§多重共线性分析报告.ppt

重庆商学院经济系 §4.3 多重共线性 模型中解释变量违反了基本假设1—解释变量之间相互独立的假设，导致解释变量之间线性相关，称为多重共线性(Multicollinearity)。 一、多重共线性的概念 二、实际经济问题中的多重共线性 三、多重共线性的后果 四、多重共线性的检验 五、克服多重共线性的办法 六、案例—中国粮食生产函数 一、多重共线性的概念 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是互相独立的。 如果存在 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他解释变量的线性组合表示，则称为解释变量间存在完全共线性（Perfect Multicollinearity）。 完全多重共线性 Y=XB+N=(X1,……,Xi,……,Xk)B+N 完全共线性:∣XX∣=0，(XX)-1不存在 近似多重共线性 近似多重共线性:∣X‘X∣≈0,(X’X)-1存在，但主对角线上的元素很大 二、实际经济问题中的多重共线性 一般地，产生多重共线性的主要原因有以下三个方面： （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，根据相对收入假设，时间序列数据建立消费函数（当期收入与前期消费相关） （3）样本资料的限制 由于完全符合理论模型所要求的样本数据较难收集，特定样本可能存在某种程度的多重共线性。 一般经验： 时间序列数据样本：简单线性模型，往往存在多重共线性。 截面数据样本：问题不那么严重，但多重共线性仍然是存在的。 三、多重共线性的后果 2、近似共线性下OLS估计量非有效 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 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线性相关性，例如 X2= ?X1 ， 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已经失去了应有的经济含义，于是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、变量的显著性检验失去意义 5、模型的预测功能失效 变大的方差容易使区间预测的“区间”变大，使预测失去意义。 四、多重共线性的检验 多重共线性检验的任务是： （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。 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。 如果某一种回归 如果判定系数很大，F检验显著，则Xj可用其他解释变量的线性组合表出，即Xj与其他解释变量多重共线性。应将Xj从解释变量中排除。 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，则说明这个被排除在模型之外的解释变量Xj与留在模型中的其它解释变量存在多重共线性。排除是应当的。 (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。 五、克服多重共线性的方法 （1）排除引起多重共线性的变量 找出引起多重共线性的解