高铁梅计量经济学课件.ppt

对206名雇员的样本所进行的研究得到的回归结果为（括号内是t统计量的值）： （22.10）（-3.86） R2 = 0.068 D.W.=1.79 反映雇员性别的虚拟变量SEX在显著性水平 5%下显著。因为工资的总平均是9.60美元，该虚拟变量告诉我们，妇女的平均工资为8.12美元，或比总平均低1.48美元。 在回归模型中加入年龄AGE和受教育年数ED以及种族或民族，性别虚拟变量仍然是显著的： （-3.38) (-4.61) (8.54) (4.63) (-1.07) (0.22) R2=0.367 D.W.=1.78 最后考虑年龄AGE与工资W之间非线性关系的可能性时，男女差别还是显著存在的。这一点可以由下列回归结果看出： (-4.59) (-4.50) (7.98) (-1.22) (0.28) (3.87) (-3.18) R2=0.398 D.W.=1.75 这个回归模型的年龄AGE项说明，在其他条件不变的情况下，雇员的工资率随着他的年龄的增长而增长（系数为0.62），但是增加的速度越来越慢（-0.0063）。进一步的研究表明，工资在雇员的年龄为42.9岁时达到最大，之后逐年下降。 例3.7 季节虚拟变量 当使用含有季节因素的经济数据进行回归分析时，可以对数据进行季节调整消除原数据带有的季节性影响，也可以使用虚拟变量描述季节因素，进而可以同时计算出各个不同季度对经济变量的不同影响。如果用虚拟变量，这时包含了4个季度的4种分类，需要建立3个虚拟变量。用Qi表示第i个季度取值为1，其他季度取值为0的季节虚拟变量，显然Q1 + Q2 + Q3 + Q4 = 1 ，如果模型中包含常数项，则只能加入Q1，Q2，Q3 ，否则模型将因为解释变量的线性相关而无法估计，即导致虚拟变量陷阱问题。当使用月度数据时，方法与上述类似，但需要有11个虚拟变量。 图3.1-1 社会消费品零售总额RS 图3.1-2 GDP 通过图3.1，可以看出1995年1季度～2003年1季度的季度GDP和社会消费品零售额RS存在明显的季节因素（数据见附录E表E.4），GDP通常逐季增加，也有一些年份中第二季度高于第三季度。RS在第一季度增加，第二季度减小，第三季度略有上升，第四季度达到高峰。 下面利用季度数据对我国的国民生产总值GDP和社会消费品零售额RS进行回归分析，分别考虑不包含和包含虚拟变量的情形。不包含虚拟变量的回归结果为 （3.3.9） t = (1.44) (9.11) R2= 0.73 D.W. =1.64 使用虚拟变量的回归方程结果为 t = (-6.31) (12.06) (5.36) (4.97) (24.49) （3.3.10） R2= 0.96 D.W. = 1.83 可以看出包含虚拟变量的方程明显地改进了拟合能力。这种季节调整方法是以季节变动要素不变并且服从于加法模型为前提，否则应该首先运用X-12或其他方法对数据进行季节调整。 图3.2 RS的实际曲线（实线）和拟合曲线（虚线）(左、右图分别由式 (3.3.9)，(3.3.10)得到) §3.7 估计中存在的问题 如果自变量具有高度共线性，EViews 在计算回归估计时会遇到困难。在这种情况下，EViews会产生一个显示