第6章 虚拟变量回归模型(最新).ppt

五、因变量是虚拟变量：线性概率模型 此处主要讨论作为因变量的虚拟变量是二分变量（或二元变量），即因变量只有两种情形，如，人的性别为“男”、“女” 考试分为“及格”、“不及格”，等等。 如教材中第149页， 举例：房子获得贷款与个人年收入模型 Y=B1+B2X+μ 其中，Y=1,表示申请到房贷；Y=0，表示没有申请到房贷 则斜率系数B2的含义： 自变量 变动一个单位，引起的y=1的概率的变化。 线性概率模型存在的问题 1、虽然因变量赋值为1或0，但无法保证其估计值介于0，1之间； 2、由于因变量是二分变量，则误差项也是二分变量，故只能假设随机项服从二项分布； 3、误差项是异方差的； 4、由于因变量赋值为1或0，所以判定系数R2没有实际意义。 总结 引入虚拟变量需要注意三点： 若回归模型中包含了截距项，则引入虚拟变量的个数必须比该虚拟变量的分类少一个（因为取值为0的已经设置为基准类，或比较类） 虚拟变量系数的解释与基准类有关 因为引入模型的虚拟变量有多个分类，必将消耗大量的自由度。 一个实际案例：虚拟变量回归分析 根据我国1998年城镇居民不同收入层次（8个层次）人均收入与彩电每百户拥有量统计资料回归结果如下： 其中：Y：彩电每百户拥有量，X为收入层次，D1=（1：中高收入家庭；0：低收入家庭） （资料来源：赵卫亚：计量经济学，上海财经大学出版社，P125） 样本数据回归结果 Dependent Variable: Y Method: Least Squares Date: 05/08/07 Time: 11:24 Sample: 1 8 Included observations: 8 Variable Coefficient Std. Error t-Statistic Prob. C 57.61132 3.545435 16.24944 0.0001 X 0.011852 0.001313 9.028053 0.0008 D1 31.87305 3.831027 8.319716 0.0011 XD -0.008754 0.001328 -6.593044 0.0027 R-squared 0.996374 Mean dependent var 102.6875 Adjusted R-squared 0.993654 S.D. dependent var 13.38747 S.E. of regression 1.066439 Akaike info criterion 3.273379 Sum squared resid 4.549164 Schwarz criterion 3.313100 Log likelihood -9.093516 F-statistic 366.3741 Durbin-Watson stat 2.292063 Prob(F-statistic) 0.000025 回归模型解释 低收入家庭： 高收入家庭： 由此可以看出，我国城镇居民家庭1998年彩电消费需求的特点： 对于低收入家庭（即人均年收入在3300元以下）彩电需求量随着收入水平的提高而快速上升，即人均年收入每增加1000元，彩电每百户拥有量将平均增加12台（即0.0119*1000=11.9=12）； 对于中高收入家庭（即人均年收入在4100元以上）虽然彩电需求量随着收入水平的提高也在增加，但增速趋缓，即人均年收入每增加1000元，彩电每百户拥有量平均只增加3台（即0.003*1000=3）。事实上，当时的1998年，我国城镇居民中高收入家庭的彩电普及率已经达到100%，所以，对彩电的消费需求已经处于更新换代阶段。 第五章 简要总结:各模型的斜率值B2含义 线性回归模型:解释变量每变动一个单位,被解释变量变动的绝对量(B2) 双对数模型:解释变量每变动一个百分点,被解释变量变动的百分数(B2) 对数-线性模型:解释变量每变动一个单位,被解释变量均值的(瞬时)增长率(100B2)(或称平均增长率） 线性-对数模型:解释变量相对变动一个百分点,被解释变量变动的绝对量(0.01B2) 倒数模型:解释变量的倒数每变动一个单位,被解释变量变动的绝对量(B2) 第