【计量经济学导论】13. 虚拟变量与双重差分

虚拟变量与双重差分

虚拟变量的模型设定

首先我们先对解释变量中的定性因素和定量因素作以下阐述：

• 定量因素：可直接测度、数值性的因素；
• 定性因素：属性因素，表征某种属性存在与否的非数值性的因素。

在实际建模中，如何对定性因素进行回归分析？采用“虚拟变量”对定性变量进行量化是最常用的一种思路。其基本思想为：

• 直接在回归模型中加入定性因素存在诸多的困难；
• 可将这些定性因素进行量化，以达到定性因素能与定量因素有着相同作用之目的；
• 有些定量因素也可以采取分组的方式来研究。

虚拟变量设置的时候需要考虑以下的基本规则：

• 总原则为：设置能够区分所有属性的最少虚拟变量。
• 虚拟变量取“1”或“0”的原则，应从分析问题的目的出发予以界定。从理论上讲，虚拟变量取“0”值通常代表比较的基础类型；而虚拟变量取“1”值通常代表被比较的类型。
• 如果定性因素具有 $m$ 个相互排斥属性，当模型中含有截距项时，则只能引入 $m-1$ 个虚拟变量；当模型中没有截距项时，则可以引入 $m$ 个虚拟变量，否则就会陷入“虚拟变量陷阱”。
• “虚拟变量陷阱”的实质：完全共线性。

虚拟变量的回归分析

在计量经济学中，通常引入虚拟变量的方式分为加法方式和乘法方式两种。

• 加法方式：

$$Y_i={\alpha }_0+{\beta }_1{X}_i+u_i+{\alpha }_1{D}_i.$$

• 乘法方式：

$$Y_i={\alpha }_0+{\beta }_1{X}_i+u_i+{\beta }_2{X}_i{D}_i.$$

实质上，加法方式引入虚拟变量改变的是截距，乘法方式引入虚拟变量改变的是斜率。

含有虚拟变量的模型的分析手段：条件期望。

以加法方式引入虚拟变量时，主要考虑的问题是定性因素的属性和引入虚拟变量的个数。主要有四种情况：

• 解释变量只有一个定性变量而无定量变量，而且定性变量为两种相互排斥的属性；
• 解释变量分别为一个两种属性的定性变量和一个定量变量；
• 解释变量分别为一个定性变量（两种以上属性）和一个定量解释变量；
• 解释变量分别为两个定性变量（各自分别是两种属性）和一个定量解释变量。

以乘法方式引入虚拟变量时，是在所设立的模型中，将虚拟变量与其它解释变量的乘积，作为新的解释变量出现在模型中，以达到其调整设定模型斜率系数的目的。

• 截距不变的情形：$Y_i=f(X_i,D_i{X}_i)+u_i$ ；
• 截距和斜率均发生变化的情形：$Y_i=f(X_i,D_i,D_i{X}_i)+u_i$ 。

虚拟变量的综合应用

所谓虚拟变量的综合应用是指将引入虚拟解释变量的加法方式、乘法方式进行综合使用。基本分析方式仍然是条件期望分析。

结构变化分析

结构变化的实质是检验所设定的模型在样本期内是否为同一模型。显然，平行回归、共点回归、不同的回归三个模型均不是同一模型。

• 平行回归模型的假定是斜率保持不变（加法类型，包括方差分析）；
• 共点回归模型的假定是截距保持不变（乘法类型，又被称为协方差分析）；
• 不同的回归的模型的假定是截距、斜率均为变动的（加法、乘法类型的组合）。

例：比较改革开放前后我国居民平均“储蓄—收入”总量关系是否发生变化？

模型设定为 ：
$$Y_t={\alpha }_1+{\alpha }_2{D}_t+{\beta }_1{X}_t+$$