多重共线性与随机解释变量讲述.pptVIP

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 五、案例 一、多重共线性的概念 1、多重共线性 对于模型 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它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。 在矩阵表示的线性回归模型 Y=XB+N中，完全共线性意味着：秩(X)k+1。 注意： 完全共线性的情况并不多见，除非发生模型设定上的低级错误。 一般出现的是在一定程度上的共线性，即近似共线性。此种现象很普遍且难以回避， 2、实际经济问题中的多重共线性现象 经济变量的共同变化趋势 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；经济衰退时期，各基本经济变量又同时趋于下降。 横截面数据：如生产函数中，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，而小企业二者都小。 滞后变量的引入 在计量经济模型中，往往需要引入滞后经济变量来反映真实的经济关系。 例如：消费=f(当期收入It, 前期消费Ct-1） Ct=β0+β1It+β2Ct-1+μt (t=1,2,···,n) 显然，当期收入与前期消费间有较强的线性相关性。 一般经验 对于采用时间序列数据作样本、以简单线性形式建立的计量经济学模型，往往存在多重共线性； 以截面数据作样本时，问题不那么严重，但多重共线性仍然是存在的。 二、多重共线性的后果 1、完全共线性下参数估计量不存在 2、近似共线性下OLS法参数估计量非有效 在一般共线性（或称近似共线性）下，虽然可以得到OLS法参数估计量，但是由参数估计量方差的表达式 所以，多重共线性使参数估计量的方差增大。 3、参数估计量的经济含义不合理 如果模型(2.8.1)中两个解释变量具有线性相关性，例如X1和X2，那么它们中的一个变量可以由另一个变量表征。 这时，X1和X2前的参数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。 所以，各自的参数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，例如本来应该是正的，结果却是负的。 4、变量的显著性检验失去意义 5、模型的预测功能失效 参数估计量的方差较大，会使预测值的置信区间较大，预测精确度较差，从而使预测失去意义。 三、多重共线性的检验 由于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。 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，模型的R2与F值较大，但各参数估计量的t检验值较小，则说明各解释变量对Y的联合线性作用显著，但各解释变量之间存在共线性而使得它们各自对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 将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计算，并计算相应的拟合优度，也称为判定系数。 如果在某一种形式 Xji=?1X1i+?2X2i+?+?LXLi 中判定系数较大，则说明在该形式中作为被解释变量的Xj可以用其他X的线性组合代替，即Xj与其他X之间存在共线性。 一种等价的检验： 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 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可以用其它变量的线性组合代替，而不作为独立的解释变量。 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不是一个独立解释变量，它可以用其它变量的线性组合代替，也就是说它与其它变量之间存在共线性关系。 (3)扩大因子法 方差扩大因子：VIFj=1/(1-R2j) R2j=xj关于其余x的判定系数， 若VIFj10，认为xj与其余变量共线； 平均扩大因子远远大于1，认为xj与其余变量共线； 容忍度： TOLj=1-R2j (xj的容忍度) (3)特征