第8章多重共线性：解释变量相关会有什么后果要点.pptxVIP

多重共线性：解释变量相关会有什么后果？;8.1 多重共线性的性质：完全多重共线性的情形;Y饰品需求，X2价格，X3消费者收入，X4工资。考察如下的需求函数模型：;这说明收入与价格完全线性相关，即完全共线性。所有不能对方程（8-1）进行回归。;将收入与价格之间的关系带入（8-1）得;对（8-4）进行回归得：;进行经济数据的分析时，变量间常常表现出不完全线性相关，但共线性程度很高的情形，这就是近似、不完全或者高度多重共线性的情形。;回归结果显示： （1）模型（8-2）是可估计的。 （2）两次估计的价格系数都是负的，并且差别不大，这和预期的价格系数方向一样。相对而言，（8-7）中价格的t统计量和标准误都略高于（8-8）。 （3）R2略有增加，0.0021。 （4）工资的系数是统计不显著的，符号也有错误。 （5）尽管收入变量不显著，但若假设B2=B3=0，但是根据（4-49）的F检验很容易拒绝原假设。;图8-2 工资 和价格 关系;回归结果为 回归结果显示，价格与工资高度相关，相关系数为-0.9984，即存在近似完全线性关系。 顺便指出：在只有两个解释变量的情况下，相关系数用于共线性程度的度量，多于两个不可以。;（一）数据采集方法问题 （二）模型或从中取样的总体受到约束 （三）模型设定问题 （四）一个过度决定的模型 ;8.3 多重共线性的理论后果;8.4 多重共线性的实际后果;8.5 多重共线性的诊断;一、多重共线性是一个样本特性，是一个样本现象。 ;二、侦察多重共线性的规则【线索】;（四）辅助回归 ;例子;（五）方差膨胀因子 ;已知，样本相关系数 样本相关系数的定义还可以从另一个角度给出。在进行相关分析时，对于所涉及的两个变量Ｘ和Ｙ是同等看待的。若设 则样本单相关系数也可定义为两个样本回归系数的乘积的开方，即: ;设有３个变量X1、X2和X3。３个变量各自以另两个变量为自变量拟合的样本回归方程如下： 利用以上偏回归系数，３个变量之间的偏相关系数可定义如下： ;;8.6 多重共线性必定不好吗？;8.7 1960-1982年期间美国的鸡肉需求;8.7鸡肉需求函数[方程（8.15）]的共线性诊断 1.相关矩阵 ;鸡肉需求函??[方程（8.15）]的共线性诊断 2.辅助回归 ;8.8 如何解决多重共线性：补救措施;（1）从模型中删掉一个变量;（2）获取额外的数据或新的样本;（3）重新考虑模型;（4）参数的先验信息;这一方法的缺陷在于先验信息并不总是可获得的。更致命的是，即使能够获得这一信息，但是假设先验信息在当前样本仍是有效的，这样的要求显得“很高”。 当然如果各个样本间的收入效应预期变化不大，并且得知有关收入系数的先验信息，那么这一补救措施则是行之有效的。;（5）变量变换;补充：逐步回归法;若新变量的引入未能改进 和 检验，且对其他回 归参数估计值的t 检验也未带来什么影响，则认为该 变量是多余变量。 若新变量的引入未能改进 和 检验，且显著地影 响了其他回归参数估计值的数值或符号，同时本身的 回归参数也通不过t 检验，说明出现了严重的多重共 线性。;案例分析;数据的收集与处理;该模型;计算各解释变量的相关系数 ;三、消除多重共线性;