边际效应

2020-02-04 本文已影响0人古城路揸fit人

线性模型

连续变量
$y_{i}=\beta_{1} x_{i 1}+\beta_{2} x_{i 2}+\cdots+\beta_{K} x_{i K}+\varepsilon_{i}$
$\frac{\partial \mathrm{E}\left(y_{i}\right)}{\partial x_{i 1}}=\beta_{1}$
假设解释变量对被解释变量的边际影响为常数。
虚拟变量
$y_{t}=\alpha+\beta x_{t}+\gamma D_{t}+\varepsilon_{t}$

$y_{t}=\left\{\begin{array}{l}{\alpha+\beta x_{t}+\varepsilon_{t}} \\ {(\alpha+\gamma)+\beta x_{t}+\varepsilon_{t}}\end{array}\right.$
相当于不同的样本有不同的截距项。

交互项
$\frac{\mathrm{E}\left(y_{i}\right)}{x_{i k}}=\beta_{k}+\gamma x_{m}$

边际效应

线性模型

猜你喜欢

热点阅读