Регрессия с одной количественной и двумя качественными переменными

Техника фиктивных переменных может быть распространена на произвольное число качественных факторов. Для простоты рассмотрим ситуацию с двумя качественными переменными.

Пусть – заработная плата сотрудников фирмы, – стаж работы, – наличие высшего образования, – пол сотрудника:

Таким образом, получим следующую модель:

(6.7)

Из этой модели выводятся следующие регрессионные зависимости:

1. Средняя зарплата женщины без высшего образования:

(6.8)

2. Средняя зарплата женщины с высшим образованием:

(6.9)

3. Средняя зарплата мужчины без высшего образования:

(6.10)

4. Средняя зарплата мужчины с высшим образованием:

(6.11)

Очевидно, что все регрессии отличаются только свободными членами. Дальнейшее определение статистической значимости коэффициентов и позволяет убедиться, влияют ли образование и пол сотрудника на его заработную плату.

Пример.Рассмотрим зависимость между весом новорожденного (в граммах), – количеством сигарет, выкуриваемых в день будущей матерью во время беременности и фиктивной переменной , которая отражает факт того, является ребенок первенцем или нет. Пусть , если ребенок – первенец, и , если ребенок не первенец. Рассмотрим выборку из 20 значений (табл. 6.1).

Таблица 6.1

наблюдение					наблюдение

Данная модель содержит одну количественную и одну качественную переменные. В общем виде запишем ее следующим образом: . Коэффициенты определяются из формулы (2.17). Вспомогательная таблица для расчета коэффициентов имеет следующий вид (табл. 6.2).

Таблица 6.2

№
	188,5	-4,6	188,5	21,16	0,16	-867,1	75,4	-1,84
	128,5	4,4	128,5	19,36	0,16	565,4	51,4	1,76
	-331,5	1,4	-331,5	1,96	0,16	-464,1	-132,6	0,56
	-11,5	11,4	-11,5	129,96	0,16	-131,1	-4,6	4,56
Продолжение табл. 6.2 5	208,5	-10,6	208,5	112,36	0,16	-2210,1	83,4	-4,24
	-21,5	-0,6	-21,5	0,36	0,16	12,9	-8,6	-0,24
	28,5	6,4	28,5	40,96	0,16	182,4	11,4	2,56
	318,5	-4,6	318,5	21,16	0,16	-1465,1	127,4	-1,84
	-181,5	7,4	-181,5	54,76	0,16	-1343,1	-72,6	2,96
	108,5	-6,6	108,5	43,56	0,16	-716,1	43,4	-2,64
	-121,5	14,4	-121,5	207,36	0,16	-1749,6	-48,6	5,76
	-41,5	0,4	-41,5	0,16	0,16	-16,6	-16,6	0,16
	-141,5	-11,6	-141,5	134,56	0,36	1641,4	84,9	6,96
	-271,5	-2,6	-271,5	6,76	0,36	705,9	162,9	1,56
	-61,5	2,4	-61,5	5,76	0,36	-147,6	36,9	-1,44
	-161,5	-0,6	-161,5	0,36	0,36	96,9	96,9	0,36
	-101,5	3,4	-101,5	11,56	0,36	-345,1	60,9	-2,04
	368,5	-3,6	368,5	12,96	0,36	-1326,6	-221,1	2,16
	-31,5	-0,6	-31,5	0,36	0,36	18,9	18,9	0,36
	128,5	-5,6	128,5	31,36	0,36	-719,6	-77,1	3,36
				856,8	4,8	-8278		18,8

При этом: , , .

Таким образом, уравнение регрессии с учетом рассчитанных коэффициентов примет вид: .

Затем аналогично примеру, приведенному в главе 2, рассчитывается статистическая значимость коэффициентов. Рассчитанное значение -статистики для коэффициента при фиктивной переменной составляет .

Из приложения 1 определим для уровня значимости и числа степеней свободы критическое значение -статистики: . Так как , то коэффициент при фиктивной переменной является статистически незначимым с уровнем значимости 0,05.

Однако можно предположить, что это объясняется малым размером выборки (20 значений). Если рассмотреть большую выборку, то обнаружится статистическая значимость данного коэффициента.