计量经济学及其应用：第8章要点.pptVIP

c CSX HYS DQS DWS 31549.98 -8077.87 0.967 0.0000 0.0000 31537.84 -6103.68 -3861.87 0.976 0.0000 0.0000 0.0224 31654.77 -6100.14 -4046.63 51.79 0.976 0.0000 0.0000 0.0365 0.8218 32507.57 -5982.00 -5151.73 10.96 0.977 0.0000 0.0000 0.0282 0.3963 表8-5 逐步回归法 第1步，在初始模型中引入HYS，模型拟合优度提高，参数符号合理，变量也通过了显著性检验。因此，在模型中保留HYS。 第2步，在引入HYS的基础上，继续引入DQS，模型的拟合优度没有发生改善，变量也没能通过显著性检验，参数的经济意义也不合理。因此，在模型中不应保留DQS。 第3步，去掉DQS，引入DWS，模型的拟合优度出现微小的改观，但是变量没能通过显著性检验，参数的经济意义也合理。因此，在模型中不应保留DWS。 第2步和第3步表明，变量DQS和DWS是多余的。因此，最优的农民工就业模型为： 这个结果说明农民工就业难的障碍主要是城乡分割造成的，还有行业分工也是农民工就业难的原因。 若有问题，请大家提出讨论！ 谢谢！ * 第8章 多重共线性 8.1什么是多重共线性 8.2多重共线性会产生什么样的后果 8.3多重共线性的诊断 8.4如何消除多重共线性 8.5案例分析 通过本章我们要知道 8.1什么是多重共线性 对于多元线性回归模型 （8-2） 如果某两个或多个解释变量之间出现了较强的近似相关性，并且是线性相关性，则称为多重共线性（multicollinearity）。 如果存在 其中 不全为0，则称为解释变量的完全多重共线性(perfect multicollinearity) 如果存在 （8-3） （8-4） 其中 不全为0， 为随机误差项，则称为一般共线性或近似共线性(approximate multicollinearity)或交互相关(intercorrelated)。 8.2 多重共线性会产生什么后果 多重共线产生的原因 （1） 经济变量之间存在内在联系，这是产生多 重共线性的根本原因。 （2）经济变量在时间上具有相关的共同趋势。 （3）解释变量中含有滞后变量。 多重共线性的参数估计量 参数的估计 以二元线性回归方程为例 （8-5） 当 完全线性相关，设 则 其中： ， ， 同理可得 因此OLS无法估计出 的值，回归分析无法进行。 若 不完全相关 则可设 带入得 由于 因而 是可以估计的 参数的方差 估计值的方差为： 将 带入上式 （8-9） 可见，在 完全线性相关的极端条件下，普通最小二乘法估计无法估计出参数值，因为估计值的方差为无穷大。 （1）难以区分解释变量的单独影响。 （2）参数估计值不稳定，模型缺乏稳定性。 （3）参数估计量的回归系数符号有误，经济含义不合理。 （4）变量的显著性检验失去意义。 多重共线性的后果 8.3 多重共线性的检验 1、 不显著系数法 不显著系数法是利用多元线性回归模型的拟合结果进行检验，这种方法适用于以下三种情况： （1） 很大，t 较小 （2）理论性强，检验值弱 （3）新引入变量后，方差增大 2、拟合优度检验法 （1）包含被解释变量的情形 对于模型（8-2），依次删除变量 ，形成k个具有k-1个解释变量的模型： 对这k个模型分别进行回归，得到k个判定系数，分别命名为 ，在这k个判定系数中选择最大的，与模型（8-2）的判定系数最接近的那个判定系数，则其对应的被删除的解释变量对模型的贡献最小，是引起多重共线性最大的解释变量。 （2）不包含被解释变量的情形 思路 ：对多元线性回归模型中各个解释变量相互建立回归方程，分别求出各回归方程的拟和优度，如果其中最大的一个接近1，就认为该变量可以被其他变量线性解释，则其所对应的解释变量与其余解释变量间存在多重共线性 设某多元线性回归模型中原有K个解释变量 将每个解释变量对其他解释变量进行回归得 观察各个回归方程的拟合优度 选取其中