КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Фиктивные переменныеОбычно в качестве признаков-факторов выступают переменные, принимающие количественные значения. Однако иногда бывает необходимо включить в модель качественные факторы, обычно измеряемые в номинальной шкале (шкале наименований). Это может быть пол, род занятий, образование, сезон и т.п. В шкале наименований нельзя производить арифметические действия, и задано только отношение тождества (объект либо принадлежит некоторому множеству, либо нет). Помимо номинальной шкалы, существуют также другие виды шкал, в которых можно осуществлять далеко не все вычисления (например, порядковая шкала, на которой заданы только отношения тождества и больше-меньше; шкала разностей, на которой можно вычитать и складывать, но умножать и делить нельзя и т.п.). Факторы, измеряемые в этих шкалах, тоже могут включаться в эконометрическую модель. Чтобы ввести такие переменные в модель, необходимо поставить им в соответствие некоторые числа, с которыми удобно производить вычисления в абсолютной шкале. Построенные таким образом переменные называют фиктивными переменными. Остальные переменные модели, в противоположность фиктивным, иногда называют значащими. Фиктивные переменные помогают отразить в модели неоднородность структуры наблюдений по некоторому качественному признаку.
Чаще всего в качестве фиктивных переменных используются так называемые бинарные (булевы, дихотомические) переменные, которые могут принимать всего два значения - 0 или 1. Например, введем фиктивную переменную d, обозначающую пол респондента: Пусть эконометрическая модель отражает линейную зависимость спроса на некоторый продукт от цены на него в виде парной регрессии
где y – спрос, как результативный признак; x – цена на продукт (признак-фактор); ε – случайная компонента; а и b – параметры модели. Предположим, что зависимость спроса на этот продукт, кроме того, зависит еще и от пола предполагаемого покупателя, причем уравнения отличаются только свободным членом, т.е. y = ax + b1 + ε для мужчин и для y = ax + b2 + ε женщин. Эти два уравнения можно представить в виде одного уравнения множественной регрессии с двумя признаками-факторами – x и d:
В других случаях введение фиктивной переменной может отражать влияние неоднородности наблюдений не только на свободный член, но и на другие параметры регрессии.
Кроме того, может использоваться несколько фиктивных переменных. Например, можно ввести фиктивные переменные d1 и d2: Эти переменные можно перемножать между собой. Произведение d1d2 будет служить признаком одновременного наличия стажа и высшего образования (только в этом случае оно будет равно 1; если хотя бы одно условие отсутствует, d1d2 = 0).
Фиктивная переменная не обязательно должна быть бинарной. Если она используется для отражения в модели качественного признака, принимающего не два, а большее количество значений в номинальной шкале, можно каждому такому значению поставить в соответствие значение фиктивной переменной. Но на практике это делают редко, поскольку в этом случае сложно дать коэффициентам регрессии содержательную интерпретацию. Например, если фиктивная переменная соответствует одному из четырех сезонов, она могла бы принимать значения 1, 2, 3 и 4, или любые другие четыре разных значения. В этом случае переменная не была бы бинарной. Однако обычно вводят не одну, а три переменных: Четвертая переменная не вводится, поскольку если бы была введена аналогичным образом переменная d4, то всегда выполнялась бы линейная зависимость между признаками факторами d1 + d2 + d2 + d4 = 1. Такая зависимость лишит исследователя возможности найти параметры регрессии с помощью метода наименьших квадратов, поскольку нарушится одна из его важных предпосылок (см. далее). Пусть y = a1d1 + a2d2 + a3d3 + b + ε, где y – спрос на продукцию, зависящий от сезона. Тогда смысл параметров регрессии легко интерпретировать. В самом деле, тогда зимой значение спроса будет a1 + b, весной a2 + b, летом a2 + b, осенью b. Каждый из коэффициентов a1, a2, a3 представляет собой отклонение спроса в данном сезоне от осеннего спроса b.
В эконометрических моделях, отражающих зависимость результата от времени, т.е регрессионных моделях с временными рядами, принято использовать три основных типа фиктивных переменных:
1) индикаторы принадлежности наблюдения к определенному периоду (для наблюдений от и до определенного момента времени они равны 1, а для всех остальных – нулю). Такие переменные используются для моделирования скачкообразных сдвигов в структуре наблюдений. Например, если предположить, что в деятельности экономической системы наблюдалась определенная тенденция в период с 2000 по 2007 гг., а до и после этих лет она резко отличалась, то имеет смысл использовать в модели переменную, которая будет принимать единичные значения только для наблюдений из этого периода. 2) сезонные переменные — индикаторы принадлежности наблюдений к определенному сезоны (месяцу, кварталу). Чаще всего используются при исследовании экономических явлений, имеющих четкие различия в своем сезонном протекании (например, моделирование спроса на зимнюю одежду и обувь). 3) линейный временной тренд. Здесь фиктивная переменная по сути своей представляет собой номер наблюдения. Она показывает, какой промежуток времени прошел от условного начала отсчета времени (нулевого момента) до того момента, к которому относится данное наблюдение.
Дата добавления: 2014-01-07; Просмотров: 2461; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |