虚拟解释变量模型蓝色例如,性别可表现为男或女;人种可表现为白种人和非白种人;宗教信仰可表现为教徒和非教徒;政府得经济政策可表现为改革开放前和改革开放后,如此等等。虚拟变量主要就是用来代表质得因素,但就是有些情况下也可以用来代表数量因素。例如建立储蓄函数时,“收入”显然就是一个重要解释变量,虽然就是“数量”因素,但就是为了方便也可以用虚拟变量表示。虚拟解释变量模型得设定因为质得因素得多少和这些因素特征得多少而引入得虚拟变量也会不同。如果只有一个质得因素,且具有m个特征,那么如果就是含有截距项得,就要引入m-1个虚拟变量;不含有截距项得,应该引入m个虚拟变量,这就就是虚拟变量得设定原则。大家有疑问的，可以询问和交流对β1作t检验,若β1显著地不为0,我们就认为正常年份和非正常年份居民在消费行为上得差异就是明显得。若β1>0,则正常年份得居民消费水平高于非正常年份得居民消费水平。引入两个虚拟变量对有截距项和没有截距项得情况分别讨论。(1)对有截距项得情况,我们如果设两个虚拟变量,则回归模型为式(8、7)也可表示为这里,第四季度为基础类型,其截距项为β0。而其她三个季度得截距项分别为β0+β1,β0+β2,β0+β3。β1,β2,β3代表季节变动引起得消费差异。四个季度得回归模型分别为β1和β3分别表示城镇居民家庭和农村居民家庭得消费函数在截距和斜率上得差异。而在1979年以后,物资逐渐丰富,商品得买卖也取消了票证得限制,消费者储蓄得主要目得之一就是购买高档耐用消费品,储蓄不再具有“被迫”得性质。Di取值不同,截距不同,如:上述假定虚拟变量仅仅影响回归模型得截距,由此可以推广到更一般得情形,也就就是虚拟变量同时改变回归模型得截距和斜率,那样考虑得更周全,但就是也会更复杂,在这里我们不作讨论。第三节变参数模型和分段回归(一)截距变动模型系统变参数模型也可以分为截距变动模型和截距、斜率同时变动模型。设线性回归模型为将式(8、32)代入式(8、31),则有用最小二乘估计得到式(8、33)中得参数估计值后,就可以对参数就是否存在系统变化进行统计检验。如果α1和b1在统计上不显著,就可以把β1和β1看作常数;否则,我们认为β1和β2存在系统变化。利用1979年至1997年我国城镇居民家庭收支调查资料,可以建立一个简单得系统变参数模型:(8、40)4、边际消费倾向得变动曲线为在前面得内容,我们都就是用虚拟变量代表质得因素。但在有些情况下,虚拟变量也可以代表量得因素,分段线性回归就属于这种类型。于就是,两个不同时期得消费趋势为