计量经济学--虚拟变量模型-精选版.pptVIP

（5.24） * 式(5.24)中, Ct和At分别表示居民的食品消费和居民的收入, D1 , D2 ， D3 , D4 ， D5是虚拟变量，分别表示性别因素、年龄因素和学历因素。性别因素只有两个特征男和女，设一个虚拟变量D1 。 * 年龄分为三个层次，25岁以下、25到50岁和50岁以上，设二个虚拟变量D2和D3 。受教育程度分为三个层次,初中以下、高中和高中以上,设二个虚拟变量D4 和D5 。模型中还有虚拟变量之间的乘积，考虑了截距项的各种变化可能。 * Di取值不同，截距不同，如： 其余的依次类推。 β6 和 β7 为性别和年龄层次的相互影响系数。采用通常的统计检验方法对各种可能的情况进行检验。 * 例如，如果 β1 在统计上显著说明性别这个质的因素会明显影响食品的消费量。同时， β2 在统计上显著，就表明25岁以下居民在食品消费上和别的层次的居民是有显著差异的，那么年龄也会是个很重要的影响因素。 * 上述假定虚拟变量仅仅影响回归模型的截距，由此可以推广到更一般的情形，也就是虚拟变量同时改变回归模型的截距和斜率，那样考虑得更周全，但是也会更复杂，在这里我们不作讨论。 * 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。 * 一 、截距变动模型和斜率变动模型 （一）包含一个虚拟变量的截距变动模型 假设只有一个定性因素影响被解释变量的变化，而且这个因素仅有两种特征，这时候只需要引入一个虚拟变量。 * 例5.1描述了一个包括正常年份和非正常年份（亚洲金融危机或SARS的影响）居民消费的样本，并建立了虚拟变量计量模型。 * 对 β1 作t 检验，若 β1 显著地不为0，我们就认为正常年份和非正常年份居民在消费行为上的差异是明显的。若 β1 0，则正常年份的居民消费水平高于非正常年份的居民消费水平。 利用最小二乘法对式（5.1）进行估计，可得到 （5.6） * （二）斜率变动模型 在实际问题中，斜率单独变动出现的情形一般比较少，它指的是改变了变动的速率也就是弹性。 例如城镇居民家庭与农村居民家庭的消费函数， 在边际消费倾向（斜率）上可能会有所不同，假设它们的消费函数在截距项没有区别。 * 那么回归模型可记为 （5.7） 其中，Yi=第个家庭的消费水平，Xi=第个家庭的收入水平， * 式（5.7）可以表示为 （5.8） （5.9） * （三）包含多个虚拟变量的截距变动模型 如