Eviews数据统计与分析教程7章-含虚拟变量的回归模型.pptVIP

* EViews统计分析基础教程 第7章 含虚拟变量的回归模型 重点内容： 虚拟变量的定义 定性变量与定量变量的划分 含虚拟变量模型的估计 一、虚拟变量的定义 1.定性变量与定量变量 定量变量：回归模型中有些变量是可以被度量的，如居民消费、国内生产总值、出口总额等，这些变量被称为“定量变量”。 定性变量：在经济现象的分析中还存在一些不能被度量的变量，如性别、种族、婚姻状况、文化程度等，这些变量被称为“定性变量”。 一、虚拟变量的定义 2.虚拟变量 定义： 定性变量描述的是变量具有的性质，要将这样的变量纳入回归模型中，需构造人工变量，从而将定性变量进行量化处理。 在计量经济学中，将取值为“0”和“1” 的人工变量称作虚拟变量（Dummy Variable），用字母D表示。当D取值为0时，表示该变量不具备某种属性；当D取值为1时，表示该变量具有某种属性。 一、虚拟变量的定义 2.虚拟变量 虚拟变量陷阱： 所谓的“虚拟变量陷阱”是指自变量（解释变量）中包含了过多的虚拟变量，从而导致了模型出现多重共线性。当模型中既有整体截距又对每一组都设有一个虚拟变量时，就产生了虚拟变量陷阱。 一、虚拟变量的定义 2.虚拟变量 引入虚拟变量的原则： 一般情况下，如果定性变量有m类，并且模型不含有截距项时，应引入m个虚拟变量；如果模型含有截距项，应引入m-1个虚拟变量。 二、含虚拟变量的模型 1.仅含一个虚拟变量 在回归模型中，解释变量可以仅是一个虚拟变量，这样的回归模型被称为方差分析模型。 例如： yt =β0 + β1Dt + μt 假设被解释变量yt为员工工资收入，Dt为虚拟解释变量，取值为0或1： 1，雇员为女性 Dt= 0，雇员为男性 二、含虚拟变量的模型 1.仅含一个虚拟变量 如果该回归模型的随机误差项满足线性回归模型的五个基本假定条件，则 E（yt| Dt=1）= E（雇员工资收入|雇员为女性）=β0 + β1 E（yt| Dt=0）= E（雇员工资收入|雇员为男性）=β0 β0 + β1表示女性雇员的平均工资收入，β0表示男性雇员的平均工资收入。 二、含虚拟变量的模型 1.仅含一个虚拟变量 实验： 根据表7-1中的数据显示，建立解释变量为虚拟变量的回归模型。表中列出了24个不同性别的企业员工的月工资收入情况，性别一列中“1”表示女性员工，“0”表示男性员工。通过建立含有虚拟变量的回归模型，试图分析男女平均工资是否存有差距，如果有差距，那么差距是多少。 二、含虚拟变量的模型 1.仅含一个虚拟变量 实验： 回归模型为 yt =β0 + β1Dt + μt （t=1，2，…，n） 其中，yt表示企业员工的工资收入情况，Dt=0表示男性员工，Dt=1表示女性员工。 二、含虚拟变量的模型 1.仅含一个虚拟变量 实验： 第一步，建立类型为“Unstructured/Undated”（未限定结构/未限定日期）的工作文件，在“Data range”（数据范围）中输入观测数据的样本范围，本例中所分析的数据为24个样本，在“Names”中为该工资文件命名，如“工资与性别关系”。然后单击“OK”按钮即可生成工作文件。 二、含虚拟变量的模型 1.仅含一个虚拟变量 实验： 第二步，在该工作文件中建立两个序列对象，一个为“wage”，一个为“sex”。 第三步，在“wage”序列对象中输入 “工资”的数据，在“sex”序列对象中输入 “性别”的数据。 二、含虚拟变量的模型 1.仅含一个虚拟变量 实验： 第四步，在工作文件中选择主菜单栏中的“Object”| “New Object” | “Equation”选项，或者选择“Quick”| “Estimate Equation” 选项，打开如下所示的方程对话框。 二、含虚拟变量的模型 1.仅含一个虚拟变量 实验： 在“Equation specification”（方程说明）中列出模型中的被解释变量、常数项和解释变量。在“Estimation settings”（估计方法设定）中选择“LS”，用普通最小二乘法对回归模型进行估计。然后单击“确定”按钮即可得到如下估计结果。 二、含虚拟变量的模型 1.仅含一个虚拟变量 实验： 虚拟变量的回归方程结果可以表示为： Wage = 3478.869 － 595.0965 sex t= (30.06899) (-3.482241) R2 = 0.35533 Adjusted- R2 = 0.326027 F=12.126 D.W.=2.232989 结果表明，该企业的女性员工的平均工资水平为2883.7725（34