9第八章虚拟变量回归模型.pptx

第八章 虚拟变量回归模型;8.1 虚拟变量;8.2 虚拟解释变量的回归模型;虚拟变量的引入方式;0;2 乘法方式 特征： 截距不变，斜率变。;0;3 加法方式与乘法方式相结合 特征： 截距变，斜率变。;加法方式与乘法方式相结合（续） 特征： 截距变，斜率变。 ;【案例1】研究中国1979-2001年储蓄与GNP之间的关系，请问：1990年前后，储蓄-GNP的关系是否发生结构性变化？;1 变量分析： 设储蓄为被解释变量Y；GNP为解释变量X； 1990年前后这一时期属性为虚拟变量D。 D=0 表示1990年前， D=1 表示1990年后。;3 回归模型： ;Eviews中虚拟变量的赋值操作命令;虚拟变量项的回归系数的 t 检验结果表明，回归系数与零有显著性差异，即不等于零。所以，1990前后储蓄-GNP的关系存在结构性变化。; 也可用Eviews进行结构性变化的检验， 即 Chow Test（邹至庄检验）;1 首先用命令 equation eq.ls y c x 进行回归分析（不引入虚拟变量）。eq 为回归方程名。;如果 F-statistic的值大于F(2,19)的临界值； 或者，如果Prob.F 0.05，表明存在结构性变化。;也可在回归分析结果的视窗内，通过 View /Stability Tests/Chow Breakpoint Test 的视窗操作，进行结构性检验（如下图所示）。; 【案例2】研究美国1978-1985年各季度冰箱销售量与耐用品支出之间的关系。参见古扎拉蒂教材 p.290，表9-4.）。;1 变量分析： 将DUR作为解释变量；FRIG作为被解释变量； 引入3个季度虚拟变量D1，D2，D3。 （虚拟变量数 = 属性数 – 1 ）;3 季度虚拟变量的赋值操作命令： series D1 D1=@seas(1) series D2 D2=@seas(2) series D3 D3=@seas(3);提问;8.4 虚拟被解释变量的回归模型;回归方程：;LPM模型估计的问题;（2）随机扰动项的异方差性;解决方法 1 ：;线性概率模型与非线性概率模型的特征比较;2. Logit 模型;令; ，称为机会比率的对数，;Logit 模型的估计;最大似然法（Method of Maximum Likelihood） 也称极大似然法，最早由德国数学家高斯（1777-1855）提出，1912年由英国统计学家费歇(Fisher)证明与应用。它是建立在最大似然原理基础上的一种统计方法。 最大似然原理 【例】设有外形完全相??的两个箱子，甲箱有99个白球1个黑球，乙箱有1个白球99个黑球。随机地从某箱中抽取一球，发现是白球。请问此箱是甲箱还是乙箱？ 分析：从逻辑上严格地来说，仅仅从取出的球是白球这一点是无法判定该箱究竟是甲箱还是乙箱。但是，如果我们从统计概率上来判断，看上去最像是甲箱，而不是乙箱。因为甲箱的白球概率为0.99；乙箱的白球概率仅仅0.01。 其实，如果我们从“最大似然”的英文Maximum Likelihood来看，原始含义就是“看起来最像”。 “看起来最像”，在很多情况下其实就是我们的决策依据。;（2）群组数据（整理汇总数据）;【案例3】已知50名硕士考生的考试分数（SCORE）、录取状况（Y）、应届生状况（D1），求录取概率模型（Logit模型）张晓峒教材p.218 表16.5）;;;思考题8.2、8.7； 练习题8.2、8.6。 ;THANKS