计量虚拟变量模型26页PPT

离散被解释变量模型——二元选择模型
Models with Discrete Dependent Variables—Binary Choice Model
一、二元离散选择模型的经济背景 二、线性概率模型（LPM） 三、Logit离散选择模型及其参数估计 四、Probit离散选择模型及其参数估计
一、二元离散选择模型的经济背景
（1）重复观测值不可以得到 情况下（个体数据）
Pi

1 1 e(0 1Xi )
• 关于参数的非线性函数，不能直接 求解，需采用极大似然法（ML） 估计。
• 应用计量经济学软件。
• “重复观测值不可以得到”，是指 对每个决策者只有一个观测值。即 使有多个观测值，也将其看成为多 个不同决策者。
以表示决策结果的离散数据作为被解释变量而建立的模型 称为离散被解释变量模型，或离散选择模型。
如果被解释变量只存在两种选择，称二元选择模型。
(Binary Choice Model)
如果被解释变量存在多种选择，称为多元选择模型。
(Multiple Choice Model)
一、二元离散选择模型的经济背景 实际经济生活中的二元选择问题：
（4）每单位解释变量变化的概率变化率是一个常数（由斜 率值1给出），与实际不太符合
LPM中：Pi E(Yi | Xi ) 0 1Xi Yˆ i 0.9457 0.1021 Xi
即Xi每变化一个单位，概率Pi的 变化量保持不变，而不论Xi的变 化发生在什么水平上。
二、线性概率模型（LPM——Linear Probability Model）
P
S型曲线
1
0
X
S曲线与随机变量的分布函数非常 相似。故对随机变量Yi[0,1]，可 选用分布函数作为模型的设定形 式。如选逻辑(logistic)分布的概率 分布函数，对应Logit模型；选标

第七章 虚拟变量
• 在回归分析中，被解释变量的影响因素 除了量（或定量）的因素还有质（或定 性）的因素，这些质的因素可能 会使回 归模型中的参数发生变化，为了估计质 的因素产生的影响，在模型中就需要引 入一种特殊的变量—虚拟变量。
2020/6/16
（二）作用
• 1、可以描述和测量定性（或属性）因素 的影响；
2、多个因素各两种属性
• 如果有m个定性因素，且每个因素各有两个不同的 属性类型，则引入m个虚拟变量。
• 例2
• 研究居民住房消费函数时，考虑到城乡差异和不同 收入层次的影响将消费函数设定为：
Yt=b0+b1Xt+a1D1t+ a2D2t+ μt
Yt=居民住房消费支出
Xt=居民可支配收入
1城镇居民
2020/6/16
虚拟变量对截距的影响
y
有适龄子女
b0&#
o
图1 虚拟变量对截距的影响
x
2020/6/16
2、乘法方式引入虚拟变量
• 基本思想：以乘法方式引入虚拟解释变量
，是在所设定的计量经济模型中，将虚拟 解释变量与其他解释变量相乘作为新 的解释变量，以达到其调整模型斜率的
目的。 • 该方式引入虚拟变量主要作用：
D=
0 无适龄子女
将家庭教育费用支出函数写成：Yt=b0+b1Xt+aDt+μt 即以加法形式引入虚拟变量。
2020/6/16
子女年龄结构不同的家庭教育 费用支出函数为：
• 无适龄子女家庭的教育费用支出函数（D=0 ）：Yt=b0+b1Xt+μt
• 有适龄子女家庭的教育费用支出函数（D=1 ）：Yt=（b0+a）+b1Xt+μt

① 若定性变量含有 m 个类别，则模型中最多只能引入 m-1 个虚拟变量，例如对于季 据（有 4 个季节） ，最多只能引入 3 个虚拟变量。当引入 4 个虚拟变量时，就会导致多 注意： (1) 当定性变量含有 m 个类别时，模型不能引入 m个虚 线性。看表 8-1 数据，4 个虚拟变量定义为， 拟变量。最多只能引入 m -1个虚拟变量，否则当模型中存在
2. 测量斜率变动
以上介绍了用虚拟变量测量回归函数的截距变化。实际上，也可以用虚拟 变量考察回归函数的斜率是否发生变化。方法是在模型中加入定量变量与
虚拟变量的乘积项。设模型如下，
Yi = 0 + 1 Xi + 2 Di + 3 (Xi Di) + ui
100 Y 80
按2，3 是否为零，回归函数可有如下四种形式。
表 8-1 xt 和虚拟变量 D1、D2、D3、D4 截距项时就会产生完全多重共线性，无法估计回归参数。比 t xt D1 D2 D3 D4 如，对于季节数据引入 4个虚拟变量，数据如下表， 1995.2 1995.1 x1 1995.3 1995.2 x2 1995.4 1995.3 x3 1996.1 1995.4 x4 1996.2 1996.1 x5 1996.3 1996.2 x6 1996.4 1996.3 x7 1997.1 1996.4 x8 1997.1 … x9
Yˆ i = - 0.5667 + 0.0963 Xi
(-3.5) (11.6) R2 = 0.88, DW = 1.85
比较回归方程，前者的确定系数为0.99，后者的确定系数仅为0.88。说 明该回归模型中引入虚拟变量非常必要。
把“季节”因素引入模型
“季节”是在研究经济问题中常常遇到的定性因素。比如，酒，肉的销量 在冬季要超过其它季节，而饮料的销量又以夏季为最大。当建立这类问 题的计量模型时，就要考虑把“季节”因素引入模型。由于一年有四个 季节，所以这是一个含有四个类别的定性变量。应该向模型引入三个虚 拟变量。

E ( Y i|X i,D 2 i 0 ,D 3 i 1 ) (1 3 ) X i
设 Y i 为消费支出；X i 为收入；D i 为虚拟变量， 即
1,城镇居民
Di 0，农村居民 i1,2,3, ,n
上述表达式的意义在于，在收入不变的条件下，研 究城镇居民和农村居民对消Y i 费的不同影响，即判断 城乡居民在消费上是否存在显著性差异。 农村居民年平均消费：
E (Y i,|X i,D i0)12X i
1.2 二态变量的作用
引入虚拟变量的作用，在于将定性因素或属性因素 对因变量的影响数量化。 1.可以描述和测量定性（或属性）因素的影响。 2.能够正确反映经济变量之间的相互关系，提高模 型的精度；例如在分段回归中的应用。 3.便于处理异常数据。由于某些突发事件的存在， 如战争、自然灾害，使原本比较稳定的经济关系发 生一段时间的混乱，此时可以利用虚拟变量。
设变量D表示某种属性，该属性有两种类型，即当 属性存在时D取值为1；当属性不存在时D取值为0。 记为
1 具有某种属性 D0 不具有该属性
该变量D即为二态变量。二态变量又称虚拟变量、 名义变量或哑变量，是用以反映质的属性的一个人 工变量，是量化了的质变量，通常取值为0或1， 一般“1”代表某一属性存在，“0”代表某一属 性不存在， 即“是”或“否”，“男”或“女”等。
对上述模型进行回归，利用样本统计量对假 设作出判断（t检验）。只有一个定性解释变 量往往可用于检验一个属性因素对被解释变 量的影响是否显著性存在。
2.1.2 模型中有一个定量解释变量和一
个定性解释变量
设模型形式为
Y i12Xi3D iui
式中，X i 为定量变量，D i 为具有两个属性类型 的定性变量。
设模型形式为