计量经济学第二版第8章虚拟变量.pptVIP

①若定性因素具有 个 相互排斥属性(或几个水平)，当回归模型有截距项时，只能引入 个虚拟变量； ②当回归模型无截距项时，则可引入 个虚拟变量；否则，就会陷入“虚拟变量陷阱 虚拟变量数量的设置规则 （2）多个因素各两种类型 如果有m个定性因素，且每个定性因素各有两个不同的属性类型，则引入 m 个虚拟变量。 例如，研究居民住房消费函数时，考虑到城乡的差异以及不同收入层次的影响，将消费函数取成： yi=a+bxi+α1D1i+α2D2i +εi 其中y ,x分别是居民住房消费支出和可支配收入，虚拟变量设为： 这样可以反映各类居民家庭的住房消费情况： 农村居民 城镇居民 高收入家庭 低收入家庭 城市低收入家庭 (D1=0，D2=0) 城市高收入家庭 (D1=0，D2=1) 农村低收入家庭 (D1=1，D2=0) 农村高收入家庭 (D1=1，D2=1) 思考：若是多因素、多个属性水平的问题，如何设置？ 三、虚拟变量的特殊应用 （一）调整季节波动 按季节或按月份数据的许多经济时间序列呈现有季节模式。例如冷饮的销售、服装的销售、收成季节的农产品价格等都具有很强的季节特点。我们常常要从一个时间序列里除掉季节成因或成分，以便我们进一步集中分析其他的影响因素。从一个时间序列中剔除季节因素的方法称为季节调整，得到的序列称为季节调整序列。对一个时间序列进行季节调整的方法很多，其中一个重要方法就是设置虚拟变量。 例如，用季度数据分析某公司利润y与销售收入x之间的相互关系时，为研究四个季度的季节性影响，引入三个虚拟变量（设第1季度为基础类型）： 利润函数可取为 ： Yi=a+bxi+ α1D1i+ α2D2i + α3D3i + εi 则系数a、α1、α2、α3分别反映了一、二、三、四季度对利润的平均影响程度，根据这些系数的t检验可以判断季节因素对利润是否显著影响。 第i+1季度 i=1,2,3 其他季度 （二）检验模型结构的稳定性 当我们利用不同的样本数据（不同时期或空间）估计同一性质问题的计量经济模型，可能会得到不同的估计结果。如果估计的参数之间存在着显著差异，则称模型结构是不稳定的，反之则认为是稳定的。 作用：模型结构的稳定性检验既可以用来检验样本的敏感性（多重共线性），又可以比较两个（或多个）回归模型结构是否发生显著变化，即分析模型结构是否发生变化。 检验方法： 方法一（皱检验）：对样本1、样本2分别回归 样本1： Yi=a1+b1xi +εi 样本2： Yi=a2+b2xi +εi 比较a1和a2、b1和b2之间是否有显著性差异。 这种方法只能知道样本1和样本2估计结果是否变化，并不知道是截距还是斜率或二者都变化 方法二：设置虚拟变量 设根据两个样本估计的回归模型分别为： 样本1： Yi=a1+b1xi +εi 样本2： Yi=a2+b2xi +εi 合并数据估计模型：Yi=a1+b1xi+(a2-a1)Di+(b2-b1)XDi+εi 其中，XDi=xi*Di。 样本2 样本1 设置虚拟变量： 利用t检验判断D、XD系数的显著性，得到四种检验结果： （1）a2=a1，b2=b1，两个回归模型没有显著差异。 （2）a2≠a1，b2=b1，两个回归模型之间的差异仅仅表现在截距上。 （3）a2=a1，b2≠b1，两个回归模型的截距相同，但斜率存在显著差异。 （4）a2≠a1，b2≠b1，表明两个回归模型完全不同。 第（1）种情况下模型结构是稳定的，其余情况都表明模型结构不稳定。 重合回归 平行回归 汇合回归 相异回归 不同截距、斜率的组合图形 重合回归：截距斜率均相同 平行回归：截距不同斜率相同 共点（汇合）回归：截距相同斜率不同 交叉（相异）回归：截距斜率均不同 问题： ①本例中，平行、共点回归、不同的回归三模型的经济学背景解释是什么？ ②如何进行结构变化判断？ ③是否可对样本1和样本2分别进行 OLS 估计？为什么？ ④若分别对样本1和样本2进行 OLS 估计应注意什么？（样本容量尽可能多，否则自由度少，影响估计精度） 虚拟变量与邹检验比较优越性 只要做一个回归 可做各种检验（四种结构变化） 邹检验不能说明具体差异 合并增加自由度 （三）交互效应分析 交互作用: 一个解释变量的边际效应有时可能要依赖于另一个解释变量。为此，