6虚拟变量回归详解.ppt

括号中的数字为估计的标准误。 解释这些结论。 在解释模型中的虚拟变量时因Y以对数形式出现而带来什么问题了吗？ 你如何解释虚拟变量的系数？ 9.10 假设在 处不仅斜率发生了变化，而且回归线还发生了跳跃，你将如何修正下式以考虑回归线在 处的跳跃？ * 4. 两个回归的截距和斜率都不相同，叫做非相似回归(dissimilar regressions)。 第8章所讨论的邹至庄检验程序只告诉我们两个回归是否不同，但没有告诉我们这种不同来自哪里。 通过做如下回归，我们可以探明这种差异的来源： 其中Y=储蓄，X=收入，t=时间， D=1 ，1982-1995年之间的观测 0，其他（即1970-1981年之间的观测） 如下表说明了26个观测值的数据矩阵。 表9.2 美国1970-1995年间的储蓄与收入数据 观测 储蓄 收入 虚拟变量 1970 61 727.1 0 1971 68.6 790.2 0 1972 63.6 855.3 0 1973 89.6 965 0 1974 97.6 1054.2 0 1975 104.4 1159.2 0 1976 96.4 1273 0 1977 92.5 1401.4 0 1978 112.6 1580.1 0 1979 130.1 1769.5 0 1980 161.8 1973.3 0 1981 199.1 2200.2 0 1982 205.5 2347.3 1 1983 167 2522.4 1 1984 235.7 2810 1 1985 206.2 3002 1 1986 196.5 3187.6 1 1987 168.4 3363.1 1 1988 189.1 3640.8 1 1989 187.8 3894.5 1 1990 208.7 4166.8 1 1991 246.4 4343.7 1 1992 272.6 4613.7 1 1993 214.4 4790.2 1 1994 189.4 5021.7 1 1995 249.3 5320.8 1 假设 ，我们得到： 1970-1981年的均值储蓄函数： 1982-1995年的均值储蓄函数： 其实，这是与（8.8.1）和（8.8.2）相同的函数，其中 α2是级差截距(differential intercept),β2是级差斜率系数(differential slope coefficient, or slope drifter)。 β2表示的是，第二个储蓄期间的斜率系数与第一个期间相比有多大的不同。 这种虚拟变量的引入方式成为相加形式(additive form)。 虚拟变量的引入 （9.5.2） （9.5.3） 虚拟变量的引入 引入虚拟变量D（D乘以X），使我们区分两个期间的斜率系数。这种方式成为交互或相乘形式(interactive or multiple form)。 这与相加形式来区分两个期间的截距殊途同归。 如下例： 另一种方法 例9.4 美国储蓄——收入回归中的结构差异： 虚拟变量方法 例9.4 美国储蓄——收入回归中的结构差异：虚拟变量方法 Eviews: Series dx=dum*income Ls savings c dum income dx Dependent Variable: SAVINGS Method: Least Squares Date: 03/05/12 Time: 14:12 Sample: 1970 1995 Included observations: 26 　 　 Variable Coefficient Std. Error t-Statistic Prob. C 1.016117 20.16483 0.050391 0.9603 DUM 152.4786 33.08237 4.609058 0.0001 INCOME 0.080332 0.014497 5.541347 0 DX -0.06547 0.015982 -4.09634 0.0005 R-squared 0.881944 Mean dependent var 162.0885 Adjusted R-squared 0.865846 S.D. dependent var 63.20446 S.E. of regression 23.14996 Akaike info criterion 9.262501 Sum squared resid 11790.25 Schwarz criterion 9.456055 Log likeli