10 虚拟变量问题.pptVIP

* * * * * * * * * §2.10 虚拟变量问题 虚拟变量的基本含义 虚拟变量的引入 虚拟变量的设置原则 一、 虚拟变量的基本含义 可以定量度量的经济变量； 无法定量度量的经济变量； “量化”问题 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，反映文化程度的虚拟变量可取为： 企业薪金模型: 其中：Yi为企业职工的薪金，Xi为工龄， Di=1，若是男性， Di=0，若是女性。 一般地，在虚拟变量的设置中： 基础类型、肯定类型取值为1； 比较类型，否定类型取值为0。 概念： 一个回归模型所包含的解释变量都是虚拟变量或定性变量，这种模型称为方差分析（analysis-of variance: ANOVA）模型。同时含有一般定量解释变量与虚拟变量的模型称为协方差分析模型( analysis-of covariance: ANCOVA)，也可称之为虚拟变量模型。 二、虚拟变量的引入 虚拟变量做为解释变量引入模型有两种基本方式：加法方式和乘法方式。 企业男职工的平均薪金为： 1. 加法方式 在企业职工薪金模型 中，如果仍假定E(?i) = 0，则，企业女职工的平均薪金为： 几何意义： 企业男职工的平均薪金为： 企业女职工的平均薪金为： ?2 ?0 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。 如在企业职工薪金的例中，再引入代表学历的虚拟变量D2： 职工薪金的回归模型可设计为： 女职工本科以下学历的平均薪金： 女职工本科以上学历的平均薪金： 不同性别、不同学历职工的平均薪金分别为： 男职工本科以下学历的平均薪金： 男职工本科以上学历的平均薪金： 2. 乘法方式 加法方式引入虚拟变量，考察：截距的不同， 许多情况下：往往是斜率有变化，或斜率、截距同时发生变化。 例：根据消费理论，消费水平C主要取决于收入水平Y， C =α+βY +μ 消费倾向的变化可通过在收入的系数中引入虚拟变量来考察。 假定E(?t) = 0，上述模型所表示的函数可化为： 正常年份： 反常年份： 可建立如下消费模型： 其中： 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。 例，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。 以Y表示储蓄，X表示收入，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=?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)； (4) ?1??1，且?2??2 ，即两个回归完全不同，称为相异回归（Dissimilar Regressions）。 可通过引入加法和乘法形式的虚拟变量来解决这一问题。 将n1与n2次观察值合并，估计以下回归： 于是有： 分别表示1990年后期与前期的储蓄函数。 Di为引入的虚拟变量: Dependent Variable: SAVE Method: Least Squares Sample: 1980 2001 Variable Coefficient Std. Error t-Statistic Prob.?? C 1535.030 1094.921 1.401955 0.1779 GNP 0.074710 0.016790 4.449627 0.0003 D1 -1981.866 1433.745 -1.382300 0.1838 D1*GNP 0.031922 0.085463 0.373515 0.7131 R-squared 0.862854 ????Mean dependent var 3340.064 Adjusted R-squared 0.839996 ????S.D. dependent var 3335.840 S.E. of