拟变量D只取0或1两个值 设D=0,即取值为0的那一类称为基准类/基础类/参照类/比较类 虚拟变量引入模型，可以直接使用OLS，不会带来新的估计问题。返回 第二节 虚拟变量设定 一、虚拟变量设置原则 二、虚拟变量进入模型方式（补充） 返回 一、虚拟变量设置原则 1、模型中只有一个两分定性变量 2、模型中一个定性变量，该变量具有多种分类 3、小结 4、模型中有多个定性变量 返回 1、模型中只有一个两分定性变量p217 例如性别定性变量，只有两种分类，引入一个虚拟变量即可，设置虚拟变量D: =0，男性 ＝1，女性 不可引入两个虚拟变量，否则引起多重共线性 例题 P217 ，原例10-1，引入税后收入变量X Y^=1506.244-228.98D+0.06X，各系数均通过t检验 得： 女性的食品开支方程 Y^=1506.244-228.98+0.06X 男性的食品开支方程 Y^=1506.244+0.06X 两条样本回归线平行 返回 2、模型中一个定性变量，该变量具有多种分类，p218 即多分定性变量 假定根据横截面数据，我们做个人旅游支出Y对其收入X和学历的回归，学历这个定性变量，可分为： 中学以下、中学、大学三个层次， 如何设置虚拟变量？ 我们有如下选择 引入一个虚拟变量D D= 2，大学；=1，中学；=0，中学以下 回归方程为：Y=b0+b1 X1 +b2 D 引入三个虚拟变量 D1=1，大学；=0，其他 D2=1，中学；=0，其他 D3=1，中学以下；=0，其他 回归方程为： Y=b0+b1 X1 +c1D1 +c2 D2+ c3 D3 引入二个虚拟变量 D1=1，大学；=0，其他 D2=1，中学；=0，其他 Y=b0+b1 X1 +c1D1 +c2 D2 返回 3、小结 一个定性变量如果有m中类型，则应当引入m-1个虚拟变量。 一个2分定性变量只需引入一个虚拟变量 一个有3种类型的定性变量需要引入二个虚拟变量 因为：一个虚拟变量有二个取值， 本身可以代表二个类型 返回 4、模型中有多个定性变量 p221 例:性别、种族和教育年限一起解释薪酬 这里有两个两分定性变量，肤色和种族 可引入两个虚拟变量 例－性别、肤色和工龄、学历（3种类型）一起解释薪酬 性别、肤色分别引入2个虚拟变量，学历引入2个虚拟变量 例题 P221 10-18:性别、种族对收入的影响 Y-小时工资，X-教育年限 D2-=1(女性)；=0（男性） D3-=1（非白种人且非西班牙裔）；=0（其他） Y^=-0.26-2.36 D2-1.73 D3+0.80X 总结：每个定性变量所需引入的虚拟变量比该变量类型数少一。 返回 二、虚拟变量进入模型方式 1、“加法”方式-改变截距 2、“ 乘法”方式-改变斜率 3、加法方式、乘法方式混合进入模型 4、交互影响（交叉项） 返回 1、“加法”方式 ：Y=b0+b1 X1 +b2 D 加法方式意味着引入的虚拟变量或者说定性因素，仅对截距产生影响，对斜率没有影响 P217,10-8,加法方式引入性别虚拟变量意味着隐含一个假定： 男女的性别差异对边际消费倾向没有影响，为b1 。 即对斜率没有影响，仅对截距产生影响 返回 2、“ 乘法”方式 虚拟变量也会对斜率发生影响 Y=b0+（b1 ＋b2 D） X1