最新第四章回归假设的二级检验.ppt

一、多重共线性的概念 二、产生多重共线性的原因 三、多重共线性的后果 四、多重共线性的检验 五、克服多重共线性的方法 六、案例 §4.3 多重共线性 一、多重共线性的概念 对于模型 Yi=?0+?1X1i+?2X2i+?+?kXki+?i i=1,2,…,n 如果某两个或多个解释变量之间出现了相关性，则称为多重共线性 (Multicollinearity)。 如果存在不全为0的ci，使 c1X1i+c2X2i+…+ckXki=0 i=1,2,…,n 则称为解释变量间存在完全共线性。 如果存在 c1X1i+c2X2i+…+ckXki+vi=0 i=1,2,…,n 其中ci不全为0，vi为随机误差项，则称为 近似共线性或交互相关。 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 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。 二、产生多重共线性的原因 （1）在一个较长的发展时期,因为受同一经济因素的影响,若干经济变量有可能共同升降。 （2）截面数据也同样可能存在高度相关 例，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。 （3）滞后变量的引入 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。 三、多重共线性的后果 1、完全共线性下参数估计量不存在 如果存在完全共线性，则(X’X)-1不存在。 OLS估计量的无偏性与共线性无关 ① OLS估计量方差增大 ② 重要的变量t值很小，通不过检验； ③ R2很高，但几乎没有回归系数在统计上显著； ④ 参数估计量经济含义不合理； ⑤ 变量的显著性检验失去意义； ⑥ 模型的预测功能失效。 2、近似共线性（高度相关） 多重共线性侦查的任务： （1）检验多重共线性是否存在； （2）估计多重共线性的范围，即判断哪些变量之间存在共线性。 四、多重共线性的侦查 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)对多个解释变量的模型，采用综合统计检验法 若 在OLS法下：R2与F值较大，但t检验值较小，说明各解释变量对Y的联合线性作用显著，但各解释变量间存在共线性而使得它们对Y的独立作用不能分辨，故t检验不显著。 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。 如果某一种回归 Xj=?1X1+?2X2+??LXL 的判定系数较大，说明Xj与其他X间存在共线性。 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。 另一等价的检验是: （2）方差膨胀因子检验 方差膨胀因子： 一般当VIF5或VIF10 认为模型存在较严重的多重共线性。 (3)逐步回归法(Frisch综合分析) 第一步,将因变量Y分别对k个解释变量X1、 X2、…、XK进行简单回归： Y=f1(X1), Y=f2(X2), …, Y=fk(Xk) 根据经济理论和统计标准，挑选出最优简单回归方程。 第二步,把新的变量加到选出的方程中 ① 如果新变量能提高R2 ，且符合经济理论，予以 接纳； ② 如新变量不能提高R2 ，且对其他系数没有大的 影响，便认为是多余的； ③ 如新变量严重影响其他变量的系数值或符号时，便认为是有害的，可能已产生严重的多重共线性，而且这个新变量可能是重要的。 找出引起多重共线性的解释变量，将它排除出去。 注意： 这时，剩余解释变量参数的经济含义和数值都发生了变化。 如果模型被检验证明存在多重共线