利用主成分回归法处理多重共线性的若干问题.pdfVIP

维普资讯 ／霹新探慰 利用主成分回归法 一舒晓惠 刘建平 多重共线性的若干问题 在经济计量实践中，多重共线性是 显然应用主成分回归解决多重共线 存在于线性经济计量模型中的一个普遍 性问题过程中影响主成分提取的主要是 而需特别重视的问题。对于其解决方法， 特征值和特征向量，也即协方差矩阵。其 很多学者都进行了探讨。 目前一些文献 相关一些问题探讨如下： 中颇有争议的是：利用主成分回归法处 (一)量纲对主成分的影响问题 理多因素分析中多重共线性问题。 l 1．同一指标不同量纲对主成分的影 一 、 主成分回归的基本思想 响。经济指标的量纲选取并不是唯一的， 产生多重共线性问题的根源是信息 i 例如，GDP值可以亿元计，亦可以万元 的交迭 ，也即解释变量的一些或者全部 计。设解释变量X因量纲的不同而相差 之间存在近似或完全共线性。通过对解 ／r O ＼ r倍(r1)，那么令AIU＼，、I }，从而取z 释变量提取彼此无关的主成分，达到了 i k一’， Y= 消除共线性的目的，同时又把多个指标 Ax，新量纲下的协方差矩阵为 Cov(z，z)： 化为少数几个综合指标，起到了降维的 蠢A∑A，由矩阵代数相关理论可知，相似 作用。其基本过程为： j 矩阵具有相同的特征值，因而这里要求 1．为了使结果不受量纲的影响，先把 J A为正交阵，注意到(r1)，显然不满足， 原始数据进行标准化。 B 从而同一指标 由于量纲的不同使得特 2．求出标准化数据的相关系数矩 } 征值可能不同，进而影响主成分的选 阵、协方差。 } 取 。 3．导出相关系数矩阵的特征值和特 2．不同质的指标对主成分的影响。 征向量。 1 我们做多重线性回归时，所选取的解释 I 4．最大的特征值对应的特征向量即 『 变量有时并不是同质的，即测量单位不 为第一主成分的系数，第二大的特征值 是同量纲。例如，解释变量X代表年销 对应的特征向量即为第二主成分的系 售额，取值在 10000元到26000元之间， 数，以此类推。取几个主成分取决于主 』 而X：是比值 (年净收入／总资产)，它落 成分对因变量的解释程度。如果前i个 在0．01到0．07之间。那么总方差几乎全 特征值之和与所有特征值之和的比达 部归于销售额，这种情况