7.虚拟变量详解.ppt

年份 可支配收入x 消费性支出y 年份 可支配收入x 消费性支出y 1981 637 585 1992 3009 2509 1982 659 576 1993 4277 3530 1983 686 615 1994 5868 4669 1984 834 726 1995 7172 5868 1985 1075 992 1996 8159 6763 1986 1293 1170 1997 8439 6820 1987 1437 1282 1998 8773 6866 1988 1723 1648 1999 10932 8248 1989 1976 1812 2000 11718 8868 1990 2182 1936 2001 12883 9336 1991 2485 2167 2002 13250 10464 利用EViews软件，可以得到消费函数模型的回归结果（表7.1.13）和残差序列图（图7.1.11）。 表7.1.13 消费函数模型的回归结果 图7.1.11 消费函数残差序列图 根据图7.1.13中的残差分布可以看出，1996、2001和2002年的回归残差绝对值，都大于2倍的残差标准差，因此可能属于异常值。 很显然，根据回归系数的标准差、t统计量值、决定系数、F统计量值等指标看（见表7.1.17），回归模型的效果有很大改进，而且虚拟变量的系数也都有显著性。因此，引进虚拟变量对原模型确实是一个改进。 表7.1.17 引进虚拟变量前后估计的消费函数 再看引进虚拟变量后回归的残差序列图(见图7.1.14)，则现在是有多点而不是个别点在2倍标准差临界值之外，而且都离临界值不远，并且2倍标准差的临界值范围也比未引进虚拟变量时小了许多，因此可不再认为存在异常值。 由此可以看出，我国城镇居民消费函数的特点：1978年前后、1992年前后几个时期的回归结果在截距与斜率项上不同。1978年以前计划经济时期我国城镇居民边际消费倾向为0.85，1978-1991年我国实行的是有计划的商品经济体制，城镇居民边际消费倾向提高，达到为0.87，1992年以后我国实行的市场经济体制，自发消费大幅度提高，但边际消费倾向在下降（仅为0.72）。 变参数线性回归模型 如果模型参数取值呈连续变化的，称为连续型确定性变参数线性回归模型。 (1)截距系统变动模型。即在回归模型中仅截距项发生系统性变化，而斜率在整个样本期内不发生变化的变参数线性回归模型。 (2)斜率系统变动模型。即在回归模型中仅有斜率项发生系统性变化，而截距在整个样本期内不发生变化变参数线性回归模型。 (3)截距和斜率系统变动模型。即在回归模型中截距和斜率在样本期内都发生变动的模型。其一般形式为： 以1952-1991年我国城镇居民人均可支配收入与人均消费支出的数据资料表7.1.2为例，建立我国城镇居民系统变参数消费函数模型。 对本例而言，要体现自发消费支出和边际消费倾向随经济发展过程的变动状况，应取时间作为影响模型参数的外生变量。因此，可设定系统变参数模型为 上述模型表明： (1)b1和b3在统计上是高度显著的，从而证明我国城镇居民的消费行为在1952～2005年间是不断变化的。 由此可见，随着时间的推移，我国城镇居民的边际消费倾向呈逐年下降趋势，如1977年城镇居民的边际消费倾向为0.92，到1991年下降为0.83，2005年下降至0.75。 7.1.3 虚拟变量的特殊应用 1．虚拟变量在季节调整模型中的应用 使用虚拟变量也可以反映季节因素的影响。例如，利用季度数据分析某公司利润y与销售收入x之间的相互关系时，为研究四个季度对利润的季节性影响，引入三个虚拟变量(设第1季度为基础类型)： 例7.1.12 用虚拟变量处理季节数据模型 中国1982-1988年市场用煤销售量（yt）季节数据（《中国统计年鉴》1987，1989）见图7.1.6与表7.1.4。 表7.1.4 中国市场用煤销售量季节数据 年与季度 yt t D4 D3 D2 年与季度 yt t D4 D3 D2 1982.1 2599.8 1 0 0 0 1985.3 3159.1 15 0 1 0 1982.2 2647.2 2 0 0 1 1985.4 4483.2