4.2多重共线性.pptVIP

一、多重共线性 1.概念 对于模型 Yi=?0+?1X1i+?2X2i+?+?kXki+?i i=1,2,…,n 其基本假设之一是解释变量之间不存在完全共线性。 如果存在 c1X1i+c2X2i+…+ckXki=0 i =1,2,…,n 其中: ci 不全为0，则称为解释变量间存在完全共线性（perfect multicollinearity）。 在矩阵表示的线性回归模型 Y = X? +?中，完全共线性指：秩(X) k+1，即 注意： 完全共线性的情况并不多见，一般出现的是在一定程度上的共线性，即近似共线性。 完全共线性违背了经典假设。 近似共线性没有违背经典假设。 2. 实际经济问题中的多重共线性 （1）经济变量相关的共同趋势 时间序列样本：经济繁荣时期，各基本经济变量（收入、消费、投资、价格）都趋于增长；衰退时期，又同时趋于下降。 横截面数据：生产函数中，资本投入与劳动力投入往往出现高度相关情况，大企业二者都大，小企业都小。 （2）滞后变量的引入 在经济计量模型中，往往需要引入滞后经济变量来反映真实的经济关系。 例如，消费=f(当期收入, 前期收入） 显然，两期收入间有较强的线性相关性。 二、多重共线性的后果 2. 近似共线性下OLS估计量方差增大 近似共线性下，可以得到OLS参数估计量，但参数估计量方差的表达式为 多重共线性使参数估计值的方差增大，1/(1-r2)为方差膨胀因子(Variance Inflation Factor, VIF) 3. 参数估计量经济含义不合理 如果模型中两个解释变量具有某种程度的线性相关性： 这时，X1和X2前的参数?1、?2并不反映各自与被解释变量之间的结构关系，而是反映它们对被解释变量的共同影响。 ?1、?2失去了应有的经济含义，经常表现出似乎反常的现象：例如?1本来应该是正的，结果恰是负的。 4. 变量的显著性检验效果不理想 5. 模型的预测效果不理想 变大的方差容易使区间预测的“区间”变大，使预测失去意义。 三、多重共线性的检验 1. 检验多重共线性是否存在 (1)对两个解释变量的模型,采用简单相关系数法 求出X1与X2的简单相关系数r，若|r|接近1，则 说明两变量存在较强的多重共线性。 2. 判明存在多重共线性的范围 如果存在多重共线性，需进一步确定究竟由哪些变量引起。 (1) 判定系数检验法 使模型中每一个解释变量分别以其余解释变量为解释变量进行回归，并计算相应的拟合优度。 如果某一回归 Xji=?1X1i+?2X2i+??lXli+ vi 的可决系数较大,说明Xj与其他X间存在共线性。 具体可进一步对上述回归方程作F 检验： 式中：Rj?2为第j个解释变量对其他解释变量的回归方程的可决系数。 若存在较强的共线性，则Rj?2较大且接近于1，这时（1- Rj?2 ）较小，从而Fj的值较大。 因此，给定显著性水平?，计算F值，并与相应的临界值比较，来判定是否存在相关性。 在模型中排除某一个解释变量Xj，估计模型； 如果拟合优度与包含Xj时十分接近，则说明Xj与其它解释变量之间存在共线性。 (2) 逐步回归法 以Y为被解释变量，逐个引入解释变量，构成回归模型，进行模型估计。 根据拟合优度的变化决定新引入的变量是否独立。 如果拟合优度变化显著，则说明新引入的变量是一个独立解释变量； 如果拟合优度变化很不显著，则说明新引入的变量与其它变量之间存在共线性关系。 四、克服多重共线性的方法 找出引起多重共线性的解释变量, 将它排除出去。 以逐步回归法得到最广泛的应用。 注意： 慎重对待排除法； 采用这种方法要注意，剩余解释变量参数的经济含义和数值都发生了变化。 2. 第二类方法：差分法 时间序列数据、线性模型：将原模型变换为差分模型: ?Yi =?1?X1i+?2 ?X2i +?+?k ?Xki+ ??i 可以相对有效地消除原模型中的多重共线性。 例如: 由表中的比值可以直观地看到，增量的线性关系弱于总量之间的线性关系，可以部分克服共线性的问题。 进一步分析： GDP与CONS(-1)之间的可决系数为0.988，