[经济学]第七章线性模型的扩展.ppt

第一节 模型的类型与变换 引言 许多实际问题中，变量之间的关系并不都是线性的。通常我们会碰到某些现象的被解释变量与解释变量之间呈现某种曲线关系。 菲利普斯曲线的线性化 引子：男女大学生的消费真有差异吗？ 对在校学生的消费行为的调查中，发现其消费行为呈现多元化的结构。人际交往消费、手机类消费、衣着类消费、化妆品类消费、电脑类消费、旅游类消费占较大比例，而食品类消费、学习用品类消费不明显。显然男女生在消费上存在差异。为了了解男女生的消费支出结构差异，应当如何建立模型？ 面临的问题：如何把男女生这样的非数量变量引入方程？ 问题的一般性描述 在前面讨论的回归模型中，涉及到的变量均为定量变量（可直接测量、数值型），如GDP/工资、收入、支出、销售量等. 在实际建模中，一些定性变量具有不可忽视的重要作用，例如，研究企业的销售水平时，产业属性（制造业、零售业）、所有制（私营、非私营）、地理位置（东、中、西部）、管理者的素质、不同的收入水平等是值得考虑的重要影响因素，但这些因素共同的特征是不可量化，是定性的。 在同时考虑定量和定性因素的条件下，依据现有的回归分析知识，如何对非定量因素进行回归分析？ 一、虚拟变量的基本含义 许多经济变量是可以定量度量的，如：商品需求量、价格、收入、产量等。 但也有一些影响经济变量的因素无法定量度量，如：职业、性别对收入的影响，战争、自然灾害对GDP的影响，季节对某些产品（如冷饮）销售的影响等等。 为了在模型中能够反映这些因素的影响，并提高模型的精度，需要将它们“量化”。 这种“量化”通常是通过引入“虚拟变量”来完成的。根据这些因素的属性类型，构造只取“0”或“1”的人工变量，通常称为虚拟变量（dummy variables），记为D。 例如，反映文程度的虚拟变量可取为： 1， 本科学历 D= 0， 非本科学历 二、虚拟变量的选取和设置规则 三、虚拟解释变量的回归 在计量经济学中，通常引入虚拟变量的方式分为加法方式和乘法方式。即： 实例1 研究居民住房消费支出Y和居民可支配收入X之间的数量关系时，回归模型设定为： 实例2 实例3 概念： 同时含有一般解释变量与虚拟变量的模型称为虚拟变量模型 一个以性别为虚拟变量考察企业职工薪金的模型： 几何意义： 可以通过传统的回归检验，对?2的统计显著性进行检验，以判断企业男女职工的平均薪金水平是否有显著差异。 还可将多个虚拟变量引入模型中以考察多种“定性”因素的影响。 如在上述职工薪金的例中，再引入代表学历的虚拟变量D2： 练习：在横截面数据基础上，考虑个人保健支出对个人收入和教育水平的回归。 教育水平考虑三个层次：高中以下，高中， 大学及其以上。 在E(?i)=0 的初始假定下，高中以下、高中、大学及其以上教育水平下个人保健支出的函数： 高中以下： 这里，虚拟变量D以与X相乘的方式引入了模型中，从而可用来考察消费倾向的变化。 假定E(?i)= 0，上述模型所表示的函数可化为： 当截距与斜率发生变化时，则需要同时引入加法与乘法形式的虚拟变量。 考察1990年前后的中国居民的总储蓄-收入关系是否已发生变化。 下表中给出了中国1979~2001年以城乡储蓄存款余额代表的居民储蓄以及以GNP代表的居民收入的数据。 以Y为储蓄，X为收入，可令： 1990年前：Yi=?1+?2Xi+?1i i=1,2…,n1 1990年后：Yi=?1+?2Xi+?2i i=1,2…,n2 则有可能出现下述四种情况中的一种： ?1=?1 ，且?2=?2 ，即两个回归相同， 称为重合回归（Coincident Regressions）； (2) ?1??1 ,但?2=?2 ，即两个回归的差异仅在其截距，称为平行回归（Parallel Regressions）; (3) ?1=?1 ，但?2??2 ，即两个回归的差异仅在其斜率，称为汇合回归(Concurrent Regressions)或共点回归； (4) ?1??1，且?2??2 ，即两个回归完全不同，称为相异回归（Dissimilar Regressions）或不同回归。 这一问题也可通过引入乘法形式的虚拟变量来解决。 将n1与n2次观察值合并，并用以估计以下回归： 在统计检验中，如果?4=