2018年虚拟变量回归-精心整理.ppt

t t t t t X D X C ? ? ? ? ? ? ? ? 2 1 0 ? 这里，虚拟变量 D 以与 X 相乘的方 式 引入了模型中， 从而可用来考察消费倾向的变化。 如设 ? ? ? ? 0 1 t D 反常年份 正常年份 消费模型可建立如下： ? 假定 E( ? i )= 0 ， 上述模型所表示的函数可化为： 正常年份： t t t t X D X C E ) ( ) 1 , | ( 2 1 0 ? ? ? ? ? ? ? 反常年份： t t t t X D X C E 1 0 ) 0 , | ( ? ? ? ? ? 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。下表给出了中国 1979~2001 年以城乡储蓄存款 余额代表的居民储蓄以及以 GNP 代表的居民收入的数据。 表 5.1.1 1979~2001 年中国居民储蓄与收入数据（亿元） 90 年前 储蓄 GNP 90 年后 储蓄 GNP 1979 281 4038.2 1991 9107 21662.5 1980 399.5 4517.8 1992 11545.4 26651.9 1981 523.7 4860.3 1993 14762.4 34560.5 1982 675.4 5301.8 1994 21518.8 46670.0 1983 892.5 5957.4 1995 29662.3 57494.9 1984 1214.7 7206.7 1996 38520.8 66850.5 1985 1622.6 8989.1 1997 46279.8 73142.7 1986 2237.6 10201.4 1998 53407.5 76967.2 1987 3073.3 11954.5 1999 59621.8 80579.4 1988 3801.5 14922.3 2000 64332.4 88228.1 1989 5146.9 16917.8 2001 73762.4 94346.4 1990 7034.2 18598.4 以 Y 为储蓄， X 为收入，可令： 1990 年前： Y i = ? 1 + ? 2 X i + ? 1i i=1,2 … ,n 1 1990 年后： Y i = ? 1 + ? 2 X i + ? 2i i=1,2 … ,n 2 则有可能出现下述 四 种情况中的一种： 1. ? 1 = ? 1 ，且 ? 2 = ? 2 ，称为 重合回归。 2. ? 1 ?? 1 , 但 ? 2 = ? 2 ，差异仅在其截距，称为 平行回归。 3. ? 1 = ? 1 ，但 ? 2 ?? 2 ，差异仅在其斜率，称为 同截距回归 4. ? 1 ?? 1 ，且 ? 2 ?? 2 ，两个回归完全不同，称为 非相似回归。 虚拟变量模型的应用 ? 虚拟变量是一个能处理一系列有趣问 题 的灵活工 具。虚拟变量模型的应用包括： ? 结构变化的检验 ? 虚拟变量的交互效应 ? 分段线性回归 ? 时间序列数据中的季节调整 36 1. 回归模型比较 —— 结构变化的检验 回顾： 邹氏参数稳定性检验 可以检验模型结构是否发生了变化 : 结构无变化 作受约束模型；结构变化 作无约束 模型 邹氏检验只能检验模型结构是否发生变化，不能说明具体变 化了多少，也不能说明究竟是截距变化还是斜率变化。 例如：怎样说明以下变化呢 ? 1 2 1 2 ( ) [ ,( 2 )] ( 2 ) U R U k F F k n n k n n RSS RSS R S k S ? ? ? ? ? ? ? ? ? 重合回归 平行回归 同截距（共点）回归 非相似（不同 ) 回归 ? ? ? 36 幸运 37 结构变化的检验 模型 基础类型： 对比类型： 可看出： 以加法引入虚拟变量 D 的系数是截距的差异系数， 以乘法引入虚拟变量 D 的系数是斜率的差异系数 用 t