第八章虚拟变量1577775632.pptx

第八章 虚拟变量;第一节 虚拟变量;虚拟变量是用以反映质的属性的一个人工变量，取值为 0 或 1，通常记为 D（Dummy Variable）,又可称之为属性变量、双值变量、类型变量、定性变量、或二元型变量。 注意：虚拟变量D只能取0或1两个值，即属性之间不能运算！ 对基础类型或否定类型设 D=0 对比较类型或肯定类型设 D=1;例 如;说 明;二、虚拟变量的设置规则;2.多个属性的表示法 假设学历有四个属性：博士、硕士、本科、本科以下等，则：; 变量 属性;3.多个因素各两个属性的表示法 如需要同时表示城乡差别和性别差别;一般地，若有m个因素，而每个因素都只有两个不同的属性类型，则引入m个虚拟变量。 思考：现有三个定性因素，有两个因素各有4个不同的属性，一个因素有2个不同的属性，应设多少个虚拟变量？ （应设3+3+1=7个虚拟变量）;三、虚拟变量的作用;四、虚拟变量模型;一、加法类型(截距变动模型) ;;如研究消费水平与居民收入的关系时，还要考虑城乡居民消费水平的差异，消费函数可设为： Yi=α0+α1Di+βXi+ ui Yi 为消费水平，Xi 为居民收入，Di为虚拟变量。;表示农村居民的消费水平;Xi;对模型 Yi=α0+α1Di+βXi+ ui 使用OLS法，可得： ;假如还要考虑男女消费水平的差异，消费函数为： Yi =α0+α1D1i+α2D2i+βXi+ui Yi 为消费水平，Xi 为家庭收入，D1i和D2i为虚拟变量。;表示城市男性的消费水平;Xi;虚拟变量陷阱 如某些商品的销售量有季节性，假设销售函数为：;;克服虚拟变量陷阱的方法 改为引入虚拟变量:;引入虚拟变量的规则补充说明 对于具有m个属性的虚拟变量： 若模型中含有截距项，引入 m-1个虚拟变量； 若模型中不含有截距项，引入 m 个虚拟变量。;二、乘法类型(斜率变动模型);1、回归模型的比较;分别在各自的时间区间内作回归，可能有如下四种结果：;Xi;Xi;Xi;Xi;问题：当我们分别运用样本数据对两个模型进行回归后，如何界定所得结果在统计意义上属于那种类型呢？ 可采用乘法形式引入虚拟变量，可设定为：;（1）改革开放前;从上面可以看出，以乘法形式引入虚拟变量做回归模型的比较的优点： （1）用一个回归代替多个回归，简化过程； （2）可以对模型结构差异做假设检验； （3）合并的模型增加了自由度，提高了参数 估计的精确性。 当然，也应注意合并后模型的随机扰动项应服从基 本假定，特别是所比较的方程的方差应相同，否则 会出现异方差。; 在多元线性回归模型中，通过F检验，可以判断各解释变量联合对被解释变量是否有显著影响。那么在包含两个定性变量的虚拟变量模型中，两个定性变量对被解释变量的影响也可能存在一定的交互作用，如何描述呢？ 例如，研究农副产品生产总收益与农副产品生产投入的关系时，设定模型为;虚拟变量以加法形式引入暗含着假设：油菜籽生产和养蜂生产是分别独立地影响着农副产品总收益。但实际是在发展油菜籽生产的同时发展养蜂生产，所取得的农副产品总收益会高于不发展养蜂生产的情况。即它们之间存在交互作用。;为了描述交互作用对被解释变量的影响，在模型中引入虚拟变量的乘积，即;在经济关系中常有这样的情况： 当解释变量X的值达到某一水平X*之前，与被解释变量Y之间存在某种线性关系；当解释变量X的值达到或超过X*之后，与被解释变量Y的关系就会发生变化。此时，如果已知X 的转折点X*，就可以用虚拟变量来估计每一段的斜率。这就是分段线性回归。;例如：1979年以前，我国居民的消费支出呈缓慢上升的趋势。从1979年开始，居民消费支出为快速上升趋势。 显然，1979年是一个转折点，即： X*=1979 所以,可用模型描述我国居民在1955年至2009年消费支出的变动趋势：;Yt=β0 +β1t +β2(t- X*)Dt + ut 其中 Yt 为消费支出； t 为年份（t=1955,1956,…,2009）；;t (年份);只要检验β2的统计显著性，就可以判断在所设定的临界水平X*处是否存在“突变”。 可以推广到 k 段回归的情况，只需用 k-1个虚拟变量即可。 ;第三节 虚拟被解释变量;一、线性概率模型;则Yi 是取值0或1的随机变量，由（1）式得：;2、线性概率模型的估计 线性概率模型虽然在形式上与普通线性回归 模型很相似，但由于Yi 是虚拟变量，会出现 与普通回归模型不同的新问题，不能直接运 用OLS对其进行估计： （1）随机扰动项不服从正态分布； （2）随机扰动项具有异方差性； （3）条件0≤E(Yi︱Xi)≤1不一定