第三章 多重共线性.pptVIP

* * 4、利用解释变量之间的辅助回归及检验判断 逐步回归：基本思想是将变量逐个的引入模型，每引入 一个解释变量后，都要进行Ｆ检验，并对已经选入的解释 变量逐个进行t检验，当原来引入的解释变量由于后面解 释变量的引入而变得不再显著时，则提示很可能引起了多 重共线性。 当出现多个解释变量之间高度相关的时候，逐步回归方法是一 种检测多重共线性的方法。 * 多重共线性的后果主要是参数估计量方差变大，例如一元回归 中 因为式中 为常数， 确定后，当样本容量越大时， 越大，可使 减小，从而减轻多重共线性的影响 注意： ● ●增大样本容量有时十分困难，受到数据来源的限制 * * 2、利用先验信息 先验信息：在此之前的研究所提供的信息。 利用某些先验信息可把有共线性的变量组成新的变量，从而避免多重共线性 举例：生产函数中可利用“规模报酬不变” 的先验信息，把有共线性的变量组成新的变量,而避免多重共线性 原模型 变换后模型 * 有时在时间序列数据中多重共线性严重的变量，在截面数据中不一定有严重的共线性 假定前提：截面数据估计出的参数与时间序列中估计的参数差异不大 方法：先用截面数据估计出一个变量的参数，再代入原模型中用时间序列估计另一个变量的参数 例如 其中：Y——家庭轿车销售量；P——平均价格；I——消费者收入 先用截面数据估计收入弹性 （同一时期各截面的价格可视为相同） 再用时序数据估计 * 对存在多重共线性的变量，进行对数变换、一阶差 分变换等，有时可消除或减轻多重共线性的影响 注意：一阶差分可能带来新的问题： ● 虽然 和 都是序列无关的，但差分形成的随机项 常常是序列相关的，可能会违反无自相关假定. ● 一阶差分中减少了一个自由度 ● 一阶差分不适于截面数据，因截面数据没有先后顺序 * 5、逐步回归法 基本思想： 设法删除引起多重共线性但又不那么重要的变量。 用逐步回归方法发现产生共线性的解释变量，并将 其剔除，从而减少多重共线性影响 方法： ，基本思路的框图为：(见下页) 存在的问题： 有可能删除重要变量，而引起设定误差！！ 使用逐步回归剔除变量时要格外小心！ * 将Y对各个 分别回归 计算各 以 最大的作逐步回归的基础 逐个将其他 加入模型回归 用F检验检验新加入 的显著性 F检验改善不显著 F检验改善显著 多余变量 对先引入的变量 的显著性无影响 使先引入的变量参数发生明 显变化或使 t 检验不显著 剔除 保留此变量 出现多重共线性 剔除此变量 研究目的：中国国内旅游市场发展迅速，需要定量地研究影响中国国内旅游市场发展的主要原因。经分析，以旅游收入表示旅游市场发展，除了国内旅游人数和旅游支出外，还可能与旅游基础设施有关。 模型设定： 其中： * ——第 t年全国旅游收入 ——国内旅游人数（万人） ——城镇居民人均旅游支出 （元） ——农村居民人均旅游支出 （元） ——公路里程（万公里） ——铁路里程（万公里） * 1994—2003年的统计数据 年 份 国内旅游收入Y（亿元） 国内旅游人数X2（万人次） 城镇居民人均旅游支出X3（元） 农村居民人均旅游支出X4（元） 公路里 程 X5（万公里） 铁路里程X6（万公里） 1994 1023.5 52400 414.7 54.9 111.78 5.90 1995 1375.7 62900 464.0 61.5 115.70 5.97 1996 1638.4 63900 534.1 70.5 118.58 6.49 1997 2112.7 64400 599.8 145.7 122.64 6.60 1998 2391.2 69450 607.0 197.0 127.85 6.64 1999 2831.9 71900 614.8 249.5 135.17 6.74 2000 3175.5 74400 678.6 226.6 140.27 6.87 2001 3522.4 78400 708.3 212.7 169.80 7.01 2002 3878.4 87800 739.7 209.1 176.52 7.19 2003 3442.3 87000 684.9 200.0 180.98 7.30 * 该模型 ，