第九章含虚拟变量的回归模型.docx

PAGE PAGE 1 / 15 第九章 含虚拟变量的回归模型 目前为止，在已学习的线性回归模型中，解释变量 X都是定量变量。但有时候，解释变量是 定性变量 。 虚拟变量的性质 通常在回归分析中， 应变量不仅受一些定量变量的影响， 还受一些定性变量的影响 ( 性别、种族、肤色、宗教、民族、罢工、政团关系、婚姻状况 ) 。 如： 美国黑人的收入比相应的白人的收入低。 女学生的 S.A.T. 的数学平均分数比相应的男生低。 女性，黑人或白人， 女性，黑人或白人， 佛教徒或非佛教徒， 本国公民或非本国公民。 把定性因素“定量化” 的一个方法是建立人工变量，并赋值 0和1，0表示变量不具备某种属性， 1表示变量具备某种属性，该 变量称为 虚拟变量 (dummy variable) ，用符号 D表示。 虚拟变量一样可用于回归分析， 一个回归模型的解释变量可以仅仅是虚拟变量，称为 方差分析模型 ( ANOVA ) 。 Yi = B1 + B2Di + ui ( 9 - 1 ) 其中Y = 初职年薪 Di Di =1 ，大学毕业 =0，非大学毕业 假定随机扰动项满足古典线性回归模型的基本假定， 根据模 型( 9 - 1 ) 得到： 非大学毕业生的初职年薪的期望为： E(Yi ｜ Di=0) = B1 + B2( 0 ) = B1 ( 9 - 2 ) 大学毕业生的初职年薪的期望为： E(Yi ｜ Di=1) = B1+B2( 1 ) = B1+B2 ( 9 - 3 ) 可以看出： 截距B1表示非大学毕业生的平均初职年薪， “斜率” 系数B2表明大学毕业生的平均初职年薪与非大学生 的差距是多少； (B1+B2) 表示大学毕业生的平均初职年薪。 零假设：大学教育没有任何益处 ( 即B2=0)，可根据 t 检验值 判定 b2是否是统计显著的。 例9.1 大学毕业生和非大学毕业生的初职年薪 模型 模型( 9-1 ) OLS 回归结果如下： Yi = 18.00 + 3.28Di ( 9 - 4 ) se = (0.31) (0.44) t = (57.74 ) (7.444) p值= ( 0.000 ) (0.000) r 2=0.8737 估计的非大学毕业生的平均初职年薪为 18000美元 (=b1) ， 大学毕业生的平均初职年薪为 21280美元 (b1+b2) 。 根据括号中的 t 值，很容易验证 b2是统计显著的，表明非大 学毕业生和大学毕业生的初职年薪有差距。 图9-1 描绘了回归结果，回归函数是一个 分段函数 。 在社会学、心理学、教育学领域， ANOV模A 型用得很广泛， 而经济学中很少。 在许多经济研究中， 回归模型中的解释变量有些是定量的，有些是定性的，称为 协方差模型 ( ANCOVA )。 包含一个定量变量，一个定性变量的回归模型 Yi=B1 + B2Di + B3Xi + ui ( 9 - 6 ) 其中 Yi — 公司职员的年薪 Xi — 工龄 Di =1 ，女职员 =0，男职员 模型( 9 - 6 ) 包含了一个定量的变量 X( 工龄) 和一个定性变量( 性别) 。 假定E(ui) = 0 ，则， 男职员平均年薪： E (Yi ｜Xi ， Di= 0) = B1 + B3Xi ( 9 - 7 ) 女职员平均年薪： E (Yi ｜Xi ， Di= 1) = (B1 + B2) + B3Xi ( 9 - 8 ) 图9 - 2 描绘了这两种不同的情况。 ( 假定B1 0 ) 模型( 9 - 6 ) 表明男、女职员的平均年薪对工龄的函数具 有相同的斜率 (B3) ，但截距不同。 即男职员的平均年薪水平与女职员不同 ( 多了B2)，但男、女职员平均年薪对工龄的变化率相同。 零假设：回归方程 ( 9 - 7 ) 和( 9 - 8 ) 有相同的截距 ( 也即没有性别歧视 ) 。再根据 t 检验结果判定 b2的统计显著性。 考虑：能否引入关于性别的两个虚拟变量？ 模型( 9 - 6 ) 可写为： Yi=B1 + B2Xi + B3D1i + B4D2i + ui ( 9 - 9 ) D1i =1 ， 男职员 =0， 女职员 D2i =1 ， 女职员 =0， 男职员 无法估计模型 ( 9 - 9 ) ，因为 D1i 与D2i 存在完全共线性 ( 即完全的线性关系 ) 。很容易验证： D1= ( 1-D2) 或D2= 1－ D1，也即 D1， D2完全共线性。 避免完全共线性问题的一般规则 是：如果一个定性的变量有m类，则要引进 (m-1 ) 个虚拟变量。如果不遵循这个规则，就会 陷入虚拟变量陷阱 (dummy variable trap) ，也即完全多重共线性情形。 虚拟变量的赋值是任意的。例子中令 D=1，代表女职员， D= 0，代