虚拟变量回归模型案例分析

1641.000 0.000000 0.000000 1.000000
1225.000 0.000000 0.000000 0.000000
1429.000 1.000000 0.000000 0.000000
1699.000 0.000000 1.000000 0.000000
1749.000 0.000000 0.000000 1.000000
Variable Coefficient Std. Error t-Statistic Prob.
C
D1
D2
D3
1160.000 62.12500 307.5000 409.7500
59.99041 84.83926 84.83926 84.83926
19.33642 0.732267 3.624501 4.829722
Prob(F-statistic) 0.000079
1117.000 0.000000 0.000000 0.000000
1242.0Biblioteka Baidu0 1.000000 0.000000 0.000000
1684.000 0.000000 1.000000 0.000000
1764.000 0.000000 0.000000 1.000000
1328.000 0.000000 0.000000 0.000000
0.0000 0.4701 0.0011 0.0000
R-squared
0.531797 Mean dependent var 1354.844
Adjusted R-squared 0.481632 S.D. dependent var 235.6719
S.E. of regression 169.6785 Akaike info criterion 13.22216
1,第一季度
2,第二季度
3,第三季度
D1 0,其他季度 D2 0,其他季度 D3 0,其他季度
基组：第四季度
h
7
数据搜集
1978Q1 1978Q2 1978Q3 1978Q4 1979Q1 1979Q2 1979Q3 1979Q4 1980Q1 1980Q2 1980Q3 1980Q4 1981Q1 1981Q2 1981Q3 1981Q4
h
8
1982Q1 1982Q2 1982Q3 1982Q4 1983Q1 1983Q2 1983Q3 1983Q4 1984Q1 1984Q2 1984Q3 1984Q4 1985Q1 1985Q2 1985Q3 1985Q4
Y
D1 D2 D3
943.0000 1.000000 0.000000 0.000000
h
9
2,000
1,600
1,200
800
400
0 1978 1979 1980 1981 1982 1983 1984 1985
Y
D1
D2
D3
h
10
回归结果
Dependent Variable: Y Method: Least Squares Date: 10/18/10 Time: 10:47 Sample: 1978Q1 1985Q4 Included observations: 32
第十讲
虚拟变量回归模型案例
h
1
ANOVA模型 ANCOVA模型
h
2
10.1 ANOVA模型
季节调整（除季节性）
春节期间百货公司的销售
夏天对冰激淋和软饮料的 需求
h
3
许多基于月度或季度的经济时间序列都表 现出季节特征。
从一个时间序列中剔掉季节因素，使 我们能专注于诸如趋势之类的其他因素， 意义往往更为重大。
Y
1317.000 1615.000 1662.000 1295.000 1271.000 1555.000 1639.000 1238.000 1277.000 1258.000 1417.000 1185.000 1196.000 1410.000 1417.000 919.0000
D1
1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000
Sum squared resid 806142.4 Schwarz criterion 13.40537
Log likelihood -207.5545 Hannan-Quinn criter. 13.28289
F-statistic
10.60102 Durbin-Watson stat 0.392512
D2
0.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000
D3
0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000
h
4
在美国，
诸如失业率、消费者价格指 数、生产者价格指数和工业 生产指数等重要的经济时间 序列通常都以季节调整后的
形式公布
h
5
考察美国1978年第一季度到1985年第四季 度的冰箱销售量的变化趋势。
通过虚拟变量剔除掉季节的影响，建 立ANOVA模型。
h
6
被解释变量：冰箱销售量（千台） 定性变量：季度 虚拟变量个数：3
1175.000 0.000000 1.000000 0.000000
1269.000 0.000000 0.000000 1.000000
973.0000 0.000000 0.000000 0.000000
1102.000 1.000000 0.000000 0.000000
1344.000 0.000000 1.000000 0.000000