第六讲多重共线性.pptVIP

1、用OLS法估计上述模型： R2接近于1； 给定?=5%，得F临界值 F0.05(5,12)=3.11 F=638.4 15.19， 故认上述粮食生产的总体线性关系显著成立。 但X4 、X5 的参数未通过t检验，且符号不正确，故解释变量间可能存在多重共线性。 (-0.91) (8.39) (3.32) (-2.81) (-1.45) (-0.14) 2、检验简单相关系数 发现： X1与X4间存在高度相关性。 列出X1，X2，X3，X4，X5的相关系数矩阵： 3、找出最简单的回归形式 可见，应选第1个式子为初始的回归模型。 分别作Y与X1，X2，X4，X5间的回归： (25.58) (11.49) R2=0.8919 F=132.1 DW=1.56 (-0.49) (1.14) R2=0.075 F=1.30 DW=0.12 (17.45) (6.68) R2=0.7527 F=48.7 DW=1.11 (-1.04) (2.66) R2=0.3064 F=7.07 DW=0.36 4、逐步回归 将其他解释变量分别导入上述初始回归模型，寻找最佳回归方程。 回归方程以Y=f(X1，X2，X3)为最优： 5、结论 *七、分部回归与多重共线性 1、分部回归法(Partitioned Regression) 对于模型 在满足解释变量与随机误差项不相关的情况下，可以写出关于参数估计量的方程组： 将解释变量分为两部分，对应的参数也分为两部分： 如果存在 则有 同样有 这就是仅以X2作为解释变量时的参数估计量。 这就是仅以X1作为解释变量时的参数估计量 2、由分部回归法导出 如果一个多元线性模型的解释变量之间完全正交，可以将该多元模型分为多个一元模型、二元模型、…进行估计，参数估计结果不变； 实际模型由于存在或轻或重的共线性，如果将它们分为多个一元模型、二元模型、…进行估计，参数估计结果将发生变化； 严格地说，实际模型由于总存在一定程度的共线性，所以每个参数估计量并不 真正反映对应变量与被解释变量之间的结构关系。 当模型存在共线性，将某个共线性变量去掉，剩余变量的参数估计结果将发生变化，而且经济含义有发生变化； 第6讲 多重共线性 Multi-Collinearity 一、多重共线性的概念 二、实际经济问题中的多重共线性 三、多重共线性的后果 四、多重共线性的检验 五、克服多重共线性的方法 六、案例 *七、分部回归与多重共线性 第6讲 多重共线性 一、多重共线性的概念 对于模型 Yi=?0+?1X1i+?2X2i+?+?kXki+?i i=1,2,…,n 其基本假设之一是解释变量是互相独立的。 如果某两个或多个解释变量之间出现了相关性，则称为多重共线性(Multicollinearity)。 如果存在 c1X1i+c2X2i+…+ckXki=0 i=1,2,…,n 其中: ci不全为0，则称为解释变量间存在完全共线性（perfect multicollinearity）。 如果存在 c1X1i+c2X2i+…+ckXki+vi=0 i=1,2,…,n 其中ci不全为0，vi为随机误差项，则称为 近似共线性（approximate multicollinearity）或交互相关(intercorrelated)。 在矩阵表示的线性回归模型 Y=X?+?中，完全共线性指：秩(X)k+1，即 中，至少有一列向量可由其他列向量（不包括第一列）线性表出。 如：X2= ?X1，则X2对Y的作用可由X1代替。 注意： 完全共线性的情况并不多见，一般出现的是在一定程度上的共线性，即近似共线性。 二、实际经济问题中的多重共线性 一般地，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 时间序列样本：经济繁荣时期，各基本经济变量（