虚拟变量1例题.docxVIP

虚拟变量模型回归分析1 实验要求 掌握一个定性变量模型的回归分析及结果解读。 实验内容 建立工作文件 创建序列（或变量）并将变量纳入一个组 输入数据 建立模型并输出结果 实验数据 例1 某高校大学生月消费支出的性别影响研究。共抽样调查了36名学生，数据如下表： 表 36名学生月消费与性别信息（单位：元） 消费（Y） 性别（D） 消费（Y） 性别（D） 消费（Y） 性别（D） 消费（Y） 性别（D） 890 女 950 男 650 男 880 男 960 女 750 男 750 女 775 女 750 男 650 女 850 女 750 女 880 男 750 女 880 男 950 男 775 女 850 男 775 女 800 男 1100 男 750 男 750 男 750 男 785 男 950 女 950 男 950 男 860 女 850 男 800 男 850 女 1050 男 900 女 700 女 900 女 实验步骤： 要研究高校大学生月消费支出受性别的影响，因为性别为定性因素，所以需要引入虚拟变量。性别包括男和女两个类别，需要引入一个虚拟变量D。将Y设定为月消费支出，D为性别，取1时为男性，取0时为女性，即 根据虚拟变量的设定，原始数据可变换为： 消费（Y） 性别（D） 消费（Y） 性别（D） 消费（Y） 性别（D） 消费（Y） 性别（D） 890 0 950 1 650 1 880 1 960 0 750 1 750 0 775 0 750 1 650 0 850 0 750 0 880 1 750 0 880 1 950 1 775 0 850 1 775 0 800 1 1100 1 750 1 750 1 750 1 785 1 950 0 950 1 950 1 860 0 850 1 800 1 850 0 1050 1 900 0 700 0 900 0 1.建立工作文件 打开Eviews，创建样本容量为36的非结构性工作文件。如图1.1所示： 图 1. SEQ 图 \* ARABIC \s 1 1 2.输入数据 在主菜单中，选择Quick-Empty Group,打开一个空数据集，输入数据，选择ser01按钮，点击鼠标右键，选择rename,将ser01修改为Y.同样方法，ser02按钮，将ser02修改为D1，如图1.2： 图1.2 3.回归分析 在命令窗口中输入命令： ls y c d1，回车键，Eviews将自动输出结果，如图1.3所示。 图1.3 4.结果分析： （1）回归方程： 女性大学生群体的平均月消费支出为： 男性大学生群体的平均月消费支出为： （2）拟合优度检验： R2=0.0304，说明性别解释了月消费支出y总变差中的3.04%，拟合程度较差。 （3）方程显著性检验: F=1.0672，对应的P值为0.3089，大于显著性水平0.05，所以回归方程整体线性关系是不显著的； （4）参数显著性检验: D的t=1.0331，对应的P值为0.3089，大于显著性水平0.05，所以变量不是显著的，说明没有证据证明性别差异对大学生月消费支出有显著影响。 例2 为考察季节因素对美国制造业的销售量的影响，搜集数据如下： 表 美国制造业的销售量数据（单位：亿元） 时间 销售（Y） 时间 销售（Y） 时间 销售（Y） 1965:1 10503 1967:1 11349 1969:1 14151 1965:2 12092 1967:2 12615 1969:2 15949 1965:3 10834 1967:3 11014 1969:3 14024 1965:4 12201 1967:4 12730 1969:4 14315 1966:1 12245 1968:1 12539 1970:1 12381 1966:2 14001 1968:2 14849 1970:2 13991 1966:3 12213 1968:3 13203 1970:3 12174 1966:4 12820 1968:4 14947 1970:4 10985 实验步骤： 要研究季节因素对美国制造业的销售量的影响，因为季节为定性因素，所以需要引入虚拟变量。季节因素包括四个季度，需要引入三个虚拟变量D1、D2、D3，设第一季度为基础类别，第二季度、第三季度和第四季度分别为被比较类别。虚拟变量设置如下： 根据虚拟变量的设定及数据资料，原始数据可变换为： 时间 销售量（Y） D1 D2 D3 1965:01:00 10503 0 0 0 1965:02:00 12092 1 0 0 1965:03:00 10834 0 1 0 1965:04:00 12201 0 0 1 1966: