王中昭制作
主要内容：
§5.1 虚拟变量模型
第五章经典单方程计量经济学
模型：专门问题
§5.1 、虚拟变量模型
王中昭制作
一、什么叫虚拟变量
?在回归模型中，除了定量变量外，有时还必须引入一些不可量化的经济变量，例如，研究职工的收入问题，需考虑到职工的受教育程度，研究冷饮的需求量或某个旅游胜地的旅游人数，需引入季节因素。这些都是非量化因素，但又非常重要，需引入模型中。这些不可量化因素可称为虚拟变量。
?一般地，在模型中的定性变量称为虚拟变量。或称为二元变量或分类变量等等。用D表示虚拟变量，以强调它与其它定量变量的区别。
二、引入虚拟变量的方式与特点王中昭制作
?①、加法方式：虚拟变量与各解释变量之间存在相加关系。
?特点：模型的截距不同，斜率相同。
?例如：Y
=a1+a2D t+b1X t+μt
t
?当D
=1时，截距=a1+a2；
t
?当D
=0时，截距=a1
t
?②、乘法方式：虚拟变量与各解释变量之间存在相乘关系。
?特点：模型的截距相同，斜率不同。
?例如：Y
=a1+ b1X t+b2D t*X t+μt
t
?当D
=1时，斜率=b1+b2；
t
?当D=0时，斜率=b
王中昭制作
?③、混合方式：虚拟变量与各解释
变量之间同时存在相乘和相加关系。
?特点：模型的截距和斜率均不相同。
?例如：
Y t=a1+a2D t+b1X t+b2D t*X t+μt
?当D
t =1时，截距=a1+a2，斜率=
b1+b2；
?当D
t
=0时，截距=a1，斜率=b1。
王中昭制作
?还可将多个虚拟变量引入模型中以考察多种“定性”因素的影响。
一个以性别为虚拟变量考察企业职工薪金的模型：D 1为性别，D 2为学历。
i
i i D D X Y μββββ++++=231210??
?=0
12D 本科及以上学历
本科以下学历
职工薪金的加法方式引入的模型为：
其中：Y 为企业职工的薪金，X 为工龄，
D 1=1，若是男性，D 1=0，若是女性。
王中昭制作
引入虚拟变量的作用是：消除异常值、体现其它重要的非量化因素对因变量的影响（如：转折点、季节因素、政策因素、教育程度、民族、性别、地区和资料分组等）、提高模型的可靠性。
?例如：用于消除异常值
??
?=反常年份
正常年份 0 11D
所谓正常与反常年份或数据的转折点是以因变量Y 为准，不是考虑解释变量的反常年份（或数据的转折点）。
三、引入虚拟变量的作用
王中昭制作
如果用m 个虚拟变量来表示有m 类情况的定性变量，则会导致虚拟变量与常数项之间存在多重共线性（称为虚拟变量陷井）。例如：把受教育程度这个定性变量划分为二个类：本科以上（含本科）和本科以下，如果引入二个虚拟变量：
建立方程：
Y=a 0+a 1D1+a 2D2+a 3X+μ
职工工资
工龄
???????
?
?
?=10
26110101017
10115
11041X :D2 D1 x C 若有如下样本则D1+D2=1，导致（X′X ）-1不存在，
无法求解。
0 12 , 0)( 11??
?=???=其它本科以下其它含本科本科以上D D 四、虚拟变量的设计原则
①用m-1个虚拟变量来表示有m 类情况的定性变量。
王中昭制作
??
?=
0)(
11其它含本科本科以上D
显然对于同一模型Y=a 0+a 1X+a 2D1+μ，
不同的D1取值所得D1的回归系数是不同的，
预测时D1的取值也相应改变。
②虚拟变量的取值一般为1或0,但亦可取其它数值，一般地基础类型、肯定类型取值为1; 比较类型，否定类型取值为0。
例如：
0)(
21 ???=其它含本科本科以上或D
王中昭制作
?
澳大利亚居民消费支出Y 与个人可支配收入X 的关系，同时考虑到季节因素（作为虚拟变量），虚拟变量（有四类）设计如下：
??
?=其它季度
第四季度 0 14D ???=其它季度第三季度 0 13D ???=其它季度
第一季度 0 11D 实例1：资料来源：《经济计量学精要》
(P190 ),文件名Jrp190.dta
?
??=其它季度第二季度 0 12D
王中昭制作
年份
Y X D1D2D3D41977.116.63136.510001977.219.91132.101001977.319.41157.500101977.424.01177.700011978.117.55152.410001978.221.97150.701001978.320.90173.000101978.425.61199.800011979.119.46179.110001979.222.72167.401001979.322.14191.600101979.427.42227.000011980.121.42187.310001980.225.41185.001001980.325.49219.200101980.4
32.07
261.5
1
单位：千万美元。
王中昭制作模型一：加法模型。
tab id, gen(dum)
王中昭制作模型二：乘法模型。
gen z1=dum1*x
gen z2=dum2*x
gen z3=dum3*x
reg y x z1 z2 z3
王中昭制作模型三：混合模型。各种统计检验
是否通过？
还可以用其它任意三个虚拟变量.
王中昭制作
μ
βββββ+++++=-19904198931210)/ln()/ln()/ln(D D CP C CP Y CP C 式中：C ——农村居民消费支出(现价)；Y ——农村居民纯收入(现价)；CP ——农村居民消费物价指数(1990年=100)；D 1989，D 1990——表示虚拟变量。
模型中引进虚拟变量的理由，在于考虑1989年、1990年物价的急剧变动对农村居民平均消费水平的影响。D 1989和D 1990分别定义如下：
:
,19971981, 01990 1 , 01989 119901989估计结果如下年年至样本区间为其它
年
其它年???=???=D D ,
2.,024
3.0,993.0,995.0R (-3.02) (-3.12) (7.37) (2.47) (-0.374) 076.01027.0)/ln(7209.0)/ln(2959.010
4.0)/ln(22199019891====--++-=-W D MSE R D D CP C CP Y CP C 由估计结果可知，这表明1989年、1990年物价的急剧变动使得农村居民平均消费有所降低。思考：能用混合模型吗？
实例2、考虑以下的宏观消费函数(中国农村居民的消费函数，取自于赵国庆《计量经济学》)
王中昭制作练习题
?clear
?use auto.dta,clear
?其中foreign表示国产车和进口车,其变量为y,国产车取值为0,进口车取值为1。make=制造商和型号，
price=车的价格,length=车的长度,
?weight=车的重量,mpg=每升油所跑的里程数.
?rep78=1978年修理的次数,headroom=净空高度
（英寸）,Trunk=后备箱空间（立方英尺）,turn=转动圈（英尺）,Displacement=排气量（立方米英
吋）,gear_ratio=变速比。
?
王中昭制作模型的稳健性检验
?主要有这如下几种方法：
1. 从数据出发，根据不同的标准调整分类，
检验结果是否依然显著。
2. 从变量出发，用其他的变量替换，如：
公司size可以用total assets衡量，也可以用
total sales衡量。
3. 从计量方法出发，可以用不同方法OLS,
GLS, MLE,GMM等进行回归，看结果是否
依然稳健。
王中昭制作
作业：P186，
2
本节结束,See you next time！
虚拟变量习题 一、 单项选择题 1、 若一个回归模型包含截距项，对一个具有m 个特征的质的因素需要引入的虚拟变量个数为 A.m-2 B.m-1 C.m D.m+1 2、 某商品需求函数为:Y i =β0+β1X i +μi ，其中Y 为需求量，X 为价格，为了考虑“性别”(男性、女性)和“地区”(东部、中部、西部)两个因素的影响，考虑引入虚拟变量，则应引入虚拟变量的个数为( ) A. 5 B. 4 C. 3 D. 2 3、 消费函数Y i =α0+α1D+β0X i +β1DX i +μi ,其中 虚拟变量D=???农村家庭城镇家庭 01，当统计检验表明下列哪项成立时，表示城镇家庭 与农村家庭有一样的消费行为( ) A. α1=0, β1=0 B. α1=0, β1≠0 C. α1≠0, β1=0 D. α1≠0, β1≠0 4、 根据样本资料建立某消费函数如下：?100.5055.350.45t t C D X =++，其中C 为消费，X 为收入，虚拟变量 1 D 0 ?=??城镇家庭 农村家庭，所有参数均检验显著，则城 镇家庭的消费函数 为 （ ） A 、?155.850.45t t C X =+ B 、?100.500.45t t C X =+ C 、?100.5055.35t t C X =+ D 、?100.9555.35t t C X =+ 5、 假设某需求函数为01i i i Y X ββμ=++，为了考虑“季节”因素（春、夏、秋、 冬四个不同的状态），引入4个虚拟变量形成截距变动模型，则模型的 （ ） A 、参数估计量将达到最大精度 B 、参数估计量是有偏估计量 C 、参数估计量是非一致估计量 D 、参数将无法估计 6、 对于模型01i i i Y X ββμ=++，为了考虑“地区”因素（北方、南方），引入2 个虚拟变量形成截距变动模型，则会产生 （ ） A 、序列的完全相关 B 、序列的不完全相关 C 、完全多重共线性 D 、不完全多重共线性
实验九虚拟变量 【实验目的】 掌握虚拟变量的设置方法。 【实验内容】 一、试根据表9-1的1998年我国城镇居民人均收入与彩电每百户拥有量的统计资料建立我国城镇居民彩电需求函数； 资料来源：据《中国统计年鉴1999》整理计算得到 二、试建立我国税收预测模型（数据见实验一）； 资料来源：《中国统计年鉴1999》 三、试根据表9-2的资料用混合样本数据建立我国城镇居民消费函数。
资料来源：据《中国统计年鉴》1999－2000整理计算得到 【实验步骤】 一、我国城镇居民彩电需求函数 ⒈相关图分析； 键入命令：SCAT X Y ，则人均收入与彩电拥有量的相关图如9-1所示。 从相关图可以看出，前3个样本点（即低收入家庭）与后5个样本点（中、高收入）的拥有量存在较大差异，因此，为了反映“收入层次”这一定性因素的影响，设置虚拟变量如下： ?? ?=低收入家庭 中、高收入家庭 1D 图9-1 我国城镇居民人均收入与彩电拥有量相关图 ⒉构造虚拟变量； 方式1：使用DATA 命令直接输入； 方式2：使用SMPL 和GENR 命令直接定义。 DATA D1 GENR XD=X*D1 ⒊估计虚拟变量模型： LS Y C X D1 XD 再由t 检验值判断虚拟变量的引入方式，并写出各类家庭的需求函数。 按照以上步骤，虚拟变量模型的估计结果如图9-2所示。
图7-2 我国城镇居民彩电需求的估计 我国城镇居民彩电需求函数的估计结果为： i i i i XD D x y 0088.08731.310119.061.57?-++= =t (16.249)(9.028) (8.320) (-6.593) 2R ＝0.9964 2R ＝0.9937 F ＝366.374 S.E ＝1.066 虚拟变量的回归系数的t 检验都是显著的，且模型的拟合优度很高，说明我国城镇居民低收入家庭与中高收入家庭对彩电的消费需求，在截距和斜率上都存在着明显差异，所以以加法和乘法方式引入虚拟变量是合理的。低收入家庭与中高收入家庭各自的需求函数为： 低收入家庭： i i x y 0119.061.57?+= 中高收入家庭： ()()i i x y 0088.00119.08731.3161.57 ?-++=i x 003.048.89+= 由此可见我国城镇居民家庭现阶段彩电消费需求的特点：对于人均年收入在3300元以下的低收入家庭，需求量随着收入水平的提高而快速上升，人均年收入每增加1000元，百户拥有量将平均增加12台；对于人均年收入在4100元以上的中高收入家庭，虽然需求量随着收入水平的提高也在增加，但增速趋缓，人均年收入每增加1000元，百户拥有量只增加3台。事实上，现阶段我国城镇居民中国收入家庭的彩电普及率已达到百分之百，所以对彩电的消费需求处于更新换代阶段。 二、我国税收预测模型 要求：设置虚拟变量反映1996年税收政策的影响。 方法：取虚拟变量D1＝1（1996年以后），D1＝0（1996年以前）。 键入命令：GENR XD=X*D1 LS Y C X D1 XD 则模型估计的相关信息如图7-3所示。
第八章虚拟变量回归 第一节虚拟变量 一、虚拟变量的基本概念 在前面的分析中，被解释变量主要受到一些可以直接度量的变量影响，如收入、产出、 商品需求量、价格、成本、资金、人数等。但现实经济生活中，影响被解释变量变动的因素，除了这些可以直接获得实际观测数据的定量变量外，还包括一些本质上为定性因素（或称属 性因素）的影响，例如性别、种族、肤色、职业、季节、文化程度、战争、自然灾害、政府经济政策的变动等因素。在实际经济分析中，这些定性变量有时具有不可忽视的重要影响。
例如，研究某个企业的销售水平，产业部门（制造业、零售业）、所有制（私营、非私营）、地理位置（东、中、西部）、管理者素质的高低等是值得经常考虑的影响因素，这些因素有共同的特征，即都是表示某种属性的，不能直接用数据精确描述的因素。因此，被解释变量的变动经常是定量因素和属性因素共同作用的结果。在计量经济模型中，应当同时包含定量和属性两种因素对被解释变量的影响作用。 定量因素是指那些可直接测度的数值型因素，如GDP、M2 等。定性因素，或称为属性 因素，是不能直接测度的、说明某种属性或状态存在与否的非数值型因素，如男性或女性、城市居民或非城市居民、气候条件正常或异常、政府经济政策不变与改革等。在计量经济学的建模中应当将定量因素和定性因素同时纳入模型之内。 为了在模型中反映定性因素，可以将定性因素转化为虚拟变量去表现。虚拟变量（或称为属性变量、双值变量、类型变量、定性变量、二元型变量等），是人工构造的取值为0 和1 的作为属性变量代表的变量，一般用字母 D （或DUM ，英文dummy 的缩写）表示。属性 因素通常具有若干类型或水平，通常虚拟变量的取值为0和1，当虚拟变量取值为0，即D=0 时，表示某种属性或状态不出现或不存在，即不是某种类型；当虚拟变量取值为1，即D=1 时，表示某种属性或状态出现或存在，即是某种类型。例如，构造政府经济政策人工变量，当经济政策不变时，虚拟变量取值为0，当经济政策改变时，虚拟变量取值为1。这种做法 实际上是一种变换或映射，将不能精确计量的定性因素的水平或状态变换为用0 和1 来定量描述。 二、虚拟变量的设置规则 在计量经济学模型中引入虚拟变量，可以使我们同时兼顾定量因素和定性因素的影响和作用。但是，在设置虚拟变量时应遵循一定的规则。 1、虚拟变量数量的设置规则 虚拟变量个数的设置规则是：若定性因素有m 个相互排斥的类型（或属性、水平），在有截距项的模型中只能引入m－1 个虚拟变量，否则会陷入所谓“虚拟变量陷阱”，产生完 全的多重共线性。在无截距项的模型中，定性因素有m个相互排斥的类型时，引入m个虚 拟变量不会导致完全多重共线性，不过这时虚拟变量参数的估计结果，实际上是D=1 时的 样本均值。 例如，城镇居民和农村居民住房消费支出的模型可设定为：
第八章 虚拟变量 一、单选题： 1、虚拟变量模型i i i D Y μβα++=中，i Y 为居民的年可支配收入，i D 为虚拟解释变量， i D =1代表城镇居民，i D =0代表非城镇居民。当i μ满足古典假设时，则α ==)0|(i i D Y E 表示（ B ） A 、城镇居民的年平均收入， B 、非城镇居民的年平均收入， C 、所有居民的年平均收入， D 、其他； 2、虚拟变量模型i i i D Y μβα++=中，i Y 为居民的年可支配收入，i D 为虚拟解释变量， i D =1代表城镇居民，i D =0代表非城镇居民。当i μ满足古典假设时，则βα+==)1|(i i D Y E 表示（ A ） A 、城镇居民的年平均收入， B 、非城镇居民的年平均收入， C 、所有居民的年平均收入， D 、其它； 3、在没有定量解释变量的情形下，以加法形式引入虚拟解释变量，主要用于（ C ）。 A 、共线性分析， B 、自相关分析， C 、方差分析 ， D 、其它 4、如果你有连续几年的月度数据，如果只有2、4、6、8、10、12月表现季节类型，则需要引入虚拟变量的个数是（ B ）。 A 、模型中有截距项时，引入12个， B 、模型中有截距项时，引入5个 C 、模型中没有截距项时，引入11个， D 、模型中没有截距项时，引入12个 5、下列不属于常用的虚拟变量模型是（ D ）； A 、解释变量中只包含虚拟变量， B 、解释变量中既含定量变量又含虚拟变量， C 、被解释变量本身为虚拟变量的模型， D 、解释变量和被解释变量中不含虚拟变量。 6、考虑虚拟变量模型：i i i X D D D Y μβαααα+++++=3322110，其中 ???=其他一季度011D ???=其他二季度012D ???=其他 三季度013D ， 当其随机扰动项服从古典假定时，则下列回归方程中表示一季度的是：（ B ） A 、i i i X D D D X Y E βαα++====)()0,1,|(20312 B 、i i i X D D D X Y E βαα++====)()0,1,|(10321 C 、i i i X D D D X Y E βαα++====)()0,1,|(30213 D 、i i i X D D D X Y E βα+====0321)0,|( 7、在含有截距项的分段线性回归分析中，如果只有一个属性变量，且其有三种类型，则引入虚拟变量个数应为（ B ） A 、 1个， B 、 2个， C 、3个， D 、4个； 8、某商品需求函数为 u x b b y i i i ++=10，其中y 为需求量，x 为价格。为了考虑“地
一、选择题 1、 对于一个含有截距项的计量经济模型，若某定性因素有m 个互斥的类型，为将其引入模型中，则需要引入虚拟变量个数为（ B ） A. m B. m-1 C. m+1 D. m-k 2、 在经济发展发生转折时期，可以通过引入虚拟变量方法来表示这种变化。例如，研究中国城镇居民消费函数时。1991年前后，城镇居民商品性实际支出Y 对实际可支配收入X 的回归关系明显不同。现以1991年为转折时期，设虚拟变 量???=年以前，年以后，1991019911t D ，数据散点图显示消费函数发生了结构性变化：基本消费部分下降了，边际消费倾向变大了。则城镇居民线性消费函数的理论方程可以写作（ D ） A. t t t u X Y ++=10ββ B. t t t t t u X D X Y +++=210βββ C. t t t t u D X Y +++=210βββ D. t t t t t t u X D D X Y ++++=3210ββββ 3、设某地区消费函数中，消费支出不仅与收入x 有关，而且与消费者的年龄构成有关，若将年龄构成分为小孩、青年人、成年人和老年人4个层次。假设边际消费倾向不变，考虑上述年龄构成因素的影响时，该消费函数引入虚拟变量的个数为 （ C ） A.1个 B.2个 C.3个 D.4个 4、在利用月度数据构建计量经济模型时，如果一年里的12个月全部表现出季节模式，则应该引入虚拟变量个数为（ C ） A. 4 B. 12 C. 11 D. 6 5、在利用月度数据构建计量经济模型时，如果一年里的1、3、5、9四个月表现出季节模式，则应该引入虚拟变量个数为（ 3个 ） 6、个人保健支出的计量经济模型为：i i i i X D Y μβαα+++=221 ，其中i Y 为保健年度 支出；i X 为个人年度收入；虚拟变量 ???=大学以下大学及以上 012i D ；i μ满足古典假定。则大学以上群体的平均年度保健支出为 （ B ） A. i i i i X D X Y E βα+==12)0,/( B.i i i i X D X Y E βαα++==212)1,/(
数学与统计学院实验报告 院（系）：数学与统计学学院学号：姓名： 实验课程：计量经济学指导教师: 实验类型（验证性、演示性、综合性、设计性）：验证性 实验时间：2017年3月29日 一、实验课题 虚拟变量模型估计 二、实验目的和意义 1建立财政支出模型 表1给出了1952-2004年中国财政支出（Fin）的年度数据（以1952年为基期，用消费价格指数进行平减后得数据）。试根据财政支出随时间变化的特征建立相应的模型。 表1 obs Fin obs Fin obs Fin 1952 173.94 1970 563.59 1988 1122.88 1953 206.23 1971 638.01 1989 1077.92 1954 231.7 1972 658.23 1990 1163.19 1955 233.21 1973 691 1991 1212.51 1956 262.14 1974 664.81 1992 1272.68 1957 279.45 1975 691.32 1993 1403.62 1958 349.03 1976 656.25 1994 1383.74 1959 443.85 1977 724.18 1995 1442.19 1960 419.06 1978 931.47 1996 1613.19 1961 270.8 1979 924.71 1997 1868.98 1962 229.72 1980 882.78 1998 2190.3 1963 266.46 1981 874.02 1999 2616.46 1964 322.98 1982 884.14 2000 3109.61 1965 393.14 1983 982.17 2001 3834.16 1966 465.45 1984 1147.95 2002 4481.4 1967 351.99 1985 1287.41 2003 5153.4 1968 302.98 1986 1285.16 2004 6092.99 1969 446.83 1987 1241.86 步骤提示： （1）做变量fin的散点图，观察规律，看在不同时期是否有结构性变化。
计量经济学实验报告 实验三：虚拟变量模型 姓名：上善若水 班级： 序号： 学号: 中国人均消费影响因素 一、理论基础及数据 1. 研究目的 本文在现代消费理论的基础，分析建立计量模型，通过对 1979—— 2008 年全国城镇居民的人均消费支出做时间序列分析和对2004— 2008年各地区（31 个省市）城镇居民的人均消费支出做面板数据分析，比较分析了人均可支配收入、消费者物价指数和银行一年期存款利率等变量对居民消费的不同影响。
2. 模型理论 西方消费经济学者们认为，收入是影响消费者消费的主要因素，消费是需求的函数。消费经济学有关收入与消费的关系，即消费函数理论有：（ 1）凯恩斯的绝对收入理论。他认为消费主要取决于消费者的净收入，边际消费倾向小于平均消费倾向。他假定，人们的现期消费，取决于他们现期收入的绝对量。（2）杜森贝利的相对收入消费理论。他认为消费者会受自己过去的消费习惯以及周围消费水准来决定消费，从而消费是相对的决定的。当期消费主要决定于当期收入和过去的消费支出水平。（3）弗朗科?莫迪利安的生命周期的消费理论。这种理论把人生分为三个阶段：少年、壮年和老年；在少年与老年阶段，消费大于收入；在壮年阶段，收入大于消费，壮年阶段多余的收入用于偿还少年时期的债务或储蓄起来用来防老。（ 4）弗里德曼的永久收入消费理论。他认为消费者的消费支出主要不是由他的现期收入来决定，而是由他的永久收入来决定的。这些理论都强调了收入对消费的影响。除此之外，还有其他一些因素也会对消费行为产生影响。（1）利率。传统的看法认为，提高利率会刺激储蓄，从而减少消费。当然现代经济学家也有不同意见，他们认为利率对储蓄的影响要视其对储蓄的替代效应和收入效应而定，具体问题具体分析。（ 2）价格指数。价格的变动可以使得实际收入发生变化，从而改变消费。 基于上述这些经济理论，我找到中国 1979-2008 年全国城镇居民人均消费以及城镇居民人均可支配收入、城镇居民消费者物价指数和 2004— 2008年各地区城镇居民人均消费以及城镇居民人均可支配收入、城镇居民消费者物价指数、以及银行一年期存款利率的官方数据。想借此来分析中国消费的影响因素以及它们具体是如何对消费产生影响的。针对这一模型，有以下两个假定。一，自改革开放以来，我国人均消费倾向呈现缓慢的递减趋势，即保持粘性。这一假定符合我国居民的储蓄——消费心理，也与其他一些发展中国家的情况大体一致。二，由储蓄和消费的替代关系，可以假定刺激储蓄的因素，会制约消费。我们知道提高利率会刺激储蓄，因而我把利率也引入模型的分析中。 以下对我所找的数据作一一说明 : 1、城镇居民人均消费水平。借此来代表城镇居民的消费支出情况，这是将要建立计量经济学模型的被解释变量。由下图可以看到消费是逐年增加的，与此同时，人均可支配收入也是逐年增加，隐含着两者可能有很高的线性相关性这层意思。
实验七虚拟变量 【实验目的】 掌握虚拟变量的设置方法。 【实验内容】 一、试根据表7-1的1998年我国城镇居民人均收入与彩电每百户拥有量的统计资料建立我国城镇居民彩电需求函数； 资料来源：据《中国统计年鉴1999》整理计算得到 二、试建立我国税收预测模型（数据见实验一）； 三、试根据表7-2的资料用混合样本数据建立我国城镇居民消费函数。
最低收入户 2397.6 2476.75 0 2523.1 2617.8 1 低收入户 2979.27 3303.17 0 3137.34 3492.27 1 中等偏下户 3503.24 4107.26 0 3694.46 4363.78 1 中等收入户 4179.64 5118.99 0 4432.48 5512.12 1 中等偏上户 4980.88 6370.59 0 5347.09 6904.96 1 高收入户 6003.21 7877.69 0 6443.33 8631.94 1 最高收入户 7593.95 10962.16 8262.42 12083.79 1 资料来源：据《中国统计年鉴》1999－2000整理计算得到 【实验步骤】 一、我国城镇居民彩电需求函数 ⒈相关图分析； 键入命令：SCAT X Y ，则人均收入与彩电拥有量的相关图如7-1所示。 从相关图可以看出，前3个样本点（即低收入家庭）与后5个样本点（中、高收入）的拥有量存在较大差异，因此，为了反映“收入层次”这一定性因素的影响，设置虚拟变量如下： ?? ?=低收入家庭 中、高收入家庭 1D 图7-1 我国城镇居民人均收入与彩电拥有量相关图 ⒉构造虚拟变量； 方式1：使用DATA 命令直接输入；
第七讲 经典单方程计量经济学模型：专门问题 虚拟变量模型 学习目标： 教学基本内容 虚拟变量 许多经济变量是可以定量度量，例如：商品需求量、价格、收入、产量等； 但有一些影响经济变量的因素是无法定量度量。 例如：职业、性别对收入的影响， 战争、自然灾害对 GDP 勺影响，季节对某些产品（如冷饮）销售的影响等。 定性变量：把职业、性别这样无法定量度量的变量称为定性变量。 定量变量：把价格、 收入、 销售额这样可以可以定量度量的变量称为定量变 量。 为了能够在模型中能够反映这些因素的影响， 型的功能，需要将它们“量化”。 这种“量化” 来完成的。 根据这些因素的属性类型， 构造只取 称为虚拟变量（ dummy variables ） ，记为 D 。 例如：反映性别的虚拟变量 D 1;男 0;女 1; 本科学历 反映文化程度的虚拟变量 D 0;1非;本本科科学学历历 一般地，基础类型和肯定类型取值为 1；比较类型和否定类型取值为 0。 二、 虚拟变量的设置原则 设置原则： 每一定性变量（qualitative variable ）所需的虚拟变量个数要比该定性变量的状 态类别数（categories 少1。即如果有m 种状态，只在模型中引入m-1个虚拟变量。 例如，冷饮的销售量会受到季节变化的影响。季节定性变量有春、夏、秋、 冬 4 种状态，只需要设置 3 个虚拟变量： 1. 2. 3. 4. 了解什么是虚拟变量以及什么是虚拟变量模型； 理解虚拟变量的设置原则； 掌握虚拟变量模型的两种基本引入方式（加法方式和乘法方式） 能够自行设计虚拟变量模型，并能够解释其中蕴含的经济意义； 提高模型的精度， 拓展回归模 通常是通过引入“虚拟变量” 0”或“1”的人工变量， 通常 虚拟变量只作为解释变量。
虚拟变量回归 第一节虚拟变量 一、虚拟变量的基本概念 在前面的分析中，被解释变量主要受到一些可以直接度量的变量影响，如收入、产出、商品需求量、价格、成本、资金、人数等。但现实经济生活中，影响被解释变量变动的因素，除了这些可以直接获得实际观测数据的定量变量外，还包括一些本质上为定性因素（或称属性因素）的影响，例如性别、种族、肤色、职业、季节、文化程度、战争、自然灾害、政府
经济政策的变动等因素。在实际经济分析中，这些定性变量有时具有不可忽视的重要影响。例如，研究某个企业的销售水平，产业部门（制造业、零售业）、所有制（私营、非私营）、地理位置（东、中、西部）、管理者素质的高低等是值得经常考虑的影响因素，这些因素有共同的特征，即都是表示某种属性的，不能直接用数据精确描述的因素。因此，被解释变量的变动经常是定量因素和属性因素共同作用的结果。在计量经济模型中，应当同时包含定量和属性两种因素对被解释变量的影响作用。 定量因素是指那些可直接测度的数值型因素，如GDP、M2等。定性因素，或称为属性因素，是不能直接测度的、说明某种属性或状态存在与否的非数值型因素，如男性或女性、城市居民或非城市居民、气候条件正常或异常、政府经济政策不变与改革等。在计量经济学的建模中应当将定量因素和定性因素同时纳入模型之内。 为了在模型中反映定性因素，可以将定性因素转化为虚拟变量去表现。虚拟变量（或称为属性变量、双值变量、类型变量、定性变量、二元型变量等），是人工构造的取值为0和1的作为属性变量代表的变量，一般用字母D（或DUM，英文dummy的缩写）表示。属性因素通常具有若干类型或水平，通常虚拟变量的取值为0和1，当虚拟变量取值为0，即D=0时，表示某种属性或状态不出现或不存在，即不是某种类型；当虚拟变量取值为1，即D=1时，表示某种属性或状态出现或存在，即是某种类型。例如，构造政府经济政策人工变量，当经济政策不变时，虚拟变量取值为0，当经济政策改变时，虚拟变量取值为1。这种做法实际上是一种变换或映射，将不能精确计量的定性因素的水平或状态变换为用0 和 1 来定量描述。 二、虚拟变量的设置规则 在计量经济学模型中引入虚拟变量，可以使我们同时兼顾定量因素和定性因素的影响和作用。但是，在设置虚拟变量时应遵循一定的规则。 1、虚拟变量数量的设置规则 虚拟变量个数的设置规则是：若定性因素有m个相互排斥的类型（或属性、水平），在有截距项的模型中只能引入m－1个虚拟变量，否则会陷入所谓“虚拟变量陷阱”，产生完全的多重共线性。在无截距项的模型中，定性因素有m个相互排斥的类型时，引入m个虚拟变量不会导致完全多重共线性，不过这时虚拟变量参数的估计结果，实际上是D=1时的样本均值。 例如，城镇居民和农村居民住房消费支出的模型可设定为：
（VR虚拟现实）第八章虚拟解释变量回归
第八章虚拟变量回归 引子 男女大学生的消费真的有差异吗? 在校大学生的消费行为越来越受到社会的关注，学生家长也很关心自己的子女上大学究竟要准备多少花费。由共青团中央、全国学联共同发布的《２００４中国大学生消费与生活形态研究报告》显示，当代大学生在消费结构方面呈现出多元化趋势。大学生除了日常生活费开支以外，还有人际交往消费、网络通讯消费、书报消费、衣着类消费、化妆品类消费、电脑类消费、旅游类消费、食品类消费、学习用品类消费、各种考证类等消费。大学生时尚化、个性化消费增多已成为趋势与潮流。不同性别大学生的消费结构有所不同，专科生、本科生、研究生的消费结构更有差异。有的记者调查发现，不同年级之间，男女同学之间，消费水平、消费结构、消费方式上都存在着差异。年级越高，消费水平也随之增长，随着阅历的增加，对自己形象的重视，精神享受的追求、学习的投入、配备手机电脑的需求也随之增长。同年级的男生的消费高于女生，虽然女生在化妆品、衣服饰品方面的投入明显高于男生。然而时代在变，对美的追求已不再限于女生，男生对于个人形象、装扮也已慢慢重视起来。此外男生在人际交往方面比女生投入了更多的"本钱"。请客吃饭、朋友聚会、节日送礼已不再罕见。所谓的"人情消费"已从社会向校园中扩张蔓延，而在乎"面子"的男同胞已成为追随这一潮流的"先驱"。高年级女生对于吃饭的投入相对较少，而在化妆品、服饰、零食方面的投入却增长不少。（注：来源于Solie教育网、网易教育频道、新华网等）为了研究男女大学生、不同层次大学生、不同年级大学生的消费结构是否有差异，需要将这些定性的因素引入计量模型，怎样才能在模型中有效地表示这些定性因素的作用呢？
实验三：虚拟变量模型一、研究的目的与要求 根据下表2009年我国城镇居民人均收入与住房方面消费性支出的统计资料建立我国城镇居民住房方面消费性支出函数。 二、模型设立 1、问题描述：2009年我国城镇居民人均收入对住房方面消费性支出的影响。 2、数据： 我国城镇居民家庭抽样调查资料 平均每人全部年 项目住房 D 收入 (元) 困难户60.83 4935.81 0 最低收入户84.73 5950.68 0 低收入户123.92 8956.81 0 中等偏下户178.48 12345.17 0 中等收入户261.37 16858.36 0 中等偏上户526.36 23050.76 1 高收入户659.61 31171.69 1 最高收入户1482.11 51349.57 1 三、相关图分析； 1. 键入命令：SCAT X Y，则人均收入与住房方面消费性支出的相关散点图如下图所示。 从相关图可以看出，前5个样本点（即中低收入家庭）与后3个样本点（中、
高收入）的消费性支出存在较大差异，因此，为了反映“收入层次”这一定性因素的影响，设置虚拟变量如下： 2. 构造虚拟变量。 使用SMPL和GENR命令直接定义。 DATA D1 GENR XD=X*D1 3. 估计虚拟变量模型： 再由t检验值判断虚拟变量的引入方式，并写出各类家庭的消费性支出函数。虚拟变量模型的估计结果如下： Dependent Variable: Y Method: Least Squares Date: 01/03/12 Time: 15:25 Sample: 2001 2008 Included observations: 8 Variable Coefficient Std. Error t-Statistic Prob.?? X 0.016400 0.005743 2.855676 0.0461 D1 -327.1185 118.4766 -2.777039 0.0498 XD 0.018709 0.006356 2.943588 0.0422 C -19.00288 61.67034 -0.308136 0.7734 R-squared 0.992173 ????Mean dependent var 422.1763 Adjusted R-squared 0.986303 ????S.D. dependent var 479.4838 S.E. of regression 56.11683 ????Akaike info criterion 11.19960 Sum squared resid 12596.40 ????Schwarz criterion 11.23932 Log likelihood -40.79841 ????F-statistic 169.0152 Durbin-Watson stat 3.162055 ????Prob(F-statistic) 0.000115 我国城镇居民住房方面消费性支出函数的估计结果为： t (-0.308136) ( 2.855676) (-2.777039) (2.943588) 2 R＝0.9921732 R＝0.986303 F＝169.0152 S.E＝56.11683 虚拟变量的回归系数的t检验都是显着的，且模型的拟合优度很高，说明我
广义计量经济学：利用经济理论、统计学和数学定量研究经济现象的经济计量方法的统称，包括回归分析方法、投入产出分析方法、时间序列分析方法等。 狭义计量经济学：以揭示经济现象中的因果关系为目的，在数学上主要应用回归分析方法。 计量经济学: 是经济学的一个分支学科，是以揭示经济活动中的客观存在的数量关系为内容的分支学科。 计量经济学模型：揭示经济活动中各种因素之间的定量关系，用随机性的数学方程加以描述。 截面数据：截面数据是许多不同的观察对象在同一时间点上的取值的统计数据集合，可理解为对一个随机变量重复抽样获得的数据。 时间序列数据：把反映某一总体特征的同一指标的数据，按照一定的时间顺序和时间间隔排列起来，这样的统计数据称为时间序列数据 面板数据：指时间序列数据和截面数据相结合的数据。 总体回归函数：指在给定Xi下Y分布的总体均值与Xi所形成的函数关系（或者说总体被解释变量的条件期望表示为解释变量的某种函数）。 样本回归函数：指从总体中抽出的关于Y，X的若干组值形成的样本所建立的回归函数。随机的总体回归函数：含有随机干扰项的总体回归函数（是相对于条件期望形式而言的）。线性回归模型：既指对变量是线性的，也指对参数β为线性的，即解释变量与参数β只以他们的1次方出现。 最小二乘法：又称最小平方法，指根据使估计的剩余平方和最小的原则确定样本回归函数的方法。 最大似然法：又称最大或然法，指用生产该样本概率最大的原则去确定样本回归函数的
总离差平方和：用TSS表示，用以度量被解释变量的总变动。 回归平方和：用ESS表示：度量由解释变量变化引起的被解释变量的变化部分。 残差平方和：用RSS表示：度量实际值与拟合值之间的差异，是由除解释变量以外的其他因素引起的被解释变量变化的部分。 协方差：用Cov（X，Y）表示，度量X,Y两个变量关联程度的统计量。 拟合优度检验：检验模型对样本观测值的拟合程度，用2R表示，该值越接近1，模型对样本观测值拟合得越好。 多元线性回归模型：在现实经济活动中往往存在一个变量受到其他多个变量的影响的现象，表现为在线性回归模型中有多个解释变量，这样的模型成为多元线性回归模型，多元指多个变量。 偏回归系数：在多元回归模型中，每一个解释变量前的参数即为偏回归系数，它测度了当其他解释变量保持不变时，该变量增加1个单位对解释变量带来的平均影响程度。 方程显著性检验：是针对所有解释变量对被解释变量的联合影响是否显著所作的检验，旨在对 模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出判断。回归分析：回归分析是研究一个变量关于另一个（些）变量的依赖关系的计算方法和理论。目的是通过后者的已知或设定值，去估计和预测前者的（总体）均值。 相关分析：主要研究随机变量间的相关形式及相关程度的计算方法和 理论。 结构分析: 经济学中所说的结构分析是指对经济现象中变量之间关系的研究。 拟合优度：所估计的样本回归线对样本观测数据拟合的优劣程度。 方差膨胀因子VIF：多个解释变量辅助回归确定多重可决系数的基础上计算的方差扩大
Econometrics 第五章虚拟变量回归模型（教材第六章）
第五章虚拟变量回归模型 第一节虚拟变量的性质和引入的意义 第二节虚拟变量的引入 第三节交互作用效应 第四节含虚拟变量的回归模型 学习要点 虚拟变量的性质，虚拟变量的设定
5.1 虚拟变量的性质和引入的意义 虚拟变量的性质 f定性变量 性别（男，女） 婚姻状况（已婚，未婚） 受教育程度（高等教育，其他） 收入水平（高收入，中低收入） 肤色（白人，有色人种） 政治状况（和平时期，战争时期） f引入虚拟变量（Dummy Variables）
1、分离异常因素的影响，例如分析我国GDP的时间序列，必须考虑“文革”因素对国民经济的破坏性影响，剔除不可比的“文革”因素。 2、检验不同属性类型对因变量的作用，例如工资模型中的文化程度、季节对销售额的影响。 3、提高模型的精度，相当与将不同属性的样本合并，扩大了样本量，从而提高了估计精度）。 5.1 虚拟变量的性质和引入的意义
5.2 虚拟变量的引入 虚变量引入的方式主要有两种 f加法方式 虚拟变量与其它解释变量在模型中是相加关系，称为虚拟 变量的加法引入方式。 加法引入方式引起截距变动
5.2 虚拟变量的引入 f 虚拟变量的作用在于把定性变量“定量化”：通过赋值0和1，0表示变量不具备某种性质，1表示具备。 f 例，0代表男性，1代表女性；0代表未婚，1代表已婚；等等。 f 这类取值为0和1的变量称为虚拟变量（dummy variables ），通常用符号D 表示。 f 事实上，模型可以只包括虚拟变量（ANOVA 模型）： 其中，0,1,i i D D ==男性；女性。 12i i i Y B B D u =++
影响我国居民消费因素分析 班级： 组员： 一、提出问题： 1、原因： 居民消费水平是按国民收入或国内生产总值的使用总量中用于居民消费的总额除以年平均人口计算的，它反映一个国家或一个地区居民的一般消费水平。居民消费水平是GDP中一个重要组成部分，是拉动经济增长的三驾马车之一，在拉动经济增长的三架马车中,最终消费对经济影响的最大,是拉动经济增长最重要最稳定的因素。我国经济正逐渐由投资拉动型增长向消费拉动型增长转变，居民消费一直是经济学家关注的焦点和研究的热门领域。居民消费对经济的发展和社会的进歩有着重要的引导作用,居民消费的结构、质量和增长趋势如何,在很大程度上决定着经济、社会的发展情况。 要充分发挥消费对经济的拉动作用,关键问题是如何保证居民的消费水平。在人均国民生产总值为一千美元时,世界各国的居民消费率一般为60%左右。而我国的人均国民生产总值早已超过了一千美元,但2013年全国居民的消费率仅36%,严重低于正常水平。消费需求的偏低导致消费对经济增长的拉动作用也偏弱,因此提高居民消费率,增加居民消费对经济增长的贡献
度,是一项重要工作。 通过对历年我国居民消费水平的分析，我们可以对消费水平发展有一个清晰的画面，并且能透过数据的表象来分析更深层次的国家调控手段和战略使用。 2、研究立场：政策制定者 二、文献综述： 根据国外相关研究成果，主要有恩格尔的理论、绝对收入、相对收入、持久收入和生命周期消费理论等。Caballero (1990)指出,当期劳动收入发生变化表明未来的收入发生变化的可能性比较大,为维持未来消费的稳定性,需要进行预防性储蓄,从而会降低当期消费,使得长期的消费得到"平滑"。 国内研究得出的消费率的影响因素主要包括:居民收入占比,收入分配差距,不确定性,流动性约束和房价。齐吴珍认为居民消费的主要影响因素有:居民收入的增长率、收入分配差距、不确定性、流动性约束和房价等。 目前，多数学者通过建立消费与收入的模型或者消费分别与城乡居民收入建立模型进行分析，结果显示:1、收入是决定居民消费水平的主要因素,收入增加的快慢是影响居民消费需求变化的重要原因。 2、农村居民收入、财政支出水平、城市化水平、农村社会保障制度均对农村居民消费需求起正向作用,城乡居民收入差距起负向作用,农村内部收入分配差距与消费需求不存在显著相关关系。 3、收入的不确定性、以及出于预防动机，我国居民储蓄率高，在一定程度上影响
第九章含虚拟变量的回归模型 目前为止，在已学习的线性回归模型中，解释变量X都是定量变量。但有时候，解释变量是定性变量。 9.1 虚拟变量的性质 通常在回归分析中，应变量不仅受一些定量变量的影响，还受一些定性变量的影响(性别、种族、肤色、宗教、民族、罢工、政团关系、婚姻状况)。 如： 美国黑人的收入比相应的白人的收入低。 女学生的S.A.T.的数学平均分数比相应的男生低。 定性变量通常表明了具备或不具备某种性质，比如，男性或女性，黑人或白人，佛教徒或非佛教徒，本国公民或非本国公民。 把定性因素“定量化”的一个方法是建立人工变量，并赋值0和1，0表示变量不具备某种属性，1表示变量具备某种属性，该变量称为虚拟变量(dummy variable)，用符号D表示。 虚拟变量一样可用于回归分析，一个回归模型的解释变量可以仅仅是虚拟变量，称为方差分析模型( ANOVA )。
Yi = B1 + B2Di + ui ( 9 - 1 ) 其中Y = 初职年薪 Di =1，大学毕业 =0，非大学毕业 假定随机扰动项满足古典线性回归模型的基本假定，根据模型( 9 - 1 )得到： 非大学毕业生的初职年薪的期望为： E(Yi｜Di=0) = B1 + B2( 0 ) = B1 ( 9 - 2 ) 大学毕业生的初职年薪的期望为： E(Yi｜Di=1) = B1+B2( 1 ) = B1+B2 ( 9 - 3 ) 可以看出： 截距B1表示非大学毕业生的平均初职年薪， “斜率”系数B2表明大学毕业生的平均初职年薪与非大学生的差距是多少； (B1+B2)表示大学毕业生的平均初职年薪。 零假设：大学教育没有任何益处(即B2=0)，可根据t检验值