当前位置：文档之家 › 虚拟变量讲稿

虚拟变量讲稿

  • 格式：doc
  • 大小：803.00 KB
  • 文档页数：10

下载文档原格式

  / 10

合集下载

第六章(09虚拟变量)

第六章(09虚拟变量)
研究生 α2 -α1 α1 本科 大专以下
工龄
上图直观地描述了三类年薪函数的差异情况，通过检验、 α1 、α2的显著性，可以判断学历层次对职员的年薪是否 有显著影响。
2、多个因素各两种类型 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。 例如，研究居民住房消费函数时，考虑到城乡的差异以 及不同收入层次的影响，将消费函数取成： Yi=a+bxi+ α1D1i+ α2D2i +μi 其中y , x分别是居民住房消费支出和可支配收入，虚拟 变量 1 农村居民 1 高收入家庭
其他 其他 而将年薪模型取成（假设以加法方式引入）： Yi=a+bxi+ α1D1i+ α2D2i +μi
1 D1 0
本科
1 D2 0
研究生
其等价于：
Yi=a+bxi+ μi Yi=(a+α1)+ bxi+μi Yi=(a+α2)+ bxi+μi
年薪
大专以下(D1=D2=0) 本科(D1=1，D2=0) 研究生(D1=0，D2=1)
1 D 0
政策紧缩 政策宽松
1 D 0
本科以上学历 本科以下学历
一般地，在虚拟变量的设置中： 基础类型、肯定类型取值为1； 比较类型，否定类型取值为0。 0和1只是符号而已，不代表高低意义。 变量的划分应遵循穷举与互斥原则。
二、作用：
1、可以描述和测量定性因素的影响。
这是计量经济学研究的重点。
D1 0
城镇居民
D2 0
低收入家庭
这样可以反映各类居民家庭的住房消费情况：
城市低收入家庭

第十讲虚拟变量DUMMYVARIALBE

第十讲虚拟变量DUMMYVARIALBE
SIB-BFSU, ECONOMETRICS
第十讲虚拟变量DUMMYVARIALBE
DUMMY VARIABLE CLASSIFICATION WITH TWO CATEGORIES
. Dependent Variable: COST Method: Least Squares Date: 05/16/04 Time: 19:22 Sample: 1 74 Included observations: 74 Variable C N OCC R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
SIB-BFSU, ECONOMETRICS
第十讲虚拟变量DUMMYVARIALBE
DUMMY VARIABLE CLASSIFICATION WITH TWO CATEGORIES
b1+d d
b1
Combined equation OCC = 0 Regular school OCC = 1 Occupational school
SIB-BFSU, ECONOMETRICS
第十讲虚拟变量DUMMYVARIALBE
DUMMY VARIABLE CLASSIFICATION WITH TWO CATEGORIES
We will now fit a function of this type using actual data for a sample of 74 secondary schools in Shanghai.
SIB-BFSU, ECONOMETRICS
第十讲虚拟变量DUMMYVARIALBE

第七章虚拟变量

第七章虚拟变量
y= α +β1 x + β2 D1 + β3D2 ＋ β4D3 ＋μ
14
1 第一季度 D1 ＝{
0 其他
1 第二季度 D2 ＝{
0 其他 1 第三季度
D3＝{ 0 其他
15
年、季度
1990年1－3月 4－6月 7－9月 10－12月
1991年1－3月 4－6月 7－9月 10－12月
1992年 1－3月 4－6月 7－9月 10－12月
0
7－9月
0
10－12月
0
1992年 1－3月
1
4－6月
0
7－9月
0
10－12月 0
1993年1－3月
1
4－6月
0
7－9月
0
10－12月 0
1994年1－3月
1
D2
D3
0
0
1
0
0
1
0
0
0
0
1
0
0
1
0
0
0
0
1
0
0
1
0
0
0
0
1
0
0
1
0
0
0
0
18
估计结果如下：
Y= 9.0681+0.068301X-2.05875D1-1.8009D2-0.76594D3 所有t值都在1％的水平显著
103
208
1990
105
206
1991
96
203
1992
105
209
1993
78
213
1994
120
220

第08章 虚拟变量(讲稿)

第08章 虚拟变量(讲稿)

第8章 虚拟变量（dummy variable ）在实际建模过程中，被解释变量不但受定量变量影响，同时还受定性变量影响。

例如需要考虑性别、民族、不同历史时期、季节差异、企业所有制性质不同等因素的影响。

这些因素也应该包括在模型中。

1。

虚拟变量由于定性变量通常表示的是某种特征的有和无，所以量化方法可采用取值为1或0。

这种变量称作虚拟变量，用D 表示。

虚拟变量应用于模型中，对其回归系数的估计与检验方法与定量变量相同。

⎩⎨⎧=不具有某属性具有某属性01D 例：表示季节的虚拟变量⎩⎨⎧=其它春季011D ⎩⎨⎧=其它夏季012D ⎩⎨⎧=其它秋季013D ⎩⎨⎧=其它冬季014D2．测量截距移动设有模型，y t = β0 + β1 x t + u加法方式增加虚拟变量y t = β0 + β1 x t + β2D + u t ,其中y t ，x t 为定量变量；D 为定性变量。

当D = 0 或1时，上述模型可表达为， β0 + β1x t + u t , (D = 0) y t = (β0 + β2) + β1x t + u t , (D = 1)2040600204060X Y图8.1 测量截距不同D = 1或0表示某种特征的有无。

反映在数学上是截距不同的两个函数。

若β2显著不为零，说明截距不同；若β2为零，说明这种分类无显著性差异。

例：中国成年人体重y （kg ）与身高x （cm ）的回归关系如下：–105 + x D = 1 (男) y = - 100 + x - 5D =–100 + x D = 0 (女) 注意：① 若定性变量含有m 个类别，应引入m -1个虚拟变量，否β0β0+β2D = 1D =0则会导致多重共线性，称作虚拟变量陷阱。

②关于定性变量中的哪个类别取0，哪个类别取1，是任意的，不影响检验结果。

③定性变量中取值为0所对应的类别称作基础类别（base category）。

3测量斜率变化以上只考虑定性变量影响截距，未考虑影响斜率，即回归系数的变化。

最新计量经济学课件-第五章教学讲义PPT

最新计量经济学课件-第五章教学讲义PPT
模型中的解释变量仅包含X的当期值与被解释 变量Y的一个或多个滞后值
Y t a b 0 X t b 1 Y t 1 b 2 Y t 2 b q Y t q U t
• 3、分布滞后模型的OLS估计 （1）估计中存在的问题： 无限分布滞后：样本有限，无法估计； 有限分布滞后： 没有先验准则确定滞后长度； 滞后期过长导致丧失过多自由度； 容易出现多重共线；
Y b 0 b 1 X b 2 P a 1 D 1 a 2 D 2 a 3 D 3 a 4 D 4 U
存在什么问题？
• 解释变量观测值矩阵为：
1
X1
1
X2
P1
1 0 0 0
P2
0
1
0
0
1
X3
1
X4
P3
0 0 1 0
P4
0 0 0 1
1
X0
1
X n2
Pn 2
• （2）一般处理
各种方法的基本思想大致相同：都是通过对各滞后变 量加权，组成新变量从而有目的地减少滞后变量的数 目，以缓解多重共线性，保证自由度。
经验权数法
根据实际问题的特点、实际经验给各滞后变量指定权 数，滞后变量按权数线性组合，构成新的变量。权数
据的类型有：
• 递减型： 权数是递减的，X的近期值对Y的影响较远期 值大。 如消费函数中，收入的近期值对消费的影响作 用显然大于远期值的影响。 例如：滞后期为 3的一组权数可取值如下： 1/2， 1/4， 1/6， 1/8 则新的线性组合变量为：
W 1 t1 2X t1 4X t 11 6X t 28 1X t 3
• 矩型： 即认为权数是相等的，X的逐期滞后值对值Y 的影响相同。 如滞后期为3，指定相等权数为1/4，则新的线 性组合变量为：

计量经济学课件虚拟变量

计量经济学课件虚拟变量
提高模型精度和预测能力
通过引入虚拟变量，可以更准确地刻画经济现象的非线性特征，从而提高计量经济学模型 的精度和预测能力。
拓展应用领域
虚拟变量的引入使得计量经济学模型能够应用于更多的领域，如金融、环境、社会等，进 一步拓展了计量经济学的应用范围。
未来研究方向和趋势
深入研究虚拟变量的理论 和方法
未来研究将进一步深入探讨虚 拟变量的理论和方法，包括虚 拟变量的选择、设定和估计方 法等，以更准确地刻画经济现 象。
https://
未来研究将积极推动虚拟变量 在交叉学科领域的应用，如环 境经济学、金融经济学等，以 促进不同学科之间的交流和合 作。
WENKU DESIGN
WENKU DESIGN
2023-2026
END
THANKS
感谢观看
KEEP VIEW
WENKU DESIGN
WENKU DESIGN
WENKU
REPORTING
要点二
虚拟变量的设置原则
在设置虚拟变量时，需要遵循完备性 和互斥性的原则。完备性要求虚拟变 量的取值能够覆盖所有可能的情况， 而互斥性则要求不同虚拟变量之间不 能存在重叠或交叉的情况。
要点三
虚拟变量的回归系数 解释
在线性回归模型中，虚拟变量的回归 系数表示该定性因素对因变量的影响 程度。当虚拟变量取值为1时，其对 应的回归系数表示该水平与参照水平 相比对因变量的影响；当虚拟变量取 值为0时，则表示该水平对因变量没 有影响。
参数估计与假设检验
参数估计
采用最小二乘法等估计方法，对引入虚拟变量后的模型进行参数估计，得到各 解释变量的系数估计值。
假设检验
根据研究问题和假设，构建相应的原假设和备择假设，通过t检验、F检验等方 法对参数进行假设检验，判断虚拟变量对模型的影响是否显著。

第七章虚拟变量

第七章虚拟变量第七章虚拟变量第一节虚拟变量的引入一、什么是虚拟变量前面几章介绍的解释变量都是可以直接度量的，称为定量变量。

如收入、支出、价格、资金等等。

但在现实经济生活中，影响应变量变动的因素，除了这些可以直接获得实际观测数据的定量变量外，还包括一些无法定量的解释变量的影响，如性别、民族、国籍、职业、文化程度、政府经济政策变动等因素，他们只表示某种特征的存在与不存在，所以称为属性变量或定性变量。

属性变量：不能精确计量的说明某种属性或状态的定性变量。

在计量经济模型中，应当包含属性变量对应变量的影响作用。

那怎么才能把定性变量包括在模型中呢？属性变量通常是非数值变量，直接纳入回归方程中进行回归，显然是很困难的。

为此，人们采取了一种构造人工变量的方法，将这些定性变量进行量化，使其能与定量变量一样在回归模型中得以应用。

由于定性变量通常是表明某种特征或属性是否存在，如性别变量中以男性为分析基础的话，那就只有男性、非男性；政策变动变量中以政策不变为基准，则有政策不变，和政策变动；至于有两种以上的状态的话，比如学历分高中，本科，本科以上等等，我们又怎么办呢？把疑问留到后面去解决。

既然定性变量只有存在或不存在两种状态，所以量化的一般方法是取值为0或1。

称为虚拟变量。

虚拟变量：人工构造的取值为0或1的作为属性变量代表的变量。

一般常用D表示。

D=0，表示某种属性或状态不存在D=1，表示某种属性或状态存在比如前面说的性别变量，以男性为基准，则当样本为男性时，虚拟变量取0，当样本为女性时，则虚拟变量取1。

当虚拟变量作为解释变量引入计量经济模型时，对其回归系数的估计和统计检验方法都与定量解释变量相同。

二、虚拟变量的作用1、作为属性因素的代表，如，性别、种族等2、作为某些非精确计量的数量因素的代表，如：受教育程度、年龄段等；3、作为某些偶然因素或政策因素的代表，如战争、911等。

4、时间序列分析中作为季节（月份）的代表（比如对某些明显有淡季、旺季之分的产品）5、分段回归，研究斜率、截距的变动；6、比较两个回归模型；7、虚拟应变量概率模型，应变量本身是定性变量（比如你研究某产品的购买率，应变量本身就是买或不买）三、虚拟变量的设置规则1、虚拟变量D取值为0，还是取值为1，要根据研究的目的决定。

计量经济第七章虚拟变量模型课件


log
P2i P1i
21
21 X i ;
log
P3i P1i
31
31 X i ;
log
P3i P2i
32
32 X i .
其中 P1i、P2i、P3i 分别表示第 个决策者做出 第1、2、3个选择的概率。
23
Yi 0 1D1i ui ,
i 1,2, ,n.
其中 Yi
为个人月支出，
D1i
=
1，已婚 0，未婚
6
• 未婚者的月期望支出为：
E Yi | D1i 0 E 0 1 0 ui 0
• 已婚者的月期望支出为：
E Yi | D1i 1 E 0 1 1 ui 0 1
0 ：未婚者的月平均支出 1 ：未婚者与已婚者的月平均支出差距 0 1 ：已婚者的月平均支出
Zi
f
1
Pi
ln
1
Pi Pi
ln
Pi 1 Pi
0
1
X1i
+
+k X ki
17
二、二元Logit模型估计
• 1.可重复观测数据的二元Logit模型 参数估计
• P144 【相关链接】
• 2.不可重复观测数据的二元Logit模 型参数估计
• P145 【相关链接】
18
三、模型检验与拟合优度
定义：以虚拟变量为因变量的线性回 归模型称为线性概率模型。
（linear probability model,LPM） 模型的基本形式为：
Yi 0 1X1i +2 X2i k Xki ui ,
E Yi | X 0 1X1i +2 X2i k Xki ,
i 1,2, ,n.

计量经济学课件PPT虚拟变量

35
load c:\lx4\jjtzh.wf1 genr q2=(cos(t*2*3.14159/4)<-0.999999) genr q3=(sin(t*2*3.14159/4)<-0.999999) genr q4=(cos(t*2*3.14159/4)>0.999999) equation jjtzheq.ls xshe c t q2 q3 q4 forecast xshef1 equation wjjtzheq.ls xshe c t forecast xshef2 group xsh xshe xshef1 xshef2 show xsh.line
• 虚拟变量是一用以反映质的属性的一个人 工变量，通常记为D（Dummy）。 • 虚拟变量D只取0或1两个值 • 对基础类型或肯定类型设D=1 • 对比较类型或否定类型设D=0
6
虚拟变量举例
• • D= •
• • D= •
1
0 0 1
本科学历
非本科学历 “文革”时期 非“文革”时期
7
虚拟变量的引入
加法与乘法组合引入——— 截距与斜率均不同
• • • • • • D=1 异常时期 D=0 正常时期 设定模型 Y=b0+ b1x+ b2D + b3Dx +e 异常时期模型：（截距与斜率均不同） Y= (b0 + b2) + （b1 +b3） x +e 反常时期模型：（截距与斜率均不同） Y= b0 + b1 x +e
虚拟变量设置的原则
• 在模型中引入多个虚拟变量时，虚拟变量 的个数应按下列原则确定： • 如果有 m 种互斥的属性类型，在模型中引 入 m-1 个虚拟变量 （虚拟变量的陷阱） • 例如，性别有2个互斥的属性，引用2-1=1个 虚拟变量 • 再如，文化程度分小学、初中、高中、大 学、研究生5类，引用4个虚拟变量

计量经济学课件虚拟变量


2. 检验模型结构的稳定性
定义： 如果模型中参数的估计值与样本的选取无关， 则称该模型结构是稳定的。 用途： （1）检验多重共线性； （2）比较两个回归模型是否存在显著差异。 例：不同时期、不同地区、不同行业
模型：
样本1
样本2
y a1 b1 x
y a2 b2 x
组合：y a bx D XD
1 D 0 1 D 0
1 D 0 1 D 0
宽松政策 紧缩政策 发达地区 不发达地区
销售旺季 销售淡季
高收入家庭 低收入家庭
作用：
⑴描述和测量定性因素的影响； ⑵正确反映经济变量之间的关系，提高模型的精度 ⑶便于处理异常数据。
本节学习要求： 1958 年 1 D 其他年份 ⑴如何设置虚拟变量; 0 ⑵如何描述和测量定性因素的影响。
东 中 西
中部地区 其他地区
α2 -α1
(a 1 ) bX
东部地区 其他地区
α1
a bX
方式3：设置3个虚拟变量
1 D1 0
1 D3 0
中部地区 其他地区
西部地区 其他地区
1 D2 0
东部地区 其他地区
D1 D2 D3 1
虚拟变量的设置原则 1:
第四节
虚拟变量
一、虚拟变量及其作用
问题： 在计量经济模型中如何反映定性因素影响？例如：
金融计量分析中的政策因素、心理因素 经济增长分析中的地区差异因素 产品销售分析中的季节因素、消费习惯等因素

定义： 用以描述定性因素影响、只取数值0和1的人工变 量为“虚拟变量”，一般用符号D表示。 （Dummy variable—哑变量）
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

虚拟变量（dummy variable ）在实际建模过程中，被解释变量不但受定量变量影响，同时还受定性变量影响。

例如需要考虑性别、民族、不同历史时期、季节差异、企业所有制性质不同等因素的影响。

这些因素也应该包括在模型中。

由于定性变量通常表示的是某种特征的有和无，所以量化方法可采用取值为1或0。

这种变量称作虚拟变量，用D 表示。

虚拟变量应用于模型中，对其回归系数的估计与检验方法与定量变量相同。

1． 截距移动 设有模型y t = β0 + β1 x t + β2D + u t ,其中y t ，x t 为定量变量；D 为定性变量。

当D = 0 或1时，上述模型可表达为，β0 + β1x t + u t , (D = 0)y t =(β0 + β2) + β1x t + u t , (D = 1)0204060204060X Y图1 测量截距不同D = 1或0表示某种特征的有无。

反映在数学上是截距不同的两个函β0β0+β2D = 1 D =0数。

若β2显著不为零，说明截距不同；若β2为零，说明这种分类无显著性差异。

例：中国成年人体重y （kg ）与身高x （cm ）的回归关系如下：–105 + x D = 1 (男)y = –100 + x – 5D =– 100 + x D = 0 (女)注意：① 若定性变量含有m 个类别，应引入m –1个虚拟变量，否则会导致多重共线性，称作虚拟变量陷阱（dummy variable trap ）。

② 关于定性变量中的哪个类别取0，哪个类别取1，是任意的，不影响检验结果。

③ 定性变量中取值为0所对应的类别称作基础类别（base category ）。

④ 对于多于两个类别的定性变量可采用设一个虚拟变量而对不同类别采取赋值不同的方法处理。

如：1 (大学)D = 0 (中学)– 1 (小学)【案例1】 中国季节GDP 数据的拟合（虚拟变量应用，file ：case1及case1-solve ）1.21.62.02.42.896:196:397:197:398:198:399:199:300:100:3GDP1.01.52.02.53.0510152025TGDPGDP 序列图 不用虚拟变量的情形若不采用虚拟变量，得回归结果如下，GDP = 1.5427 + 0.0405 TR2 = 0.3991, (11.0) (3.5) DW = 2.6, s.e. = 0.3定义：1 （1季度） 1 （2季度） 1 （3季度）D1 = D2 = D3 =0 （2, 3,4季度）0 （1, 3, 4季度）0 （1, 2, 4季度）第4季度为基础类别。

GDP = 2.0922 + 0.0315 T – 0.8013 D1 – 0.5137 D2– 0.5014 D3(64.2) (15.9) (-24.9) (-16.1) (-15.8)R2 = 0.9863, DW = 1.96, s.e. = 0.05附数据如下：年GDP t D1 D2 D31996:1 1.3156 1 1 0 01996:2 1.6600 2 0 1 01996:3 1.5919 3 0 0 11996:4 2.22096 4 0 0 01997:1 1.46856 5 1 0 01997:2 1.84948 6 0 1 0 1997:3 1.7972 7 0 0 1 1997:4 2.3620 8 0 0 0 1998:1 1.58994 9 1 0 0 1998:2 1.88316 10 0 1 0 1998:3 1.97044 11 0 0 1 1998:4 2.51176 12 0 0 0 1999:1 1.6784 13 1 0 0 1999:2 1.9405 14 0 1 0 1999:3 2.0611 15 0 0 1 1999:4 2.5254 16 0 0 0 2000:1 1.8173 17 1 0 0 2000:2 2.1318 18 0 1 0 2000:3 2.2633 19 0 0 1 2000:4 2.7280 20 0 0 0数据来源：《中国统计年鉴》1998-20012． 斜率变化以上只考虑定性变量影响截距，未考虑影响斜率，即回归系数的变化。

当需要考虑时，可建立如下模型： y t = β0 + β1 x t + β2 D + β3 x t D + u t ,其中x t 为定量变量；D 为定性变量。

当D = 0 或1时，上述模型可表达为，(β0 + β2 ) + (β1 + β3)x t + u t , (D = 1)y t =β0 + β1 x t + u t , (D = 0)通过检验 β3是否为零，可判断模型斜率是否发生变化。

020406080100204060X Y010203040506070204060T Y图8.5 情形1（不同类别数据的截距和斜率不同） 图8.6 情形2（不同类别数据的截距和斜率不同）例2：用虚拟变量区别不同历史时期（file: case2及case2-solve ）中国进出口贸易总额数据（1950-1984）见上表。

试检验改革前后该时间序列的斜率是否发生变化。

定义虚拟变量D 如下0 （1950 - 1977）D =1 （1978 - 1984）中国进出口贸易总额数据（1950-1984）（单位：百亿元人民币）年trade T D T *D年trade T D T*D1950 0.415 1 0 0 1968 1.085 19 0 01951 0.595 2 0 0 1969 1.069 20 0 01952 0.646 3 0 0 1970 1.129 21 0 01953 0.809 4 0 0 1971 1.209 22 0 01954 0.847 5 0 0 1972 1.469 23 0 01955 1.098 6 0 0 1973 2.205 24 0 01956 1.087 7 0 0 1974 2.923 25 0 01957 1.045 8 0 0 1975 2.904 26 0 01958 1.287 9 0 0 1976 2.641 27 0 01959 1.493 10 0 0 1977 2.725 28 0 01960 1.284 11 0 0 1978 3.550 29 1 291961 0.908 12 0 0 1979 4.546 30 1 301962 0.809 13 0 0 1980 5.638 31 1 311963 0.857 14 0 0 1981 7.353 32 1 321964 0.975 15 0 0 1982 7.713 33 1 331965 1.184 16 0 0 1983 8.601 34 1 341966 1.271 17 0 0 1984 12.010 35 1 351967 1.122 18 0 0以时间T=time为解释变量，进出口贸易总额用trade表示，估计结果如下：trade = 0.37 + 0.066 time - 33.96D + 1.20 time D(1.86) (5.53) (-10.98) (12.42)0.37 + 0.066 time (D = 0, 1950 - 1977)=- 33.59 + 1.27 time(D = 1, 1978 - 1984)上式说明，改革前后无论截距和斜率都发生了变化。

进出口贸易总额的年平均增长量扩大了18倍。

【案例3】香港季节GDP数据（单位：千亿港元）的拟合（file: case3及case3-solve）1.01.52.02.53.03.54.0GDP1.01.52.02.53.03.54.090919293949596979899000102GDP1.6952+0.0377*T1990~1997年香港季度GDP 呈线性增长。

1997年由于遭受东南亚金融危机的影响，经济发展处于停滞状态，1998~2002年底GDP 总量几乎没有增长（见上图）。

对这样一种先增长后停滞，且含有季节性周期变化的过程简单地用一条直线去拟合显然是不恰当的。

为区别不同季节，和不同时期，定义季节虚拟变量D2、D3、D4和区别不同时期的虚拟变量DT 如下（数据见附录）：1 （第2季度） D2 =0 （其他季度） 1 （第3季度） D 3 =0 （其他季度） 1 （第4季度） D 4 =0 （其他季度）1 （1998:1~2002:4） DT =0 （1990:1 ~1997:4）得估计结果如下：GDP t = 1.1573 + 0.0668 t + 0.0775 D 2 + 0.2098 D 3 + 0.2349 D 4+ 1.8338 DT - 0.0654 DT t(50.8) (64.6) (3.7) (9.9) (11.0) (19.9) (-28.0)R 2 = 0.99, DW = 0.9, s.e. = 0.05, F=1198.4, T =52, t 0.05 (52-7) = 2.01对于1990:1 ~1997:4 GDP t = 1.1573 + 0.0668 t + 0.0775 D 2 + 0.2098 D 3 + 0.2349 D 4 对于1998:1~2002:4GDP t = 2.9911 + 0.0014 t + 0.0775 D 2 + 0.2098 D 3 + 0.2349 D 4如果不采用虚拟变量拟合效果将很差：GDP t = 1.6952 + 0.0377 t(20.6) (13.9)R2 = 0.80, DW = 0.3, T=52, t0.05 (52-2)= 2.01【案例4】天津市粮食市场小麦批发价与面粉零售价的关系研究（file: xiezhiyong）首先看天津市粮食市场小麦批发价格的变化情况（图1）。

1995年初，天津市粮食市场的小麦批发价格首先放开。

在经历5个月的上扬之后，进入平稳波动期。

从1996年8月份开始小麦批发价格一路走低。

至2002年12月份，小麦批发价格降至是1160元/吨。

其次看面粉零售价的变化情况。

因为面粉零售价格直接关系到居民的日常生活，所以开始时没有与小麦批发价格一起放开。

当小麦批发价格一路看涨时，1995年1月至1996年6月面粉零售价格一直处于2.14元/千克的水平上。

1996年7月起，面粉零售价格也开始在市场上放开。

受小麦批发价格上涨的影响，一个月内面粉零售价格从2.14元/千克涨到2.74元/千克。

在这个价位上坚持了11个月之后，面粉零售价格开始下降。

与小麦批发价格的下降相一致，在经历了5年零7个月的变化之后，面粉零售价格又恢复到接近开放前2.14元/千克的水平上（2.17元）。