第9章 虚拟变量.pptVIP

第9章 虚拟变量 主要内容 第一节 两种分类的虚拟变量 第二节 多种分类的虚拟变量 第三节 虚拟变量对斜率的影响 第四节 季节调整的例子 第一节 两种分类的虚拟变量 第二节 多种分类的虚拟变量 第三节 虚拟变量对斜率的影响 第四节 季节调整的例子 * 信息系刘康泽 * 中南财经政法大学刘康泽 前面我们考虑的变量都是可度量的，即为定量变量。但是经济变量有时却是定性变量，如性别，教育程度，季节等，这些变量我们把它称为虚拟变量。 引例：假设某公司第i名员工的月工资为yi，另外定义一个虚拟变量D，取值为1时表示男性员工，取值为0时表示女性员工，现在我们忽视其他的变量对工资的影响，设模型为 假设随机误差项满足经典回归假设，则 此模型称为方差分析模型（ANOVA）。 其中 为女性员工的平均工资， 为男性员工和女性员工平均工资之差。 现在我们加入一个定量变量x（比如工作年限），此时模型为： 如果回归效果是显著的，则说明员工工资的性别歧视这一假设是成立的。 在上述工资模型中如果我们考虑的是员工的受教育程度，比如可以将员工的分为：高中，本科和研究生三种。如果虚拟变量设为 高中毕业 其他 本科毕业 其他 研究生毕业 其他 则 将会出现多重共线性，因此我们需要去掉一个虚拟变量。 假设模型为： 本科 其他 研究生 其他 高中： 本科： 研究生： 模型变为： 估计出的回归方程为： 因此在虚拟变量的设定中，虚拟变量的个数总是小于分类的数量，比如我们要考虑季节差别时，将设定3个虚拟变量，考虑月差别就需要11个虚拟变量。 在工资的例子中，需要检验 在男性和女性之间的不同，我们假设截距 不变，模型（通常称为协方差分析模型）设为： 男性 女性 女性： 男性： 估计的回归方程： 如果截距和斜率都发生了改变，模型为： 女性： 男性： 估计的回归方程： 上述两个模型中，斜率的变化实际上是变量x的参数发生了变化，这种变化称作结构性变化。 1.0 1.5 2.0 2.5 3.0 3.5 4.0 90 91 92 93 94 95 96 97 98 99 00 01 02 GDP 按月份或季节的许多时间序列数据呈现有季节模式，我们在作分析时，常常需要去掉由于季节的变化对时间序列的影响，这种方法称为季节调整。 春季 其他 夏季 其他 秋季 其他 引入虚拟变量：