虚拟解释变量模型蓝色.pptVIP

例如，如果β1在统计上显著说明性别这个质的因素会明显影响食品的消费量。同时，β2在统计上显著，就表明25岁以下居民在食品消费上和别的层次的居民是有显著差异的，那么年龄也会是个很重要的影响因素。*第62页，共103页，星期日，2025年，2月5日上述假定虚拟变量仅仅影响回归模型的截距，由此可以推广到更一般的情形，也就是虚拟变量同时改变回归模型的截距和斜率，那样考虑得更周全，但是也会更复杂，在这里我们不作讨论。*第63页，共103页，星期日，2025年，2月5日第三节变参数模型和分段回归一、变参数模型从上一节的讨论可知，由于引入了虚拟变量，回归模型的截距或斜率不再是固定不变的。但是模型中参数的变化是离散的，而不是连续的。*第64页，共103页，星期日，2025年，2月5日例如，在式（8.24）中，只是假定在1979年以前和1979年以后两个时期城镇居民有不同的消费行为，也就是说，回归模型的截距和斜率并不是每年都发生变化。变参数模型是虚拟变量模型的推广，它认为回归模型的截距或斜率会随着样本观察值的改变而系统地改变。*第65页，共103页，星期日，2025年，2月5日（一）截距变动模型系统变参数模型也可以分为截距变动模型和截距、斜率同时变动模型。设线性回归模型为(8.28)*第66页，共103页，星期日，2025年，2月5日式中，X=解释变量，Y=被解释变量。如果的变化为非随机的，而且这种变化完全由外生变量决定，那么式（8.29）就是一个非随机变参数模型。*第67页，共103页，星期日，2025年，2月5日我们观察到截距项和我们前面的虚拟变量模型的截距项有所不同，下面多了一个下标t。这就是说，虽然回归模型斜率在整个样本时期保持不变，但是截距项是随着时间的变化而变化的。*第68页，共103页，星期日，2025年，2月5日β1t定义如下（8.30）式中，α0和α1为我们要求的参数，也可以称为“超参数”，Zt是用来解释β1t变动情况的外生变量将式（8.30）代入式（8.29）中，整理得到*第69页，共103页，星期日，2025年，2月5日（8.31）可用最小二乘法对式（8.31）中的超参数和其它参数一并进行估计。如果Zt为虚拟变量，那么式（8.31）就是一个虚拟变量模型，而且是一个截距项变动斜率不变的模型。因此，虚拟变量模型是变参数模型的一种特殊形式。*第70页，共103页，星期日，2025年，2月5日（二）截距和斜率同时变动模型和虚拟变量模型的思路一样，再来讨论斜率和截距同时存在系统变动的情况。我们只需要在式（8.31）的基础上进行改进。将换为，且假定有如下关系式：（8.32）*第71页，共103页，星期日，2025年，2月5日将式（8.32）代入式（8.31），则有（8.33）*第72页，共103页，星期日，2025年，2月5日以上模型只假定β1t和β2t存在系统变化，实际上还有很多参数都可能存在这种变化，甚至可能存在β1t和β2t等系数有可能不是线性变化的，也就是说超参数本身可能不为常数。这种情况只是在理论上提出来，实际操作会因为太复杂而没有太多的应用。*第73页，共103页，星期日，2025年，2月5日那么回归模型可记为（8.11）其中，Yi=第个家庭的消费水平，Xi=第个家庭的收入水平，*第30页，共103页，星期日，2025年，2月5日式（8.11）可以表示为（8.12）（8.13）*第31页，共103页，星期日，2025年，2月5日（三）包含多个虚拟变量的截距变动模型如果一个质的因素仅有两种特征，只需引入一个虚拟变量。但是，很多质的因素往往不只具有两个特征，例如全世界的国家可以分为发达国家、发展中国家、不发达国家。*第32页，共103页，星期日，2025年，2月5日我国少数民族在很多问题上有差异，所以当把民族作为虚拟变量时，不能简单将其分为汉族和非汉族；季节因素是我们最常见的质的因素，它具有四个特征，按照前面的原则，我们要引入三个虚拟变量。*第33页，共103页，星期日，2025年，2月5日例如，我们用季度资料研究各种商品消费额在季节上有没有什么区别？可以建立模型如下：（8.14）其中，Yt=季度的消费，Xt=季度的收入，对于四个季度，我们引入了三个虚拟变量：*第34页，共103页，星期日，2025年，2月5日这里，第四季度为基础类型，其截距项为β0。