实验七-虚拟变量

实验七实验七 虚拟变量虚拟变量 7 1 实验目的实验目的 掌握虚拟变量的基本原理 对虚拟变量的设定和模型的估计与检验 以及 相关的 EViews 软件操作方法 7 2 实验内容实验内容 建立市场用煤销售量模型 表 7 1 给出了全国市场用煤销售量 单位 万吨 的季度数据 试建立用时 间变量拟合的煤销售量模型 表 7 1 obsYtobsYt 1982 12599 81985 33159 1 1982 22647 21985 44483 2 1982 32912 71986 12881 8 1982 440871986 23308 7 1983 12806 51986 33437 5 1983 22672 11986 44946 8 1983 32943 61987 13209 1983 44193 41987 23608 1 1984 13001 91987 33815 6 1984 22969 51987 45332 3 1984 33287 51988 13929 8 1984 44270 61988 24126 2 1985 13044 11988 34015 1 1985 23078 81988 44904 2 数据来源 中国统计年鉴 1989 年 中国统计出版社 7 3 实验步骤实验步骤 7 3 1 市场用煤销售量模型 1 相关图分析 根据表 7 1 数据建立 Y 的趋势图 如图 7 1 2500 3000 3500 4000 4500 5000 5500 1982198319841985198619871988 Y 图 7 1 2 构造虚拟变量 从图 7 1 可以看出 从长期趋势看 煤销售量随时间增长而不断增长 且随 季节不同呈现明显的周期性变化 由于受到取暖用煤的影响 每年第四季度的 销售量大大高于其他季度 鉴于是季节数据可设三个季节变量如下 1 4 季度 1 3 季度 1 2 季度 D1 D2 D3 0 1 2 3 季度 0 1 2 4 季度 0 1 3 4 季度 模型中要加入时间因素 t 以 及虚拟变量 D1 D2 和 D3 用 EViews 生成时间变量及虚 拟变量序列 采用的方法为 在工作文件窗口点击 Quick Generate Series 在弹出的 由方程生成序列的窗口 输入 t trend 1981Q4 如图 7 2 即 可以生成表 7 3 中时间变量 t 的数 据 生成季度虚拟变量数据 以季节数据 D1为例 在生成序列窗口输入的 EViews 命令是 D1 seas 4 用相似的方法生成 D2 和 D3 得到建模数据如 表 7 3 所示 图 7 2 表 7 3 季度YttD1D2D3季度YttD1D2D3 1982 12599 810001985 33159 115010 1982 22647 220011985 44483 216100 1982 32912 730101986 12881 817000 1982 44087 041001986 23308 718001 1983 12806 550001986 33437 519010 1983 22672 160011986 44946 820100 1983 32943 670101987 13209 021000 1983 44193 481001987 23608 122001 1984 13001 990001987 33815 623010 1984 22969 5100011987 45332 324100 1984 33287 5110101988 13929 825000 1984 44270 6121001988 24126 226001 1985 13044 1130001988 34015 127010 1985 23078 8140011988 44904 228100 3 估计加入虚拟变量的模型 利用表 7 3 中的数据进行建模 估计结果如图 7 3 所示 整理如下式 y 2431 20 49 00 t 1388 09 D1 201 84 D2 85 00 D3 7 1 26 04 10 81 13 43 1 96 0 83 R2 0 95 DW 1 2 s e 191 7 F 100 4 T 28 t0 05 28 5 2 07 由于 D2 D3的系数没有显著性 说明第 2 3 季度可以归并入基础类别第 1 季度 于是只考虑加入一个虚拟变量 D1 把季节因素分为第四季度和第一 二 三季度两类 从上式中剔除虚拟变量 D2 D3 得煤销售量模型估计结果见 图 7 4 模型结果整理为 y 2515 86 49 73 t 1290 91 D1 7 2 32 03 10 63 14 79 R2 0 94 DW 1 4 s e 198 7 F 184 9 T 28 t0 05 25 2 06 进一步检验斜率是否有变化 在上式中加入变量 t D1 y 2509 07 50 22 t 1321 19 D1 1 95 t D1 7 3 28 24 9 13 6 85 0 17 R2 0 94 DW 1 4 s e 202 8 F 118 5 T 28 t0 05 24 2 06 由于回归系数 1 95 所对应的 t 值是 0 17 可见斜率未发生变化 因此以模 型 7 2 作为最后确立的模型 图 7 4 7 4 学生练习 建立财政支出模型 下表给出了 1952 2004 年中国财政支出 Fin 的年度数据 以 1952 年为 基期 用消费价格指数进行平减后得数据 试根据财政支出随时间变化的特 征建立相应的模型 表 7 2 obsFinobsFinobsFin 1952173 941970563 5919881122 88 1953206 231971638 0119891077 92 1954231 71972658 2319901163 19 1955233 21197369119911212 51 1956262 141974664 8119921272 68 1957279 451975691 3219931403 62 1958349 031976656 2519941383 74 1959443 851977724 1819951442 19 1960419 061978931 4719961613 19 1961270 81979924 7119971868 98 1962229 721980882 7819982190 3 1963266 461981874 0219992616 46 1964322 981982884 1420003109 61 1965393 141983982 1720013834 16 1966465 4519841147 9520024481 4 1967351 9919851287 4120035153 4 1968302 9819861285 1620046092 99 1969446 8319871241 86 资料来源 中国统计年鉴 1985 2005 1 相关图分析 利用表 7 2 的数据建立财政支出序列的散点图 如图 7 5 0 1000 2000 3000 4000 5000 6000 7000 55606570758085909500 Fin 图 7 5 2 设定虚拟变量 观察图 7 5 分析财政支出序列的走势 发现在 1996 年发生转折 中国经济 在 1996 年软着陆 之后国家实行积极的财政政策 每年都加大财政支出力度 因此考虑建模以 1996 年为分界点 通过加入虚拟变量 可以考察 1996 年前后 Fin 时间序列的斜率是否发生显著性变化 定义虚拟变量 用 EViews 生成虚拟变量 D1序列 采用的方法为 在工作文件窗口点击 Quick Generate Series 在弹出的由方程生成序列的窗 口 输入 D1 0 同时更改下面的样本范围为 1952 1996 如图所示 图 8 6 D1 0 1952 1996 1 1997 2004 这时只生成了第一段 1952 1996 中的 D1 0 采用同样的方法 再点击 Quick Generate Series 在弹出的由方程生成序列的窗口 输入 D1 1 同时更改 下面的样本范围为 1997 2004 如图所示 生成时间 time 的命令 在工作文件窗口点击 Quick Generate Series 在弹出 的由方程生成序列的窗口 输入 time trend 1951 加入时间 time 变量和虚拟变量 D1 后的数据资料如表 7 4 所列 表 7 4 obsfintimeD1obsfintimeD1 1952173 94101979924 71280 1953206 23201980882 78290 1954231 7301981874 02300 1955233 21401982884 14310 195626217320 1957279 456019841147 95330 1958349 037019851287 41340 1959443 858019861285 16350 1960419 069019871241 86360 1961270 810019881122 88370 1962229 7211019891077 92380 1963266 4612019901163 19390 1964322 9813019911212 51400 1965393 1414019921272 68410 1966465 4515019931403 62420 1967351 9916019941383 74430 1968302 9817019951442 19440 1969446 8318019961613 19450 1970563 5919019971868 98461 1971638 0120019982190 3471 1972658 2321019992616 46481 197369122020003109 61491 1974664 8123020013834 16501 1975691 3224020024481 4511 1976656 2525020035153 4521 1977724 1826020046092 99531 1978931 47270 3 估计模型 利用表 8 4 的混合样本数据建立模型 估计结果如下 Fin 25 77 30