【正文】 d Mean dependent var Adjusted Rsquared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Fstatistic DurbinWatson stat Prob(Fstatistic) ? 系數(shù)的含義： ? 解釋變量增加一個(gè)單位， Di =1的概率增加幾個(gè)單位。因?yàn)楫?dāng) N足夠大時(shí)， ? 處理辦法：加權(quán)最小二乘法。 iiiii DXXXY ???? ????? )( *??????????01)()()E ( Y *i DXDXXii??????? )( *X?? ?? )( ?? ??采用虛擬變量方法衡量不同屬性類別對(duì)應(yīng)回歸參數(shù)的差異性，相對(duì)于將各屬性類別的樣本各自做回歸，至少可以體現(xiàn)以下幾個(gè)優(yōu)點(diǎn)：①個(gè)別的回歸能容易推導(dǎo)出來(lái)；②增加了自由度，參數(shù)估計(jì)的相對(duì)精度也有所改進(jìn)；③可采用各種假設(shè)檢驗(yàn)，如采用 t統(tǒng)計(jì)量檢驗(yàn)單個(gè)虛擬變量 D或交互乘積項(xiàng) D1D DX的顯著性；采用 F檢驗(yàn)對(duì)多個(gè)虛擬變量的顯著性做聯(lián)合檢驗(yàn)。 121 ???? MDDD ?2R第二節(jié) 虛擬解釋變量模型 采用虛擬變量可有效的衡量不同觀測(cè)類別對(duì)應(yīng)回歸參數(shù)的差異性，其中以加法方式引入虛擬變量可以反映不同類別對(duì)應(yīng)截距的不同，以乘法方式引入虛擬變量可以反映不同類別對(duì)應(yīng)斜率的不同。 iii XY ??? ???第八章 虛擬變量回歸 ? 第一節(jié) 虛擬變量 ? 第二節(jié) 虛擬解釋變量的回歸 ? 第三節(jié) 虛擬被解釋變量的回歸 ? 第四節(jié) 案例 第一節(jié) 虛擬變量 一、虛擬變量（ Dummy Variables）定義 定義： 就是用一個(gè)取值為 0和 1的變量來(lái)表示定性變量中的 一個(gè)屬性類別 ， 1表示出現(xiàn)該屬性，0表示沒(méi)有出現(xiàn)該屬性。例如，考慮教育背景（大學(xué)以下，大學(xué)，大學(xué)以上）因素對(duì)居民消費(fèi)的影響，可構(gòu)建 2個(gè)虛擬變量： 如果定序變量所分等級(jí)過(guò)多，則很難對(duì)每個(gè)水平都包括進(jìn)來(lái)一個(gè)虛擬變量。如解釋正確的樣本比率 。 處理辦法：采用 probit、 logit模型。 ????其他大學(xué)011D ????其他大學(xué)以上012D?虛擬變量不僅可以代表質(zhì)的因素，還可以代表數(shù)量因素。 Lemeshow，1989）、代理變量（ Proxy Variables，Kennedy， 1981）等。 如在消費(fèi)模型中，考慮區(qū)域因素（東部，中部，西部）影響，可構(gòu)建 2個(gè)虛擬變量： ????其他東部011D ????其他中部012D注 : 如果針對(duì)包含 M個(gè)類別的定性因素構(gòu)造 M個(gè)虛擬變量，則會(huì)陷入虛擬變量陷阱（ Dummy Variable Trap），即由于 而帶來(lái)了完全的多重共線性 。此時(shí)，可設(shè)定虛擬變量： ??????**01XXXXD? 構(gòu)建包含門檻水平 X*的分段線性回歸模型： ? 于是有兩個(gè)不同階段的回歸函數(shù)： ? 顯然，虛擬變量方法可有效的實(shí)現(xiàn)分段回歸，其中兩階段的截距分別為 和 ，斜率分別為 和 。 ? 最大似然估計(jì)具有一致性、有效性和正態(tài)性，但保持這些性質(zhì)一般要求樣本規(guī)模很大， n500 0]1[)](ln[101010?????? ??