5.3、虚拟变量回归估计—零基础入门教程

Eviews 统计分析从入门到精通（视频+数据+课件）------------------------------- 点击获取

点击上方链接可以查看完整版视频教程

虚拟变量回归估计是一种用于处理分类变量的统计方法。在线性回归模型中，当自变量是分类变量时，我们可以将其转化为虚拟变量，即将其转化为多个二进制变量。每个虚拟变量代表了分类变量的一个水平，取值为0或1。通过虚拟变量回归估计，我们可以将分类变量的影响纳入到回归模型中，并估计每个水平对因变量的影响。虚拟变量回归估计可以帮助我们探究分类变量对因变量的影响，比较不同水平之间的差异，并进行显著性检验。这种方法在社会科学、市场研究和医学研究等领域中广泛应用，可以提供更准确和全面的回归分析结果。

含虚拟变量的线性回归模型的OLS估计

定性变量通常表示某种特征是否存在，如是否为男性、是否是春季、是否是文化大革命时期等，因此在计量经济中量化定性变量的方法是取值0或1。一般可以用1表示该变量特征的存在，而用0表示该特征不存在。这种取值为0或1的变量称做虚拟变量，用D(Dummy)表示。

虚拟变量的赋值方法：当一个定性变量含有M个类别时，应该向模型中引入M-1个虚拟变量。其中，把虚拟变量取值为0的类别称为基础类别。例如，回归模型中的定性变量“国 籍”含有中国国籍和外国国籍两个类别，则应该向回归模型中引入一个虚拟变量。定义方式为

另外，如果回归模型中的定性变量“季节”含有春夏秋冬4个类别，则要引入3个虚拟变量。以冬季为基础类别的一种定义方式为

虚拟变量设定的EViews操作

含虚拟变量的线性回归模型与一般的线性回归模型在变量输入、样本设定、估计方法的

选择等方面没有任何差异，仅仪对于虚拟变量如何设定及如何解释方面有所差异。下面仅就虚拟变量如何在EViews中定义进行讲解。

“虚拟变量在EViews序列对象中就是取值为0和1的序列。因此，虚拟变量的定义与普通变量的路径相同：在workfile窗口的工具栏中依次单击Object|New Object, 打开如图所示New Object对话框，选择Series并进行命名。

定义新序列后，根据该虚拟变量要表示的属性特征是否存在来赋值0和1,一般情况下，如果某特征不存在则赋值为0,存在则赋值-为1定义完毕后，如图所示。

如果上述教程没有解决您的问题，可以联系分析师获取支持：

分析师服务（24小时在线）

如果您需要代做服务，可选择下方服务选项：

‍1、问卷设计、问卷调查：点击联系

2、数据分析、实证分析：点击联系‍

3、科研配图、论文配图：点击联系

4、文章指导、润色美化：点击联系

5、数据查找、代查代下：点击联系

6、数据修改、调整合理：点击联系‍

7、职称评审、课题申报：点击联系

8、格式排版、文章翻译：点击联系‍