Регрессионные модели с переменной структурой

(фиктивные переменные)

До сих пор в качестве факторов рассматривались экономические переменные, принимающие количественные значения в некотором интервале. Вместе с тем может оказаться необходимым включить в модель фактор, имеющий два или более качественных уровней. Это могут быть разного рода атрибутивные признаки, такие, например, как профессия, пол, образование, климатические условия, принадлежность к определенному региону. Чтобы ввести такие переменные в регрессионную модель, им должны быть присвоены те или иные цифровые метки, т.е. качественные переменные преобразованы в количественные. Такого вида сконструированные переменные в эконометрике принято называть фиктивными переменными.

Рассмотрим применение фиктивных переменных для функции спроса. Предположим, что по группе лиц мужского и женского пола изучается линейная зависимость потребления кофе от цены. В общем виде для совокупности обследуемых уравнение регрессии имеет вид:

Регрессионные модели с переменной структурой - student2.ru ,

где Регрессионные модели с переменной структурой - student2.ru – количество потребляемого кофе; Регрессионные модели с переменной структурой - student2.ru – цена.

Аналогичные уравнения могут быть найдены отдельно для лиц мужского пола: Регрессионные модели с переменной структурой - student2.ru и женского пола: Регрессионные модели с переменной структурой - student2.ru .

Различия в потреблении кофе проявятся в различии средних Регрессионные модели с переменной структурой - student2.ru и Регрессионные модели с переменной структурой - student2.ru . Вместе с тем сила влияния Регрессионные модели с переменной структурой - student2.ru на Регрессионные модели с переменной структурой - student2.ru может быть одинаковой, т.е. Регрессионные модели с переменной структурой - student2.ru . В этом случае возможно построение общего уравнения регрессии с включением в него фактора «пол» в виде фиктивной переменной. Объединяя уравнения Регрессионные модели с переменной структурой - student2.ru и Регрессионные модели с переменной структурой - student2.ru и, вводя фиктивные переменные, можно прийти к следующему выражению:

Регрессионные модели с переменной структурой - student2.ru ,

где Регрессионные модели с переменной структурой - student2.ru и Регрессионные модели с переменной структурой - student2.ru – фиктивные переменные, принимающие значения:

Регрессионные модели с переменной структурой - student2.ru Регрессионные модели с переменной структурой - student2.ru

В общем уравнении регрессии зависимая переменная Регрессионные модели с переменной структурой - student2.ru рассматривается как функция не только цены Регрессионные модели с переменной структурой - student2.ru но и пола Регрессионные модели с переменной структурой - student2.ru . Переменная Регрессионные модели с переменной структурой - student2.ru рассматривается как дихотомическая переменная, принимающая всего два значения: 1 и 0. При этом когда Регрессионные модели с переменной структурой - student2.ru , то Регрессионные модели с переменной структурой - student2.ru , и наоборот.

Для лиц мужского пола, когда Регрессионные модели с переменной структурой - student2.ru и Регрессионные модели с переменной структурой - student2.ru , объединенное уравнение регрессии составит: Регрессионные модели с переменной структурой - student2.ru , а для лиц женского пола, когда Регрессионные модели с переменной структурой - student2.ru и Регрессионные модели с переменной структурой - student2.ru : Регрессионные модели с переменной структурой - student2.ru . Иными словами, различия в потреблении для лиц мужского и женского пола вызваны различиями свободных членов уравнения регрессии: Регрессионные модели с переменной структурой - student2.ru . Параметр Регрессионные модели с переменной структурой - student2.ru является общим для всей совокупности лиц, как для мужчин, так и для женщин.

Однако при введении двух фиктивных переменных Регрессионные модели с переменной структурой - student2.ru и Регрессионные модели с переменной структурой - student2.ru в модель Регрессионные модели с переменной структурой - student2.ru применение МНК для оценивания параметров Регрессионные модели с переменной структурой - student2.ru и Регрессионные модели с переменной структурой - student2.ru приведет к вырожденной матрице исходных данных, а следовательно, и к невозможности получения их оценок. Объясняется это тем, что при использовании МНК в данном уравнении появляется свободный член, т.е. уравнение примет вид

Регрессионные модели с переменной структурой - student2.ru .

Предполагая при параметре Регрессионные модели с переменной структурой - student2.ru независимую переменную, равную 1, имеем следующую матрицу исходных данных:

Регрессионные модели с переменной структурой - student2.ru .

В рассматриваемой матрице существует линейная зависимость между первым, вторым и третьим столбцами: первый равен сумме второго и третьего столбцов. Поэтому матрица исходных факторов вырождена. Выходом из создавшегося затруднения может явиться переход к уравнениям

Регрессионные модели с переменной структурой - student2.ru

или

Регрессионные модели с переменной структурой - student2.ru ,

т.е. каждое уравнение включает только одну фиктивную переменную Регрессионные модели с переменной структурой - student2.ru или Регрессионные модели с переменной структурой - student2.ru .

Предположим, что определено уравнение

Регрессионные модели с переменной структурой - student2.ru ,

где Регрессионные модели с переменной структурой - student2.ru принимает значения 1 для мужчин и 0 для женщин.

Теоретические значения размера потребления кофе для мужчин будут получены из уравнения

Регрессионные модели с переменной структурой - student2.ru .

Для женщин соответствующие значения получим из уравнения

Регрессионные модели с переменной структурой - student2.ru .

Сопоставляя эти результаты, видим, что различия в уровне потребления мужчин и женщин состоят в различии свободных членов данных уравнений: Регрессионные модели с переменной структурой - student2.ru – для женщин и Регрессионные модели с переменной структурой - student2.ru – для мужчин.

Теперь качественный фактор принимает только два состояния, которым соответствуют значения 1 и 0. Если же число градаций качественного признака-фактора превышает два, то в модель вводится несколько фиктивных переменных, число которых должно быть меньше числа качественных градаций. Только при соблюдении этого положения матрица исходных фиктивных переменных не будет линейно зависима и возможна оценка параметров модели.

Пример. Проанализируем зависимость цены двухкомнатной квартиры от ее полезной площади. При этом в модель могут быть введены фиктивные переменные, отражающие тип дома: «хрущевка», панельный, кирпичный.

При использовании трех категорий домов вводятся две фиктивные переменные: Регрессионные модели с переменной структурой - student2.ru и Регрессионные модели с переменной структурой - student2.ru . Пусть переменная Регрессионные модели с переменной структурой - student2.ru принимает значение 1 для панельного дома и 0 для всех остальных типов домов; переменная Регрессионные модели с переменной структурой - student2.ru принимает значение 1 для кирпичных домов и 0 для остальных; тогда переменные Регрессионные модели с переменной структурой - student2.ru и Регрессионные модели с переменной структурой - student2.ru принимают значения 0 для домов типа «хрущевки».

Предположим, что уравнение регрессии с фиктивными переменными составило:

Регрессионные модели с переменной структурой - student2.ru .

Частные уравнения регрессии для отдельных типов домов, свидетельствуя о наиболее высоких ценах квартир в панельных домах, будут иметь следующий вид: «хрущевки» – Регрессионные модели с переменной структурой - student2.ru ; панельные – Регрессионные модели с переменной структурой - student2.ru ; кирпичные – Регрессионные модели с переменной структурой - student2.ru .

Параметры при фиктивных переменных Регрессионные модели с переменной структурой - student2.ru и Регрессионные модели с переменной структурой - student2.ru представляют собой разность между средним уровнем результативного признака для соответствующей группы и базовой группы. В рассматриваемом примере за базу сравнения цены взяты дома «хрущевки», для которых Регрессионные модели с переменной структурой - student2.ru . Параметр при Регрессионные модели с переменной структурой - student2.ru , равный 2200, означает, что при одной и той же полезной площади квартиры цена ее в панельных домах в среднем на 2200 долл. США выше, чем в «хрущевках». Соответственно параметр при Регрессионные модели с переменной структурой - student2.ru показывает, что в кирпичных домах цена выше в среднем на 1600 долл. при неизменной величине полезной площади по сравнению с указанным типом домов.

В отдельных случаях может оказаться необходимым введение двух и более групп фиктивных переменных, т.е. двух и более качественных факторов, каждый из которых может иметь несколько градаций. Например, при изучении потребления некоторого товара наряду с факторами, имеющими количественное выражение (цена, доход на одного члена семьи, цена на взаимозаменяемые товары и др.), учитываются и качественные факторы. С их помощью оцениваются различия в потреблении отдельных социальных групп населения, дифференциация в потреблении по полу, национальному составу и др. При построении такой модели из каждой группы фиктивных переменных следует исключить по одной переменной. Так, если модель будет включать три социальные группы, три возрастные категории и ряд экономических переменных, то она примет вид:

Регрессионные модели с переменной структурой - student2.ru ,

где Регрессионные модели с переменной структурой - student2.ru – потребление;

Регрессионные модели с переменной структурой - student2.ru

Регрессионные модели с переменной структурой - student2.ru

Регрессионные модели с переменной структурой - student2.ru – экономические (количественные) переменные.

До сих пор мы рассматривали фиктивные переменные как факторы, которые используются в регрессионной модели наряду с количественными переменными. Вместе с тем возможна регрессия только на фиктивных переменных. Например, изучается дифференциация заработной платы рабочих высокой квалификации по регионам страны. Модель заработной платы может иметь вид:

Регрессионные модели с переменной структурой - student2.ru ,

где Регрессионные модели с переменной структурой - student2.ru – средняя заработная плата рабочих высокой квалификации по отдельным предприятиям;

Регрессионные модели с переменной структурой - student2.ru

Регрессионные модели с переменной структурой - student2.ru

………………………………………………………………………..

Регрессионные модели с переменной структурой - student2.ru

Поскольку последний район, указанный в модели, обозначен Регрессионные модели с переменной структурой - student2.ru , то в исследование включено Регрессионные модели с переменной структурой - student2.ru район.

Мы рассмотрели модели с фиктивными переменными, в которых последние выступают факторами. Может возникнуть необходимость построить модель, в которой дихотомический признак, т.е. признак, который может принимать только два значения, играет роль результата. Подобного вида модели применяются, например, при обработке данных социологических опросов. В качестве зависимой переменной Регрессионные модели с переменной структурой - student2.ru рассматриваются ответы на вопросы, данные в альтернативной форме: «да» или «нет». Поэтому зависимая переменная имеет два значения: 1, когда имеет место ответ «да», и 0 – во всех остальных случаях. Модель такой зависимой переменной имеет вид:

Регрессионные модели с переменной структурой - student2.ru .

Модель является вероятностной линейной моделью. В ней Регрессионные модели с переменной структурой - student2.ru принимает значения 1 и 0, которым соответствуют вероятности Регрессионные модели с переменной структурой - student2.ru и Регрессионные модели с переменной структурой - student2.ru . Поэтому при решении модели находят оценку условной вероятности события Регрессионные модели с переменной структурой - student2.ru при фиксированных значениях Регрессионные модели с переменной структурой - student2.ru . Для оценки параметров линейно-вероятностной модели применяются методы Logit-, Probit- и Tobit-анализа. Такого рода модели используют при работе с неколичественными переменными. Как правило, это модели выбора из заданного набора альтернатив. Зависимая переменная Регрессионные модели с переменной структурой - student2.ru представлена дискретными значениями (набор альтернатив), объясняющие переменные Регрессионные модели с переменной структурой - student2.ru – характеристики альтернатив (время, цена), Регрессионные модели с переменной структурой - student2.ru – характеристики индивидов (возраст, доход, уровень образования). Модель такого рода позволяет предсказать долю индивидов в генеральной совокупности, которые выбирают данную альтернативу.

Среди моделей с фиктивными переменными наибольшими прогностическими возможностями обладают модели, в которых зависимая переменная Регрессионные модели с переменной структурой - student2.ru рассматривается как функция ряда экономических факторов Регрессионные модели с переменной структурой - student2.ru и фиктивных переменных Регрессионные модели с переменной структурой - student2.ru . Последние обычно отражают различия в формировании результативного признака по отдельным группам единиц совокупности, т.е. в результате неоднородной структуры пространственного или временного характера.


Наши рекомендации