第六章多重共线性解说.pptVIP

一、多重共线性 二、实际经济问题中的多重共线性 三、多重共线的后果 四、多重共线的检验 五、多重共线的克服 六、案例 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 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）。 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、解释变量中含有当期和滞后变量 例如，投资模型 It=β1+β2rt+β3Yt+β4Yt-1+μt It=投资，rt=利率，Yt=当期GDP，Yt-1=上期GDP 而Y1,……,Yn 自相关（成比例），所以Yt与 Yt-1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。 1、完全共线性下参数估计量不存在，参数的方差趋于无穷大 2、近似共线性下OLS估计量可计算但非有效 3、参数估计量经济含义不合理 4、变量的显著性检验失去意义 5、模型的预测功能失效 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 多重共线性表现为解释变量之间具有相关关系，所以用于多重共线性的检验方法主要是统计方法：如判定系数检验法、逐步回归检验法等。 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)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 Xji=?1X1i+?2X2i+??LXLi 的判定系数较大，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： 构造如下F统计量 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决定系数，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。 另一等价的检验是: 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 逐步回归法分为逐个剔除法与逐个引入法 “逐步”指的是在使用回归分析方法建立模型时，一次只能剔除（减少）一个解释变量或者一次只能引入（增加）一个解释变量。进行一次剔除或引入称为“一步”，这样逐步的进行下去，直到最后得到模型达到“最优”——模型中无不显著解释变量。 引入的准则：引入解释变量后使模型的拟合优度（及F）显著增加的，应当引入；否则不引入。 剔除的准则：剔除解释变量后使模型的拟合优度（及F）不显著的减少，应当剔除；否则不剔除。 逐步剔除法 先将一切可能的解释变量全部引入模型 再依据各个解释变量的显著性 每次从模型中剔除一个不显著的解释变量 从不显著的解释变量中，剔除t最小（对应的概率P最大）的解释变量 直至留在模型中的全部解释变量显著，得到最简洁的模型（模型中不包含不显著的解释变量）。 逐步剔除与多重共线