Система фиктивных переменных.(см вопрос 30)

Если включаемый в рассмотрение качественный признак имеет несколько значений, то можно ввести дискретную переменную, принимающую такое же количество значений. Однако этот метод затрудняет содержательную интерпретацию, которая соответствует коэффициентам уравнения регрессии. Поэтому в этих случаях целесообразно использовать несколько фиктивных переменных. Примером подобных ситуаций является исследование сезонных колебаний. Пример: пусть Y(t)- объем потребления некоторого продукта в месяц. Существует предположение о том, что потребление зависит от времени года. Для выявления сезонности можно ввести 3 фиктивные переменные:

d(t1)= 1, если месяц t – зимний и d(t1) = 0 в остальных случаях.

d(t2)=1, если месяц весенний и d(t2) = 0 в остальных случаях.

d(t3) = 1, если месяц летний и d(t3) = 0 в остальных случаях.

В данном примере оценивается уравнение следующего вида:

Y(t)=a0+a1*d(t1)+a2*d(t2)+a3*d(t3)+e (5,4)

4 фиктивная переменная для осени не вводится, т.к. тогда для любого месяца t выполнялось бы тождество: d(t1)+d(t2)+d(t3)+d(t4)=1, что означало бы линейную зависимость коэффициентов регрессии и, как следствие, невозможность получения оценок метода наименьших квадратов. Т.о. среднемесячный объем потребления есть а0 для осенних месяцев, а0+а1 – для зимних, а0+а2 – для весенних, а0+а3 – для летних.

Оценки коэффициентов а1, а2, а3 показывают среднее сезонное отношение объемов потребления по отношению к осенним месяцам. Например, тестируя гипотезу а3=0, проверяют предположение о несущественном различие в объемах потребления м/д летним и осенним сезонами. Гипотеза а1=а2 эквивалентна предположению об отсутствии различий в потреблении м/д весной и зимой.

Фиктивные переменные, несмотря на внешнюю простоту, являются гибким экспериментом при исследовании влияния качественных признаков. В предыдущей модели рассматриваются различия лишь для среднемесячных объемов потребления. При ее модификации вводят новую независимую переменную I-доход, используемый на потребление. Известно, что в уравнении регрессии данная переменная занимает следующее место: Y(t)=a0+a1*I(t)+ e (5,5)

Коэффициент а1 носит название «склонность к потреблению». Поэтому стоит задача исследования влияния сезона на склонность к потреблению. Для этого используют след. модель:

Y(t)= a0+a1*d(t1)+a2*d(t2)+a3*d(t3)+a4*d(t1)*I(t)+ a5*d(t2)*I(t)+a6*d(t3)*I(t)+a7*I(t)+ e (5.6)

Согласно этой модели склонность к потреблению зимой – а4+а7, весной – а5+а7, летом – а6+а7, осенью – а7. Как и в предыдущей моделе можно тестировать гипотезы об отсутствие сезонных колебаний на склонность к потреблению. Фиктивные переменные позволяют строить и оценивать кусочно-линейные модели. Пример. Пусть Y- это зависимая переменная, и присутствуют только 2 независимые переменные – постоянный член – Х. Пусть Х и Y представлены в виде временых рядов [(X(t); Y(t)), t=1, 2,…, n]. Пусть в момент t0 произошла структурная перестройка и линия регрессии будет отличаться от той, что была до момента t0, но общая ситуация остается непрерывной. (график)

 

 

чтобы оценить такую модель вводится фиктивная величина R(t). Полагая, что R(t) = 0 при t<=t0, и R(t) = 1 при t>t0. Далее используется регрессионная модель следующего вида:

Y(x)=a1+a2*x(t)+a3*(x(t)-x(t0))*R(t)+ e (5.7)

Регрессионная линия, соответствующая уравнению (5,7) имеет коэффициент наклона а2 для t<=t0, и а2+а3 для t>t0. Т. о., разрыва в линии регрессии не происходит. Тест а3=0 проверяет предположение о том, что фактического структурного изменения не произошло. Этот подход обобщает структурные изменения в пределах одного временного интервала.

Вывод:

1. для исследования влияния нач. признаков в модель можно вводить фиктивные переменные, которые принимают значение 1, если данный начальный признак присутствует в наблюдении и значение 0, если он отсутствует.

2. Способ включения фикт. переменных зависит от информации относительно влияния соответствующих качественных признаков на зависимую переменную и от гипотез, которые необходимо проверить.

3. От способа включения фик. переменной зависит содержательная интерпритация коэффициента при ней.