Что такое findslide.org?

FindSlide.org - это сайт презентаций, докладов, шаблонов в формате PowerPoint.


Для правообладателей

Обратная связь

Email: Нажмите что бы посмотреть 

Яндекс.Метрика

Презентация на тему Фиктивные переменные

Содержание

Как правило независимые переменные имеют непрерывные области измерения (возраст, стаж, денежные доходы, уровень безработицы). Однако, существуют переменные которые могут принимать два значения или в общем случае дискретное множество значений.
ЭконометрикаМодели с переменной структурой (фиктивные переменные) Как правило независимые переменные имеют непрерывные области измерения (возраст, стаж, Необходимость в таких переменных возникает в тех случаях, когда требуется Для того чтобы вести такие переменные в регрессионную модель, им должны быть Такого вида сконструированные переменные в эконометрике принято называть фиктивными переменными.	Например, рассмотрим модель Зависит ли заработная плата от пола работника? На практике используется два метода моделирования:Регрессия строится для каждой качественно отличной группы 2. Общая регрессионная модель строится для совокупности в целом. В этом случае В английской литературе такие переменные называют dummy – фиктивная переменная Ведем переменную d1, присвоив ей значения по следующему правилу:d1 = Тогда ожидаемое значение заработной платы при одинаковых значениях количества отработанных часов и стажа будет:Для мужчин Для женщин:Заработная плата мужчин и женщин отличается на величину γ. Проверив с помощью t-статистики значимость коэффициентов регрессии, можно определить, имеет ли место дискриминация по половому признаку. Если коэффициент γ статистически значим, то очевидно, что есть различия в оплате Стандартные гипотезы в данном случае имеют следующий смысл: – дискриминация присутствует.– на рынке труда нет дискриминации. Переменные такого типа во всем остальном не отличаются от обычных непрерывных регрессоров Способ задания значений переменной не влияет на результаты оценивания, т.к. направление влияния Качественные различия можно формализовать с помощью любой переменной принимающей два значения не обязательно 0 и 1. Однако, в эконометрической практики почти всегда используют фиктивные переменные типа 0 и Введем в первоначальную модель еще одну фиктивную переменную, отражающую влияние образования на заработную плату: d2=1 – высшее образование;d2=2 – среднее специальное образование;d2=3 – бакалавр;d2=4 – магистр;d2 Если включаемый в рассмотрение качественный признак имеет не два, а несколько значений, На практике в таких случаях используют набор бинарных фиктивных переменных.Рассмотрим пример: необходимо у – объем потребления некоторого продукта в месяц, кг.d1=1, если зима;d1=0, в Одна категория должна отсутствовать потому что она эталонная.Мы не вводим 4-у бинарную Среднемесячный объем потребления в осенние месяцы есть величина αДля зимних месяцев объем Фиктивные переменные позволяют строить и оценивать так называемые кусочно-линейные модели, которые можно Из некоторых априорных соображений исследователь считает, что в момент времени tо произошла Введем дискретную переменную rt = 0, если t ≤ to и rt Тестируя стандартную гипотезу β2 = 0 мы проверяем предположение о том, что
Слайды презентации

Слайд 2 Как правило независимые переменные имеют непрерывные

Как правило независимые переменные имеют непрерывные области измерения (возраст, стаж,

области измерения (возраст, стаж, денежные доходы, уровень безработицы).

Однако, существуют переменные которые могут принимать два значения или в общем случае дискретное множество значений.


Слайд 3 Необходимость в таких переменных возникает в

Необходимость в таких переменных возникает в тех случаях, когда требуется

тех случаях, когда требуется учесть влияние качественных признаков (пол,

национальность, уровень образования и т.д).

Слайд 4 Для того чтобы вести такие переменные в регрессионную

Для того чтобы вести такие переменные в регрессионную модель, им должны

модель, им должны быть присвоены те или иные цифровые

метки, т.е. качественные переменные необходимо преобразовать в количественные.

Слайд 5 Такого вида сконструированные переменные в эконометрике принято называть

Такого вида сконструированные переменные в эконометрике принято называть фиктивными переменными.	Например, рассмотрим

фиктивными переменными.
Например, рассмотрим модель формирования заработной платы (Y) от

количества отработанных часов (X1) и стажа работы (X2).

Слайд 6 Зависит ли заработная плата от пола работника?

Зависит ли заработная плата от пола работника?

Слайд 7 На практике используется два метода моделирования:
Регрессия строится для

На практике используется два метода моделирования:Регрессия строится для каждой качественно отличной

каждой качественно отличной группы единиц совокупности, т.е. для каждой

группы в отдельности;

Слайд 8 2. Общая регрессионная модель строится для совокупности в

2. Общая регрессионная модель строится для совокупности в целом. В этом

целом. В этом случае в регрессионную модель вводятся фиктивные

переменные, т.е. строится модель с переменной структурой.

Слайд 9 В английской литературе такие переменные называют

В английской литературе такие переменные называют dummy – фиктивная переменная

dummy – фиктивная переменная (косвенным образом придает количественное значение

качественным признакам).

Слайд 10 Ведем переменную d1, присвоив ей значения

Ведем переменную d1, присвоив ей значения по следующему правилу:d1 =

по следующему правилу:
d1 = 1, если работник мужчина;
d1 =

0, если работник женщина;

Слайд 11 Тогда ожидаемое значение заработной платы при одинаковых значениях

Тогда ожидаемое значение заработной платы при одинаковых значениях количества отработанных часов и стажа будет:Для мужчин

количества отработанных часов и стажа будет:

Для мужчин


Слайд 12 Для женщин:
Заработная плата мужчин и женщин отличается на

Для женщин:Заработная плата мужчин и женщин отличается на величину γ.

величину γ.


Слайд 13 Проверив с помощью t-статистики значимость коэффициентов регрессии, можно

Проверив с помощью t-статистики значимость коэффициентов регрессии, можно определить, имеет ли место дискриминация по половому признаку.

определить, имеет ли место дискриминация по половому признаку.


Слайд 14 Если коэффициент γ статистически значим, то очевидно, что

Если коэффициент γ статистически значим, то очевидно, что есть различия в

есть различия в оплате труда мужчин и женщин при

прочих равных условиях. Если этот коэффициент положителен, то дискриминация в пользу мужчин, если отрицателен – в пользу женщин.

Слайд 15 Стандартные гипотезы в данном случае имеют следующий смысл:

Стандартные гипотезы в данном случае имеют следующий смысл: – дискриминация присутствует.– на рынке труда нет дискриминации.


– дискриминация присутствует.
– на рынке труда нет дискриминации.


Слайд 16 Переменные такого типа во всем остальном не отличаются

Переменные такого типа во всем остальном не отличаются от обычных непрерывных

от обычных непрерывных регрессоров для оценивания уравнения с фиктивными

переменными МНК коэффициент при фиктивной переменной интерпретируются также как и при остальных регрессорах.


Слайд 17 Способ задания значений переменной не влияет на результаты

Способ задания значений переменной не влияет на результаты оценивания, т.к. направление

оценивания, т.к. направление влияния данного признака отражает значение коэффициента.

Такая

модель называется «Модель с переменной структурой».


Слайд 18 Качественные различия можно формализовать с помощью любой переменной

Качественные различия можно формализовать с помощью любой переменной принимающей два значения не обязательно 0 и 1.

принимающей два значения не обязательно 0 и 1.


Слайд 19 Однако, в эконометрической практики почти всегда используют фиктивные

Однако, в эконометрической практики почти всегда используют фиктивные переменные типа 0

переменные типа 0 и 1 т.к. в этом случае

интерпретация выглядит наиболее наглядно.

Слайд 20 Введем в первоначальную модель еще одну фиктивную переменную,

Введем в первоначальную модель еще одну фиктивную переменную, отражающую влияние образования на заработную плату:

отражающую влияние образования на заработную плату:


Слайд 21

d2=1 – высшее образование;
d2=2 – среднее специальное образование;
d2=3

d2=1 – высшее образование;d2=2 – среднее специальное образование;d2=3 – бакалавр;d2=4 –

– бакалавр;
d2=4 – магистр;
d2 =0 - общее среднее образование.


Слайд 22 Если включаемый в рассмотрение качественный признак имеет не

Если включаемый в рассмотрение качественный признак имеет не два, а несколько

два, а несколько значений, то можно было бы ввести

дискретную переменную, принимающее такое же значение, но в этом случае трудно дать содержательную интерпретацию соответствующему коэффициенту.



Слайд 23 На практике в таких случаях используют набор бинарных

На практике в таких случаях используют набор бинарных фиктивных переменных.Рассмотрим пример:

фиктивных переменных.
Рассмотрим пример: необходимо оценить влияние времени года на

потребление некоторого товара.

Слайд 24 у – объем потребления некоторого продукта в месяц,

у – объем потребления некоторого продукта в месяц, кг.d1=1, если зима;d1=0,

кг.
d1=1, если зима;
d1=0, в противном случае (любое другое

время года);
d2 =1, если весна;
d2 = 0, в противном случае;
d3= 1, если лето;
d3 = 0, в противном случае.

Слайд 25 Одна категория должна отсутствовать потому что она эталонная.

Мы

Одна категория должна отсутствовать потому что она эталонная.Мы не вводим 4-у

не вводим 4-у бинарную переменную для осени потому что

в этом случае выполнялось бы тождество d1+d2+d3+d4=1 что означает линейную зависимость регрессоров и невозможность нахождения оценок по МНК.

Слайд 26 Среднемесячный объем потребления в осенние месяцы есть величина

Среднемесячный объем потребления в осенние месяцы есть величина αДля зимних месяцев

α

Для зимних месяцев объем потребления составляет α+ δ1, для

весенних α+ δ2, для летних α+ δ3

Т.о. оценки коэффициент δ показывают среднее отклонение в объеме потребления по сравнению с осенними месяцами

Но:α=δ1 потребление осенью равно зимой или Но: δ1= δ2



Слайд 27 Фиктивные переменные позволяют строить и оценивать так называемые

Фиктивные переменные позволяют строить и оценивать так называемые кусочно-линейные модели, которые

кусочно-линейные модели, которые можно применять для исследования структурных изменений.

Рассмотрим

пример.

Пусть у – зависимая перееменная и для простоты в модель включена только 1 независимая переменная х. х и у представлены в виде временных рядов.

xt – размер ОПФ в период времени t,
уt – объем продукции в t.

Слайд 28 Из некоторых априорных соображений исследователь считает, что в

Из некоторых априорных соображений исследователь считает, что в момент времени tо

момент времени tо произошла структурная перестановка и линия регрессии

будет отличаться от той которая была до момента tо, но общая регрессия будет непрерывна.

Слайд 29 Введем дискретную переменную rt = 0, если t

Введем дискретную переменную rt = 0, если t ≤ to и

≤ to
и rt = 1, если t >

to

отсюда следует, что регрессионная линия (рис) имеет коэффициент наклона β1 для t ≤ to и наклон β1+β2 для t > to. При этом разрыва в точке to не происходит.


  • Имя файла: fiktivnye-peremennye.pptx
  • Количество просмотров: 166
  • Количество скачиваний: 1