06第五讲模型设定和虚拟变量专题之虚拟变量.pptVIP

* 我们关心的两个假设： 男性和女性受教育的回报是相同的。 受教育水平相同的男性和女性的平均工资相同。 * 例7.10 对数小时工资方程 * * 检验不同组之间回归函数上的差别 现在，我们考察的虚拟假设是：两个总体或两组具有同一个回归函数；对立假设是，各组间有一个或多个斜率是不同的。 * * * 一般的检验方法：邹至庄统计量 * 邹至庄检验的步骤： 确立回归的一般模型，明确受约束模型和不受约束模型的自由度。（约束个数：k+1） 分别将两组进行回归得到SSR1和SSR2。 将两组数据混合并重新估计模型得到受约束模型的残差平方和SSR. 运用公式计算邹统计量，检验显著性水平。 * * 7.5 二值因变量：线性概率模型 * 迄今为止，我们讨论的因变量均具有定量的含义。如果用多元回归解释一个定性事件，需引入二值因变量，即y只取0和1两个值。例如，y表示一个成年人是否受过高中教育，或一个大学生在给定年份是否用过非法毒品等。 * * * 17 * * * 7.6 对政策分析和项目评价的进一步讨论 ——内生性问题 在社会科学研究中，对照组和处理组并不是随机指定的，因此可能遭遇变量内生性问题。 * * 自选择（self-selection）问题 个人自己选择加入某种行为或项目的事实：参与并不是随机决定的。 * * * * * * * 第五讲 模型设定和虚拟变量专题 之 虚拟变量 y = b0 + b1x1 + b2x2 + . . . bkxk + u * 前言 前面有关多元回归模型的因变量和自变量都具有定量的 含义，如小时工资率、受教育年数，大学平均成绩、企业销售水平等等。在经验分析中，每个变量的大小都传递了有用的信息， 然而，经验分析还常常碰到定性的问题，如，一个人的性别、种族、企业所属行业以及城市所处的地理位置等等，当考虑这些因素作为变量时，则必须采用虚拟变量设置。 前言 其中，如果我们把上述定性变量作为自变量 ，就是本章要讲的虚拟变量设置，并估计的问题。 如果我们把上述定性变量作为因变量，则为线性概率模型，这些在微观计量经济学中用的比较多，教材也阐述一些，但是本章不讲解该部分的内容，因为如果讲清楚需要很足够时间，如果提到当讲不清楚，不如不讲，等后面以后再学之。 * 问题 定性问题经常以二值信息形式出现：一个人是男还是女，结婚与否，一个人有还没有一台电脑等等。该问题可通过定义一个二值变量（binary variable）或一个0-1变量来刻画，此变量即为虚拟变量（dummy variable） ? 那么如何引入虚拟变量呢？ * 举例：一个虚拟变量设置 设置原理如下： ? 虚拟变量的取值 ? 虚拟变量的作用： 举例，如类别变量 性别变量 * 设置方式 两种设置方式： （1） 保留常数项和其中一个虚拟变量 （2） * 举例：多虚拟变量 举例：季节变量有四个状态 * 虚拟变量系数分析 通过例子的形式介绍虚拟变量系数的含义： 例子： ? 虚拟变量 ，那么在其他条件相同的情况下，女人总体上挣的钱要比男人少。 * * Example of d0 0 x y { d0 } b0 y = (b0 + d0) + b1x y = b0 + b1x slope = b1 d = 0 d = 1 * * 例7.1 是否存在性别歧视 注意t值检验，同时，通常的对一个常数和一个虚拟变量进行简单回归时，是比较两组均值的直接方法，要通常的t统计量生效，我们还必须假定同方差性，这就意味着，对男人和女人而言，工资的总体方程式相同的。 * 例7.2 拥有计算机 与大学GPA * 例7.3 培训津贴对培训小时数的影响 问题的关键是：定性变量所度量的影响是否为因果性？ 办法之一是，尽可能控制与虚拟变量及因变量相关的因素。 * 当因变量为log(y)时对虚拟变量系数的解释 当自变量中有一个或多个虚拟变量时，因变量以对数形式出现，虚拟变量的系数具有一种百分比解释。 在保持其他因素不变的情况下，一套殖民地建筑风格的住房的卖价预计高出约5.4%。 * 当y有较大比例变化时，如何更准确估计y变化的百分比？ * * 多元分类的虚拟变量 在应用研究中，我们需要使用多个虚拟变量。 在控制性别的基础上，研究婚姻状态的影响； 在区域研究中，往往区分东、中、西部；在省级面板数据中，甚至会引入n-1个地区虚拟变量。 虚拟变量可以描述包含序数的信息：信用等级 * 例7.6 工资方程 估计一个工资对如下四组都不同的模型：已婚男人、已婚女人、单身男人、单 身女人。首先选择基组：单身男人，对剩下的每一组定义一个虚拟变量，并称 之为marrmal,marrfem,和singfem。因此，三个