计量经济学课件4计量经济学课件4.ppt

* 4.5 案例分析 表4-1 1994~2009年中国旅游收入及相关数据 年份 国内旅游收入 国内旅游人数 城镇居民人均旅游支出 农村居民人均旅游支出 公路 里程 铁路 里程 1994 1023.5 52400 414.7 54.9 111.78 5.90 1995 1375.7 62900 464.0 61.5 115.70 6.24 1996 1638.4 63950 534.1 70.5 118.58 6.49 1997 2112.7 64400 599.8 145.7 122.64 6.60 1998 2391.2 69500 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 2004 4710.7 110200 731.8 210.2 187.07 7.44 2005 5285.9 121200 737.1 227.6 334.52 7.54 2006 6229.7 139400 766.4 221.9 345.70 7.71 2007 7770.6 161000 906.9 222.5 358.37 7.80 2008 8749.3 171200 849.4 275.3 373.02 7.97 2009 10183.7 190200 801.1 295.3 386.08 8.55 * 思考与练习 试述多重共线性的含义及产生的原因。 试述多重共线性的影响。 试述多重共线性的检验方法。 试述多重共线性的处理方法。 试述逐步回归的思想。 试结合某一实际问题进行岭回归分析。 * STA 677.001 STA 677.001 * 计量经济学 北京交通大学经济管理学院 * 4 多重共线性 4.1 多重共线性及其产生的原因 4.2 多重共线性造成的影响 4.3 多重共线性的检验 4.4 多重共线性的解决方法 4.5 案例分析 * 要求 1.理解多重共线性的含义。 2.多重共线性的产生原因； 3.理解多重共线性对回归模型的影响； 4.掌握多重共线性的检验方法； 5.掌握多重共线性的处理方法。 4.1 多重共线性及产生的原因 由于数据本身的特征，回归模型中的解释变量之间或多或少存在一些相关性，这种情况违反了解释变量相互独立的假设，我们称之为多重共线性。 多重共线性区分为两类。一类是严重的多重共线性，即解释变量之间存在着较高甚至完全的线性相关关系，此时设计矩阵的列向量存在近似线性相关(称为多重共线性(multi-collinearity))，|X′X|≈0。此时一般最小二乘方法尽管可以进行，但估计的性质变坏，主要是对观测误差的稳定性变差，严重时估计量可能变得面目全非。但上述情况并不多见。另一类是解释变量之间存在着某种相关关系。在这种情况的多重共线性下，最小二乘估计量仍能估计，且为最优线性无偏估计量，但估计量的方差较大。同时使得估计精度下降，无法判断解释变量对被解释变量的影响程度。 4.1 多重共线性及产生的原因 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 2、滞后变量的引入 3、样本资料的限制 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。 * 4.2 多重共线性的影响 如果存在完全共线性，则(X’X) -1不存在，无法得到参数的估计量。 2、近似共线性下普通最小二乘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为 可见，由于此时|X’X|?0，引起(X’X) -1主对角线元素较大，从而使参数估计值的方差增大，OLS参数估计量非有效。 即：多重共线性使参数估计值的方差增大，方差扩大因子(Variance Inflation Factor)为1/(1-r2)，其增大趋势见下表： 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