《经济计量学》陈胜荣（计统系）06.pptVIP

关于公式6-30的回归模型的说明： 第二季度和第三季度存在季节效应(D2,D3的系数显著不为0)，第四季度则没有 利用该模型获得经季节调整后冰箱销售量的时间序列： 用实际的Y减去从方程估计得到的Y，即回归式的残差，再把这个残差加上Y的均值，得到的序列就是经季节调整后的序列，该序列表现出时间序列的其他成分（周期、趋势和随机等） 七、应变量也是虚拟变量的情形：线性概率模型（LPM） LPM: 应变量Y的取值只有两种情形，0或1. 这样的Y称为两分变量 这种以情形下，不宜用OLS估计方法： 虽然Y的值为1或0，但无法保证Y的估计值介于0～1之间，实际上，?可能为负或大于1； 由于Y是一个二分变量，u也是一个二分变量，它不再服从正态分布，而是二项概率分布； 误差项将是异方差的； 由于Y仅取值0和1，惯用的R2没有实际意义了 对上述问题的解决： 随着样本容量的扩大，二项分布收敛于正态分布； 异方差有其处理方法； 估计的Y可能在0～1区间之外： 实践中有一个简单的处理方法（在0～1区间之外的Y值不太多时） ?为负则取0； ?大于1，则取1. Logit model Probit model 例：房贷与收入的关系（数据见表6-10） Yi=B1+B2Xi+u 其中：Y=1表示申请到了房贷，否则为0; X表示年家庭收入 估计结果： ?i=-0.9456+0.0255Xi (相应的t值和R2见P232） 对模型的解释： 收入每增加1美元，获得房贷的概率大约增加0.03 实际中：房贷的概率随收入水平以固定增速线性增加，与实际不符 例：借贷市场上的歧视 应变量Y为二分变量，通过贷款申请赋值为1，否则为0； 研究目的是为了判断是否由于性别、种族和其他一些定性因素导致了贷款市场上的歧视行为。 回归的结果： *：p值等于或低于5%；** ： p值大于5% 解释变量 系数 t值 截距 0.501 未给出 AI（收入） 1.489 4.69* XMD（债务减抵押贷款支出） -1.509 -5.74* DF（性别） 0.140 0.78** DR（种族） -0.266 -1.84* DS（婚否） -0.238 -1.75* DA（房屋年限） -1.426 -3.52* NNWP（领居中非的种人的比例） -1.762 0.74** NMFI 0.150 0.23** NA （邻居房屋的平均年限） -0.393 -0.134 总结 虚拟变量的作用：“数据分类器” 应用虚拟变量应注意的地方： 如果回归模型包含了一个常数项，则虚拟变量的个数必须比每个定性变量的分类数少一； 虚拟变量系数的解释与基准类有关； 若模型包含多个定性变量，且每个定性变量有多种分类，则引入模型的虚拟变量将消耗大量的自由度，故应权衡进入模型中虚拟变量的个数以免超过样本观察值的个数。 例：考察1990年前后的中国居民的总储蓄-收入关系是否已发生变化。 下表给出了中国1979~2001年以城乡储蓄存款余额代表的居民储蓄以及以GNP代表的居民收入的数据。 表：1979～2001中国储蓄与GDP，单位：亿元 90年前 储蓄 GDP 90年后 储蓄 GDP 1979 281 4038.2 1991 9107 21662.5 1980 399.5 4517.8 1992 11545.4 26651.9 1981 523.7 4860.3 1993 14762.4 34560.5 1982 675.4 5301.8 1994 21518.8 46670 1983 892.5 5957.4 1995 29662.3 57494.9 1984 1214.7 7206.7 1996 38520.8 66850.5 1985 1622.6 8989.1 1997 46279.8 73142.7 1986 2237.6 10201.4 1998 53407.5 76967.2 1987 3073.3 11954.5 1999 59621.8 80579.4 1988 3801.5 14922.3 2000 64332.4 88228.1 1989 5146.9 16917.8 2001 73762.4 94346.4 1990 7034.2 18598.4 以Y为储蓄，X为收入，可令： 1990年前： Yi=?1+?2Xi+?1i i=1,2…,n1 1990年后： Yi=?1+?2Xi+?2i i=1,2…,n2 则有可能出现下述四种情况中的一种： (1) ?1=?1 ，且?2=?2 ，即两个回归相同，称为一致回归（Coincident Regressions）； (2) ?1??1 ,但?2=?2 ，即两个回归的差异仅在其截距，称为平行回归