第5章多重共线性.pptVIP

Multi-Collinearity 第 五 章 多 重 共 线 性 问题的提出 在前述基本假定下OLS估计具有BLUE的优良性。然而实际问题中，这些基本假定往往不能满足，使OLS方法失效不再具有BLUE特性。估计参数时，必须检验基本假定是否满足，并针对基本假定不满足的情况，采取相应的补救措施。 检验基本假定是否满足的检验称为计量经济学检验。 回顾6项基本假定 （1）解释变量间不相关（无多重共线性） （2）E(ui)=0 （随机项均值为零） （3）Var(ui)=?2 （同方差） （4）Cov(ui, uj)=0（随机项无自相关） （5）Cov(X, ui)=0（随机项与解释变量X不相关） （6）随机扰动项服从正态分布。 不满足基本假定的情形（1） 1、通常不会发生随机扰动项均值不等于0的情形。若发生也不会影响解释变量的系数，只会影响截距项。 2、随机扰动项正态性假设一般能够成立，就算不成立，在大样本下也会近似成立的。所以不讨论此假定是否违背。 不满足基本假定的情形（2） 3、解释变量之间相关=多重共线 4、随机扰动项相关=自相关 5、随机扰动项方差不等于常数=异方差 ?什么是多重共线性 ?多重共线性产生的后果 ?多重共线性的检验 ?多重共线性的补救措施 第一节 什么是多重共线性 一. 多重共线性的概念 多重共线性：在多元线性回归模型中，解释变量之间存在着完全的线性关系或接近的线性关系 eg 例子1 消费与收入、财富的例子 可支配收入与家庭财富之间有明显的共线性关系，他们的相关系数高达0.9989. 例2 课本例题发展农业会减少财政收入吗？ 财政收入模型: 不存在多重共线性只说明解释变量之间没有线性关系,而不排除他们之间存在某种非线性关系 二、产生多重共线性的原因 1、经济变量的共同变化趋势 许多变量在随时间的变化过程中往往存在共同的变动趋势。例如在经济繁荣时期，收入、消费、储蓄、投资、就业都趋向于增长；在经济衰退时期，都趋向于下降。 3、用截面数据建立模型也可能出现多重共线性 比如建立企业生产函数模型，以产出量为解释变量，选择资本、劳动、技术等投入要素为解释变量。而这些投入要素的数量往往与产出量呈正比，产出量高的企业，投入的各种要素都比较多，这就使得投入要素之间出现线性相关性。 一般来讲，多重共线性难以避免，所以我们关心的不是多重共线性的有无，而是多重共线性的程度。 EVIEWS遇到完全多重共线性时，会显示 Near singular matrix，无法进行估计 2.对参数区间估计时，置信区间趋于变大 3.假设检验容易作出错误的判断 一、简单相关系数检验法 含义：简单相关系数检验法是利用解释变量之间的线性相关程度去判断是否存在严重多重共线性的一种简便方法。 判断规则：一般而言，如果每两个解释变量的简单相关系数(零阶相关系数)比较高，例如大于0.8，则可认为存在着较严重的多重共线性。 例如（例1） X2 X3 X2 1 0.999 X3 0.999 1 说明 X1 、X2近似完全线性关系。可以判定模型存在严重的多重共线性 （1）写出回归方程； （2）请根据上表中已有数据，填写表中括号处缺失结果（注意给出计算步骤） （3）进行统计检验F检验和t检验？ （4）已知log(X2)和log(X3)相关系数=-0.2767，请问是否存在严重的多重共线性？ 注意： 较高的简单相关系数只是多重共线性存在的充分条件，而不是必要条件。特别是在多于两个解释变量的回归模型中，有时较低的简单相关系数也可能存在多重共线性。因此并不能简单地依据相关系数进行多重共线性的准确判断。 练习题4.5 从模型拟合结果可知，样本观测个数为27，消费模型的判定系数，F统计量为107.37，在0.05置信水平下查分子自由度为3，分母自由度为23的F临界值为3.028，计算的F值远大于临界值，表明回归方程是显著的。模型整体拟合程度较高。 依据参数估计量及其标准误，可计算出各回归系数估计量的t统计量值： 除t1外，其余的t值都很小。工资收入X1的系数的t检验值虽然显著，但该系数的估计值过大，该值为工资收入对消费边际效应，因为它为1.059，意味着工资收入每增加一美元，消费支出的增长平均将超过一美元，这与经济理论和常识不符。 另外，理论上非工资—非农业收入与农业收入也是消费行为的重要解释变量，但两者的t检验都没有通过。这些迹象表明，模型中存在严重的多重共线性，不同收入部分之间的相互关系，掩盖了各个部分对解释消费行为的单独影响。 先验