第五节 虚拟变量.ppt

第五章 虚拟变量 ● 两种分类的定性变量 ● 多种分类的定性变量 ● 定性变量对截距和斜率项影响 ● 应用 问题的提出 1.计量经济学模型，需要经常考虑属性因素的影响。例如，职业、战争与和平、繁荣与萧条、文化程度、灾害、季节 2.定性因素往往很难直接度量它们的大小。只能给出它们的“Yes:D=1或No:D=0、或者它们的程度或等级 3.为了反映定性因素和提高模型的精度，必须将属性因素“量化”。通过构造0-1型的虚拟变量来量化属性因素 模型中引入虚拟变量的必要性 现实经济生活错综复杂，往往要求人们按照经济变量的质或量的不同，分别进行处理。因此，回归模型中，往往有必要引入虚拟变量，以表示这些质的区别。例如，消费函数，对于平时与战时，萧条与繁荣，乃至性别、教育程度、季节性等等，都会因质的不同表现出不同的差异。 两种分类的定性变量 例 数据data51.xls,data51.wfl，建立模型 加入其它定量解释变量 把上例模型中加入工作经历后变为： 多种分类的定性变量 设Y表示家庭储蓄，X表示家庭收入。不同年龄组，储蓄和收入之间的关系是不一样的。把年龄分成三个组：25岁以下、25~55岁和55岁以上，定义虚拟变量： 定性变量对截距和斜率项影响 定性变量对截距和斜率项影响(续) 应用 例工资差别：为了了解美国工作妇女是否受到了歧视，用美国统计局的有关数据来作一分析。 数据：data52.xls 变量说明： WAGE-工资(美元/小时) SEX-性别,1-女 ED-受教育年数 AGE-年龄 NONWH-1-非西班牙裔也不是白人,0-其他 HISP-1-西班牙裔,0-其他 估计的模型 (1) 例 数据data53.xls，为英国1946年至1963年居民储蓄和收入数据，单位百万英镑。数据可分两个时期，46~54，战后恢复期，55~63振兴时期。 wfcreate a 1946 1963 read data53.xls 3 genr d2=d1*x equation eq1.ls y c d1 x d2 eq1.results Variable Coefficient Std. Error t-Statistic Prob.?? C -1.750172 0.331888 -5.273377 0.0001 D1 1.483923 0.470362 3.154852 0.0070 X 0.150450 0.016286 9.238172 0.0000 D2 -0.103422 0.033260 -3.109471 0.0077 R-squared 0.952626 Mean dependent var 0.773333 Adjusted R-squared 0.942475 ????S.D. dependent var 0.642806 S.E. of regression 0.154173 ?Akaike info criterion -0.708351 Sum squared resid 0.332771 Schwarz criterion -0.510490 Log likelihood 10.37516 ???F-statistic 93.84109 Durbin-Watson stat 1.468099 ????Prob(F-statistic) 0.000000  Chow检验 前例(续) ls y c x chow 1955 或(View Stability Test Chow Breakpoint Test…) * 计量经济学 Econometrics * 计量经济学 Econometrics 两种分类的定性变量 Y的条件期望值 工资 考察工资和性别有无关系的模型 计算看看男女性各自的平均工资，结果如何？ 这里性别为一虚拟变量 性别虚拟变量的p值很小为0.003，表明非常显著。 这样在控制工作经历的情况下，平均工资的性别差异很 显著。 多种分类的定性变量 三类家庭的虚拟变量取值情况 还有可能有更多的定性变量，如受教育程度、职称等 定性变量对截距和斜率项影响 设Y表示工资，X表示工作经历，D表示性别虚拟变量 反映男女的工作经历对工资的影响情况，截距项表示 工作经历为0时的工资，这里假设男女是相等的 斜率项发生变化 设Y表示工资，X表示工作经历，D表示性别虚拟变量 截距和斜率项发生变化 应用 (22.10) (-3.86) (2) (3)