第八章 多重共线性：解释变量相关会有什么后果1126重点.pptVIP

完全多重共线性和不完全多重共线性：举例 完全多重共线性模型: X3=300-2X2 R2=1, 且相关系数r=1 (模型8-3) 两个变量之间存在精确的线性关系 不完全多重共线性模型 X4=299.92-2.0055X2+e (模型8-9) R2=0.9770, 且相关系数r=-0.9884 两个变量之间存在不精确的线性关系,即存在近似的线性关系. 5、方差膨胀因子 其中，R22表示解释变量之间辅助回归方程的样本决定系数。 四、多重共线性评价:必定不好吗? 根据不同的研究目地加以选择： 目的一：预测因变量的均值，即使存在多重共线性，只要模型中的共线性一直存在下去，并且具有较高的解释能力（判定系数较大） 目的二：除了要求进行预测，还要估计模型参数。则严重的共线性存在就不好 目的三：估计一组系数（如估计两个系数的和或差，例如，解释行业生产规模效应），存在共线性也没有问题。 第二部分 实践中的回归分析 基本假定违背：不满足基本假定的情况。 （1）模型设定有偏误；所选模型是正确设定的 （2）解释变量之间存在多重共线性； （3）随机误差项序列存在异方差性； （4）随机误差项序列存在序列相关性。 所选模型是正确设定的 解释变量之间不存在完全线性关系 误差项方差为常数 误差项之间不相关 基本假定 基本假定 基