计量经济学第8章

第8章虚拟变量和滞后变量8.1虚拟变量8.2滞后变量整理课件8.1虚拟变量问题的提出虚拟变量的定义虚拟变量的引入方式虚拟变量的特殊应用模型中引入虚拟变量的作用虚拟变量设置的原那么整理课件问题的提出经济变量定性变量定量变量建立和应用计量经济学模型时，除了要考虑定量变量的影响外，经常还要考虑定性变量的影响。例如，职业对个人收入的影响、战争与和平对开展经济的影响、繁荣与萧条对就业的影响、文化程度对工资的影响、自然灾害对农业生产的影响、季节对销售量的影响等。所以需要考虑在模型中引入定性变量。整理课件虚拟变量的定义虚拟变量〔dummyvariables)，是一种离散结构的量，用来描述所研究变量的开展或变异而建立的一类特殊变量，常用来表示职业、性别、季节、灾害、经济结构变化、受教育程度等定性变量的影响。习惯上用Ｄ表示虚拟变量，虚拟变量的取值通常为0和1。整理课件虚拟变量的引入虚拟变量在模型中可以作自变量，也可以作因变量。虚拟变量的引入方式加法方式乘法方式一般方式虚拟变量模型应用举例整理课件1反常情况0正常情况Y=b0+b1X+b2D+u反常情况:Y=(b0+b2

)+b1X+u正常情况:Y=b0+b1X+u1、加法方式D=XYb0b2虚拟变量与其它自变量之间的关系是相加关系，称这种引入虚拟变量方式为加法方式，其作用在于调整模型中的截距正常反常整理课件1反常情况0正常情况Y=b0+b1X+b11DX+u反常情况:Y=b0+(b1+b11)X+u正常情况:Y=b0+b1X+u2、乘法方式D=XYb0正常反常虚拟变量与其它自变量之间的关系是相乘关系，这种引入虚拟变量方式为乘法方式，其作用在于调整模型中的斜率。整理课件1反常情况0正常情况Y=b0+b01D+b1X+b11DX+u反常情况:Y=(b0+b01)+(b1+b11)X+u正常情况:Y=b0+b1X+u3、一般方式D=XYb0b01正常反常虚拟变量与其它自变量之间的关系既是相加关系又是相乘关系，这种引入虚拟变量方式为一般方式，其作用在于调整模型中的截距和斜率。整理课件

虚拟变量的特殊应用1．调整季节波动2．检验模型的结构稳定性3．分段回归4．混合回归整理课件

1．调整季节波动使用虚拟变量也可以反映季节因素的影响。例如，利用季度数据分析某公司利润y与销售收入x之间的相互关系时，为研究四个季度对利润的季节性影响，引入三个虚拟变量(设第1季度为根底类型)：整理课件例用虚拟变量处理季节数据模型中国1982-1988年市场用煤销售量〔yt〕季节数据〔?中国统计年鉴?1987，1989〕见表整理课件表中国市场用煤销售量季节数据年与季度yttD4D3D2年与季度yttD4D3D21982.12599.810001985.33159.1150101982.22647.220011985.44483.2161001982.32912.730101986.12881.8170001982.44087.041001986.23308.7180011983.12806.550001986.33437.5190101983.22672.160011986.44946.8201001983.32943.670101987.13209.0210001983.44193.481001987.23608.1220011984.13001.990001987.33815.6230101984.22969.5100011987.45332.3241001984.33287.5110101988.13929.8250001984.44270.6121001988.24126.2260011985.13044.1130001988.34015.1270101985.23078.8140011988.44904.228100整理课件由于受取暖用煤的影响，每年第四季度的销售量大大高于其它季度。图7.1.7给出了直接用yt对t回归的拟合直线。数据拟合效果不好。鉴于是季节数据，初步设三个季节变量如下：整理课件在EViews软件中，生成D2数据的EViews命令是GENRD2=@SEAS(2)，D3、D4类似。以时间t为解释变量〔1982年1季度取t=1，EViews命令是：GENRT=@TREND(1981：1)〕的煤销售量〔yt〕模型回归结果如表所示。表回归结果整理课件由于D3，D2的系数没有显著性，剔除虚拟变量D3，D2，得煤销售量〔yt〕模型回归结果如表7.1.6所示。表回归结果整理课件整理课件2．检验模型的结构稳定性利用不同的样本数据估计同一形式的计量经济模型，可能会得到不同的估计结果。如果估计的参数之间存在着显著差异，那么称模型结构是不稳定的，反之那么认为是稳定的。模型结构的稳定性检验主要有两个用途：一是分析模型结构对样本变化的敏感性，如多重共线性检验；二是比较两个(或多个)回归模型之间的差异情况，即分析模型结构是否发生了显著变化。利用一些特定的统计检验(如邹氏检验法，是美国计量经济学家邹至庄教授于1960年提出的一种检验两个或两个以上计量经济模型间是否存在差异的统计方法)，可以检验模型结构的稳定性问题，使用虚拟变量也可以得到相同的检验结果。设根据同一总体两个样本估计的回归模型分别为整理课件整理课件为“相异回归〞(Dissimilarregressions)。上述情况中，只有第(1)种情况模型结构是稳定的，其余情况都说明模型结构不稳定。3．分段回归整理课件整理课件回归系数反映了奖金的提高程度。使用虚拟变量既能如实描述不同阶段的经济关系，又未减少估计模型时的样本容量，保证了模型的估计精度。4．混合回归建估计模型时，样本容量越大那么估计误差越小。如果能同时获得变量的时序数据和横截面数据(简称为TS—CS数据)，是否可以将它们“混合〞成一个样本来估计模型？只要模型参数不随时间而改变，并且在各个横截面之间没有差异，就可以使用混合样本估计模型。例表为我国城镇居民1998年、1999年全年人均消费支出和可支配收入的统计资料(单位：元／年)。试使用混合样本数据估计我国城镇居民消费函数。整理课件表2我国城镇居民人均消费支出和可支配收入统计资料收入等级1998年1999年消费支出Y收入XD消费支出Y收入XD困难户2214.472198.8802327.542325.701最低收入户2397.602476.75O2523.102617.801低收入户2979.273303.17O3137.343492.271中等偏下户3503.244107.2603694.464363.781中等收入户4179.645118.9904432.485512.121中等偏上户4980.886370.5905347.096904.961高收入户6003.217877.6906443.338631.941最高收入户7593.9510962.108262.4212083.791整理课件整理课件表

回归结果

整理课件这说明1998年、1999年我国城镇居民消费函数并没有显著差异。因此，可以将两年的样本数据合并成一个样本，估计城镇居民的消费函数，结果如下:回归结果整理课件整理课件虚拟变量的特殊应用调整季节波动检验模型结构的稳定性分段回归整理课件模型中引入虚拟变量的作用可以描述和测量定性因素的影响提高模型的精度便于处理异常数据整理课件虚拟变量设置原那么在模型中引入多个虚拟变量时，虚拟变量的个数应按以下原那么确定：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。举例整理课件第二节滞后变量问题的提出滞后变量的概念产生滞后效应的原因滞后变量模型滞后变量模型的作用滞后变量模型的参数估计整理课件在经济运行过程中，广泛存在时间滞后效应。某个经济变量不仅受到同期各种因素的影响，而且也受到过去时期的各种因素甚至自身的过去值的影响。为了使模型更接近于真实的经济过程，需要引入过去时期的，具有滞后作用的变量。在模型中考虑了过去时期的，具有滞后作用的变量，也就是考虑了时间因素的作用，使静态分析成为了动态分析，这在理论上和方法上都是一个进步，模型也更接近于真实的经济过程。问题的提出整理课件滞后效应与滞后变量因变量受到自身或另一经济变量的前几期值影响的现象称为滞后效应。通常称过去时期的，具有滞后作用的变量叫做滞后变量(LaggedVariable)。X的滞后值滞后变量的概念整理课件产生滞后效应的原因心理原因在经济转型变革时期，人们往往由于心理定势，而不能及时适应新的变化，表现为行为决策滞后。技术原因投入和产出之间总是存在时间滞后。制度原因契约因素：合同，定期存款管理因素：管理层次过多，信息不灵整理课件滞后变量模型定义：带有滞后变量的模型称为滞后变量模型。Yt=b0+b1Yt-1+b2Yt-2+…+bjYt-j+a0Xt+a1Xt-1+a2Xt-2+…+akXt-k+u式中：Yt-j：因变量的第j期滞后Xt-k：自变量的第k期滞后有限分布滞后模型〔滞后期取值有限〕分布滞后模型(自变量滞后)无限分布滞后模型〔滞后期取值无限〕自回归模型(包括因变量滞后)

整理课件假定影响因变量Y的仅仅是具有滞后分布结构的自变量X。Yt=a0+b0Xt+b1Xt-1+b2Xt-2+…+bsXt-k+ub0：为短期乘数，表示本期X对Y的线性作用大小bi：为延期乘数或动态乘数，表示解释变量在各滞后期变动一个单位对Y的影响，即x的滞后影响。如果b=

bi存在，i=0,1,2…,kb称为长期分布或总分布乘数。表示X变动一个单位时，由于滞后效应而形成的对Y值的总的影响。分布滞后模型整理课件对分布滞后模型直接采用OLS不适宜没有先验准那么确定滞后期长度；如果滞后期较长，有效样本观察值较少，将缺少足够的自由度进行估计和统计检验；同名变量滞后值之间可能存在高度线性相关，即模型存在严重多重共线性。分布滞后模型的参数估计整理课件1、经验加权法经验加权法是给滞后变量Xt

,

Xt-1

,

Xt-2

,

…

,Xt-s指定权数。权数的类型有：(1)递减型。假定权数是递减的，即认为X的近期值对Y的影响较远期值为大。越是远期滞后，影响越小。设滞后期s=3，递减权数取为

1

1

1

112468Yt=a0+b0Xt+b1Xt-1+b2Xt-2+b3Xt-3+u令Yt=a0+a1W

+u整理课件(2)矩型。假定权数都是相等的，即认为X的逐期滞后值对Y的影响相同。设滞后期s=3，递减权数取为1/4。111114444(3)型。假定权数先递增后递减呈型，如投资对产出的影响，以周期期中投资对本期产出的奉献最大。设滞后期s=4，权数取为11111164235整理课件在Eviews中用GENR命令，将变量组合成新变量。GenrW=X/6+X(-1)/4+X(-2)/2+X(-3)/3+X(-4)/5lsYCW经验法具有简单易行、不损失自由度、防止多重共线性的干扰及参数估计具有一致性等优点。缺点是设置权数的主观随意性很大。该法要求对实际问题的特点有比较透彻的了解。通常的做法是，多项选择几组权数，分别估计多个模型，然后根据决定系数R2，F检验值，t检验值，估计标准误以及D－W值，从中选择最正确估计式。整理课件2、阿尔蒙(Almon)多项式法阿尔蒙法的根本思想是对于滞后期长度为k的有限分布滞后模型，通过阿尔蒙变换，定义新的变量，以减少自变量个数，然后用OLS法估计参数。主要步骤为：(1)阿尔蒙变换对于分布滞后模型，假定其回归系数bi可用一个关于滞后期i的适当阶数的多项式来表整理课件阿尔蒙变换要求先验确定适当的阶数m，如m=2即b1=d1+d2b2=2d1+4d2

…………...bk=kd1+k2d2代入模型整理