-第章多重共线性.ppt

8.3多重共线性的诊断 多重共线性案例分析: 1960-1982年期间美国的鸡肉需求取对数后的数据： 8.3多重共线性的诊断 多重共线性案例分析: 1960-1982年期间美国的鸡肉需求双对数模型回归结果： 8.3 多重共线性诊断：1960-1982年期间美国的鸡肉需求 1960-1982年期间美国的鸡肉需求函数 8.3多重共线性的诊断:1960-1982年期间美国的鸡肉需求 鸡肉需求函数[方程（8.15）]的共线性诊断 1.相关矩阵 8.3多重共线性的诊断:1960-1982年期间美国的鸡肉需求 鸡肉需求函数[方程（8.15）]的共线性诊断 2.辅助回归 8.3多重共线性的诊断:1960-1982年期间美国的鸡肉需求 鸡肉需求函数[方程（8.15）]的共线性诊断 2.辅助回归 8.3多重共线性的诊断:1960-1982年期间美国的鸡肉需求 鸡肉需求函数[方程（8.15）]的共线性诊断 2.辅助回归 8.3多重共线性的诊断:1960-1982年期间美国的鸡肉需求 鸡肉需求函数[方程（8.15）]的共线性诊断 2.辅助回归 8.3多重共线性的诊断:1960-1982年期间美国的鸡肉需求 鸡肉需求函数[方程（8.15）]的共线性诊断 2.辅助回归 8.3多重共线性的诊断:1960-1982年期间美国的鸡肉需求 鸡肉需求函数[方程（8.15）]的共线性诊断 3.方差膨胀因子 scalar vif2=1/(1-0.9846)=64.9351 scalar vif3=1/(1-0.9428)=17.4825 scalar vif4=1/(1-0.9759)=41.4937 scalar vif5=1/(1-0.9764)=42.3729 8.4 如何解决多重共线性：补救措施 一、修正多重共线性的经验方法 1.从模型中删掉一个变量 2.获取额外的数据或新的样本 3.重新考虑模型 4.参数的先验信息 5.变量变换 二、逐步回归法 8.4 如何解决多重共线性：补救措施 一、修正多重共线性的经验方法 1.从模型中删掉一个变量 8.4 如何解决多重共线性：补救措施 把回归模型中引起多重共线性，而对因变量的影响不大的变量删除。但是变量的剔除可能导致模型的设定偏误。 8.4 如何解决多重共线性：补救措施 如果多重共线性是由样本引起，增加样本容量可以减少多重共线性的程度。以二元回归方程为例，根据第二节的结果，参数估计值的方差为： 一、修正多重共线性的经验方法 2.获取额外的数据或新的样本 当样本容量增大时， 增大，方差将减小，可以提高参数估计的精度。 8.4 如何解决多重共线性：补救措施 一、修正多重共线性的经验方法 2.获取额外的数据或新的样本 消费支出Y对于收入X2和财富X3的回归方程(n=10) 消费支出Y对于收入X2和财富X3的回归方程(n=40) 8.4 如何解决多重共线性：补救措施 一、修正多重共线性的经验方法 3.重新考虑模型 再看鸡肉的需求函数，根据表7-8中的数据拟合LIV模型 8.4 如何解决多重共线性：补救措施 鸡肉的需求函数 ，数据拟合LIV模型 8.4 如何解决多重共线性：补救措施 一、修正多重共线性的经验方法 4.参数的先验信息 已知X2 和X3 之间高度共线。根据先验信息，确定β3=2β2，带入模型后可得： 假定对回归模型： 8.4 如何解决多重共线性：补救措施 一、修正多重共线性的经验方法 4.参数的先验信息 例如：C-D生产函数 ，K与L高度相关。已知规模收益不变，则α+β=1。生产函数的双对数模型可变为： 可以对这一新回归方程进行估计。 8.4 如何解决多重共线性：补救措施 如果作为解释变量的某些经济变量间出现高度相关，而进行回归分析的目的是为了预测，不是研究单个经济变量对因变量的影响时，可以根据实际问题，改变模型的形式。 一、修正多重共线性的经验方法 5.变量变换 8.4 如何解决多重共线性：补救措施 一、修正多重共线性的经验方法 5.变量变换 8.4 如何解决多重共线性：补救措施 二、逐步回归法（重点内容） （1）用被解释变量对每一个所考虑的解释变量做简单回归； （2）以对被解释变量贡献最大的解释变量所对应的回归方程为基础，以对被解释变量贡献大小为顺序逐个引入其余的解释变量。这个过程会出现3种情形： ①若新变量的引入改进了R2，且回归参数的t检验在统计上也是显著的，则该变量在模型中予