第七章多重共线性及其处理.docVIP

第七章 多重共线多重共线)一词由弗里希（）于1934年在其撰写的《借助于完全回归系统的统计合流分析》中首次提出。它的原义是指一个回归模型中的一些或全部解释变量之间存在有一种“完全”或准确的线性关系。 如果在经典回归模型，经典假定遭到破，则有，此时称解释变量存在。解释变量的完全多重共线，也就是解释变之间严格的线性关系即数据矩阵的列向量线性相关必有一个列向量可由其余列向线性表示。 还有另外种情况即解释变量之间虽然的线关系，却有近似的线性关系，即解释变高度相。 必须指出，多重共线性基本上是一种样本现象。因为人们在定模型时，总是尽量避免将理论上具有严格线性关系的变量作为变量收集在一起，因此，实际问题中的多重共线并不是变之间存在理论上或实际上的线性关系造成的，而是由收集的数据(变量观察值)之间存在近似的线性关系所致OLS估计量的方差 （2）难以区分每个解释变量的单独影响 （3）回归模型缺乏稳定性4）检验的可靠性降低多重共线性的多重共线性的系数法如果很大大于8），但中或部分参数却不，解释变量之间存在多重共线 （2）从经济理论知某解释变量对变量有重要影响但其检验均不就应怀疑是多重共线性所致。 如果对模型增添个新的解释变量之后，发现模型中原参数估计值的方差明显增大，则表明在解释变量之间包括新添解释变量在内可能存在多重共线性。用解释变量之间所构成的方程的进行判别 逐步回归判别法 以为被解释变量逐个引入解释变量，构成回归模型，进行参数估计，根据决定系数的变化决定新引入的变量是否能够加入模型之中。首先将对所有的解释变量分别作回归，得到所有的模型，取决定系数最大的模型中的解释变量加入模型，作为第一个引入模型的变量；其次，将再对剩余的解释变量分别加入模型，进行二元回归，再次，取决定系数最大的解释变量加入模型；依次做下去，直到模型的决定系数不再改善为止。 4．方差膨胀因子对于多元线性回归模型，的方差可以表示成 一般当＞10时(此时＞9)，认为模型存在较严重的多重共线性。修正Frish判别法该方法不仅可以对多重共线性进行，同时也是处理多重共线性问题的一种有效方法其步骤为：用被解释变量分别对每个解释变量进行线性回归，根据经济理论和统计检验从中选择一个最合适的回归作为基本回归，通常选取定系数最大的回归在基本回归中逐个增加其他解释变量，重新进行线性回归，如果新增加的这个解释变量提高了回归的定系数，并且回归中的其他参数统计上仍然显著，就在模型中保留该解释变量；如果新增加的解释变量没有提高回归的拟合优度，则不在模型中保留该解释变量；如果新增加的解释变量提高了回归的定系数，并且回归中某些参数的数值或符号等受到显著的影响，说明模型中存在多重共线性，对该解释变量同与之相关的其他解释变量进行比较，在模型中保留对被解释变量影响较大的，影响较小的。多重共线性的解决方法 设定经济模型的时候，为了全面反映各方面因素的影响，总是在理论和实践认识的基础上，尽量选取被解释变量的所有影响因素这样在同时考虑多个影响因素的情况下，很可能产生多重共线性问题。因此，为了解决这一矛盾，剔除变量时应该全面、慎重考虑，根据解释变量的特点采用方式。剔除根据经济理论和实际经验定计量经济模型时容易考虑过多的解释变量，其中有些可能是无显著影响的次要变量，还有一些变量的影响可以用模型中的其他变量来代替。所以在估计模型之前，剔除变换模型的形式对原模型进行适当的变换，也可以消除或削弱原模型中解释变量之间的相关关系。具体有三种变换方式一是变换模型的函数形式是变换模型的变量形式三是改变变量的统计指标。如果能同时获得变量的时序数据和横截面数据，则先利用某类数据估计出模型中的部 分参数，再利用另一类数据估计模型的其余参数。逐步回归建立计量经济模型的时候，一般是将解释变量全部引入模型，然后再根据统计检验和定性分析从中逐个除次要的或产生多重共线性的变量，选择变量是个由多到少的过程。而逐步回归选变量时是一个“由少到多”的过程，即从所有解释变量中间先影响最为显著的变量建立模型，然后再将模型之外的变量逐个引入模型；每引入一个变量，就对模型中的所有变量进行一次显著性检验并从中剔除不的变量；逐步引入剔除引入，直到模型之外所有变量均不显著时为止。许多统计分析软件都有逐步回归程序，但根据计算机软件自动挑选的模型往往统计检验合理，经济意义并不理想。因此，实际应用中一般是依据逐步回归的原理，结合主观分析来筛选变量。不作处理值皆大于2时，对多重共线性可不做处理。 （2）当被解释变量对所有解释变量回归的决定系数值大于任何一个解释变量对其余解释变量回归的决定系数值时，对多重共线性可不做处理。 （3）如果多重共线性并不严重影响参数估计值，以至我们感到不需要改进它时，多重共线性可不做处理。 （4）如果样本回归