第6章经济计量学精要

虚拟变量回归模型,第6章,6.1虚拟变量的性质,数值变量或定量变量如：收入；产出；成本；价格；身高，等定性变量或虚拟变量如：性别；种族；民族；职业；季节；婚姻，等虚拟变量（D）的量化变量具备某种性质赋值1，不具备某种性质赋值0如：,方差分析模型（analysis-of-variancemodels，ANOVA）Y每年食品支出（美元）；D=1（女性）；D=0（男性）男性平均食品支出：女性平均食品支出：B2称为差别截距系数（differentialinterceptcoefficient）表示女性平均食品支出与男性的差异,表6-2食品支出与税后收入和性别的关系,回归结果女性平均食品支出比男性低503.2美元，虽然男、女平均食品支出存在差异，但差异不显著。虚拟变量赋值为0的一类称为基准类研究结论与基准类的选择没有关系,引入虚拟变量个数的原则如果模型有共同的截距项B1,且定性变量有m种分类，则需引入（m-1）各虚拟变量。否则会陷入虚拟变量陷阱如：将会出现，即解释变量存在完全共线性，导致不能估计出唯一参数值,图6-1私营部门的工会化程度（PVT）与通过工作权利法的州,6.2ANCOVA模型：包含一个定量变量，一个两分定性变量的回归模型,协方差分析模型（ANCOVA）Y每年食品支出（美元）；X税后收入（美元）；D=1（女性）；D=0（男性）男性平均食品支出：女性平均食品支出：,回归结果女性平均食品支出比男性低229美元，此差异在显著性水平10%下显著如果不考虑性别差异，税后收入每增加1美元，食品支出平均增加0.06美元,图6-2税后食品支出,6.3包含一个定量变量、一个多分定性变量的回归,美国综合排名前65所大学研究生接受率，考察不同地区大学研究生接受率是否有差异设定地区虚拟变量，分为南部、东北和中北部、西部三个地区南部地区为基准类,南部地区平均接受率东北和中北部地区平均接受率西部地区平均接受率B2表示东北和中北部地区与南部地区平均接受率的差异B3表示西部地区与南部地区平均接受率的差异,回归结果东北和中北部地区比南部地区平均接受率低10.68%西部地区比南部地区平均接受率低12.5%这种差异在5%显著性水平下显著,在模型中引入学校年学费变量（Tuition）回归结果*表示1%显著性水平；*表示5%显著性水平；*表示10%显著性水平如果不考虑地区差异，学费每增加1美元，接受率平均降低0.001%,6.4包含一个定量变量和多个定性变量的回归,包含一个定量变量和多个定性变量模型Y小时工资（美元）；X教育（受教育年限）；D2=1（女性），D2=0（男性）；D3=1（非白种人和非西班牙人），D3=0（其他）；基准类为男性白人或西班牙人男性白人或西班牙人：女性白人或西班牙人：男性非白人/非西班牙人：女性非白人/非西班牙人：,回归结果如果教育水平不变，且不考虑种族，则女性的小时工资平均比男性低2.36美元。如果教育水平不变，且不考虑性别，则非白人/非西班牙人的小时工资平均比白人或西班牙人低1.73美元。如果不考虑性别和种族，则教育年限每增加1年，小时工资平均增加0.8美元。,假定：不同种族，性别的差异影响为常数。即男性平均小时工资比女性高，与种族无关。假定：不同性别，种族的差异影响为常数。即白人或西班牙人的平均小时工资高，与性别无关。交互作用虚拟变量（interactiondummy）男性白人或西班牙人：女性白人或西班牙人：男性非白人/西班牙人：女性非白人/西班牙人：,回归结果*表示p值小于5%；*表示p值大于5%；*表示p值约为8%白人或西班牙人女性平均小时工资比男性低2.36美元非白人/西班牙人女性平均小时工资比男性低0.23美元（-2.36+2.13）男性非白人/西班牙人平均小时工资比白人或西班牙人低1.73美元女性非白人/西班牙人平均小时工资比白人或西班牙人高0.4美元（-1.73+2.13）女性非白人/西班牙人平均小时工资比男性白人或西班牙人低196美元（-2.36-1.73+2.13）,6.5比较两个回归,虚拟变量与定量变量交互作用Y每年食品支出（美元）；X税后收入（美元）；D=1（女性）；D=0（男性）男性平均食品支出：女性平均食品支出：根据B2和B4的统计显著性，男女食品平均支出差异可能有4种情形。,利用Eviews得到回归结果见表6-6,表6-7美国个人储蓄和个人可支配收入（1970-1995）,模型1970-1981年：1982-1995年：,表6-8储蓄收入关系的回归结果,回归结果*表示1%显著性水平；*表示5%显著性水平；*表示10%显著性水平1970-1981年：1982-1995年：,6.6虚拟变量在季节分析中的应用,许多基于月度或季度的经济时间序列数据都表现出季节特性（有规则地摆动）如，重大节假日期间百货公司的销售额；假期对旅游的需求；夏季对冰激凌、饮料的需求，等等一个时间序列数据可能包括4种成分：季节成分、周期成分、趋势成分和随机成分可以从时间序列中将季节因素或成分剔除，这个过程称为消除季节成分或季节调整这时得到的时间序列称为消除季节因素的时间序列或经季节调整的时间序列,美国冰箱销售量，1978年1月-1985年4月,模型Y为冰箱销售量（前台）*表示p值小于5%；*表示p值大于5%经季节调整的时间序列,6.7应变量也是虚拟变量的情形：线性概率模型（LMP）,例6.6借贷市场上的歧视,习题6.6,模型YMBA毕业生年收入；X工龄非哈佛/沃顿毕业生平均年收入哈佛毕业生平均年收入沃顿毕业生平均年收入,习题6.7,模型非哈佛/沃顿毕业生平均年收入哈佛毕业生平均年收入沃顿毕业生平均年收入,H0：B4=B5=0无约束模型受约束模型,习题6.13,美国综合排名前65所大学研究生接受率，考察不同地区大学研究生接受率是否有差异？不同地区学费系数是否有差异？南部、东北和中北部、西部三个地区，设定地区虚拟变量模