虚拟变量模型.ppt

计量经济学—理论·方法·EViews应用 郭存芝 杜延军 李春吉 编著; 本章将主要介绍经典单方程计量经济学模型中引入虚拟变量的问题。;第八章 虚拟变量模型;◆ 虚拟变量;一、虚拟变量; 为了能够在模型中反映这些因素的影响，并提高模型的精度，需要将 它们人为地“量化”，这种“量化”通常是通过引入“虚拟变量”来完成的。 ;虚拟变量的特点是：;例如： ;二、虚拟变量模型;三、虚拟变量的引入;从几何意义上看(图8-1)， ;例如： ;高中以下： ;假定;还可将多个虚拟变量引入模型中以考察多种“定性”因素的影响。 ;于是，不同性别、不同学历职工的平均薪金分别由下面各式给出：;2. 乘法方式;在E(μt)=0的假定下，上述模型所表示的函数可化为:; 如果在模型中同时使用加法和乘法两种方式引入虚拟变量， 则回归线的截距和斜率都会改变。 ;在E(μt)=0的假定下，上述模型所表示的函数可化为:;;如果用OLS法得到该模型的回归方程为 ;4．数值变量作为虚拟变量引入;例如： ;5. 虚拟变量交互效应分析;考虑下列模型;虚拟解释变量D1i和D2i是以加法形式引入的，那么暗含着假定： ; 为描述虚拟变量交互作用对被解释变量的效应，在(8-9)式中以加法形式引入 两个虚拟解释变量的乘积，即; 关于交互效应是否存在，可借助于交互效应虚拟解释变量系数的显著性检验来加以判断。 如果t 检验表明交互效应D1iD2i在统计意义上显著时，说明交互效应对Yi存在显著影响。;四、虚拟变量的设置原则;D4t=;;第二节 虚拟被解释变量;例如： ;特征： ;一、线性概率模型(LPM);问题： ;由于E(μi)=0，由(8-17)，; 像(8-17)式那样，以虚拟变量作为被解释变量的模型的条件期望实际上等于 随机变量Yi取值为1的条件概率。 ;2．线性概率模型的估计 ;(1) 随机扰动项μi的非正态性;(2) 随机扰动项μi的异方差性;Var(μi )= pi (1-pi) （8-22）; 根据前面的讨论，已知LPM中μi的方差是Yi条件期望的函数， 故选择权重ωi的一种方法为;在实践中为了估计ωi，进而估计LPM模型，可采取以下步骤：; (3) 不满足0≤E(Yi|Xi)≤1的约束;3．非线性概率模型;;;;; 由于pi不仅对Xi???非线性关系，而且对β0和β1也是非线性关系，不能 直接运用OLS法估计参数。必须设法把非线性关系转换为可以运用OLS法估 计的线性形式。;;;;;Magnetic Resonance Imaging;发生事件;MR成像基本原理;实现人体磁共振成像的条件:; 人体内的H核子可看作是自旋状态下的小星球。 自然状态下， H核进动杂乱无章，磁性相互抵消;; 三、弛豫（Relaxation） 回复“自由”的过程 ?1. 纵向弛豫（T1弛豫）： M0（MZ）的恢复 ，“量变” 高能态1 H → 低能态1 H 自旋—晶格弛豫、热弛豫;T1弛豫时间： MZ恢复到 M0的2/3所需的时间 T1愈小、M0恢复愈快 ;T2弛豫时间： MXY 丧失2/3所需的时间； T2愈大、同相位时间长 MXY持续时间愈长 ;T1加权成像、T2加权成像 所谓的加权就是“突出”的意思 T1加权成像（T1WI）----突出组织T1弛豫（纵向弛豫）差别 T2加权成像（T2WI）----突出组织T2弛豫（横向弛豫）差别。 ; 磁共振诊断基于此两种标准图像 磁共振常规h检查必扫这两种标准图像. T1的长度在数百至数千毫秒（ms）范围 T2值的长度在数十至数千毫秒（ms）范围 在同一个驰豫过程中,T2比T1短得多 ;如何观看MR图像 ： 首先我们要分清图像上的各种标示。分清扫描序列、扫描 部位、扫描层面。 正常或异常的所在部位---即在同一层面观察、分析T1、T2加权像上信号改变。 绝大部分病变T1WI是低信号、T2WI是高信号改变。只要熟悉扫描部位正常组织结构的信号表现，通常病变与正常组织不会混淆。 一般的规律是T1WI看解剖,T2WI看病变。;磁共振成像技术－－图像空间分辨力，对比分辨力 一、如何确定MRI的来源 （一）层面的选择 1. MXY产生（1H共振）条件 RF = ω=γB0 2. 梯度磁场Z（GZ） GZ→B0→ω 不同频率的RF 特定层面1H激励、共振 3. 层厚的影响因素 RF的带