【虚拟变量的应用】.docx

线性回归分析的推广——虚拟变量

为了分析我国家用电冰箱消费与季度的关系，记D1=1:第一季度；D2=1:第二季度；D3=1:第三季度；D4=1:第四季度；考虑如下模型：

Y=β1+β2D2t+β

从国家统计局收集2010第一季度到2017第三季度中国家用电冰箱季度销售数据，整理如下：

年份

季度

季度销售量（万台）

年份

季度

季度销售量（万台）

2010

1

1582.8

2014

1

2093.7

2

2263.9

2

2806.2

3

2158.5

3

2391.7

4

1429.2

4

1934.4

2011

1

1794.9

2015

1

2075.1

2

2629.3

2

2790.1

3

2322.4

3

2267.9

4

1854.2

4

1926.6

2012

1

1980.1

2016

1

2071.1

2

2129.9

2

2658.8

3

2299.5

3

2433

4

1945.5

4

1954.2

2013

1

2059.7

2017

1

2190.6

2

2747.9

2

2611.5

3

2324.4

3

2662.9

4

2003.6

1、回归分析

从普通最小二乘法回归结果可得DW=0.8728，由n=31、k=1、α=0.05查表可以得到dl=1.229,du=1.650，则DW

消除自相关后，模型回归结果如下：

根据输出结果，得如下回归方程：

y=2053.050+562.4525D2t+322.2781D3t

(8.5061)(4.2491)(-2.3017)

R2=

从估计结果来看，模型拟合优度较高，F统计量对应的ρ值小于1%，说明回归方程是显著的，1个回归系数的t统计量对应的p值小于3%，3个回归系数的t统计量对应的p值小于1%，说明各回归系数在统计上是显著的。同时，模型不存在自相关。

β1=2053.05表示第一季度的平均销售量为2053.05万台；β2=562.4525、β3