放宽基本假设的模型精要.ppt

§4.3多重共线性Multi-Collinearity 一、多重共线性的概念 二、多重共线性的后果 三、多重共线性的检验 四、克服多重共线性的方法 一、多重共线性的概念 1、多重共线性 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互相独立。 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。 例如，X2=?X1，这时X1与X2的相关系数为1，解释变量X2对因变量的作用完全可由X1代替。 如果 c1X1i+c2X2i+…+ckXki=0, i=1,2,…,n 其中: ci不全为0，即某一个解释变量可以用其它解释变量的线性组合表示，则解释变量间存在完全共线性。（这是最初的含义，Frisch） 如果 c1X1i+c2X2i+…+ckXki+vi=0 , i=1,2,…,n vi为随机误差项 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： 在矩阵表示的线性回归模型 Y=XB+N中，完全共线性指：秩(X)k+1，即矩阵 二、实际经济问题中的多重共线