2014多重共线性.pdfVIP

多元回归模型中的常见问题之一 多重共线性 1 主要内容 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 2 多重共线性的定义 对于模型 Y = +X +X ++X +u i 0 1 1i 2 2i k ki 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) 。“多重共线性” 一词由R. Frisch 1934年提出，原指模型的解释变量 间存在线性关系。 3 模型中解释变量的关系有三种可能 （1）解释变量间毫无线性关系，变量间相互正交。这时已不需 要多重回归，每个参数都可以通过y 对x 的一元回归来估计。 j j （2 ）如果存在 c X +c X + …+c X =0 i=1,2, …,n 1 1i 2 2i k ki 其中: c 不全为0，则称为解释变量间存在完全共线性 （perfect i multi-collinearity）。此时模型参数将无法确定。直观地看，当两变 量按同一方式变化时，要区别每个解释变量对被解释变量的影响程 度就非常困难。 （3 ）如果存在 c X +c X + …+c X +v =0 i=1,2, …,n 1 1i 2 2i k ki i 其中c 不全为0 ，v 为随机误差项，则称为 近似共线性 （ i i approximate multicollinearity）或交互相关(intercorrelated) 。解释变 量间存在一定程度的线性关系。实际中常遇到的是这种情形。随着 共线性程度的加强，对参数估计值的准确性、稳定性带来影响。因 此我们关心的不是有无多重共线性，而是多重共线性的程度。 4 完全多重共线性的一个例子 Y    X  X u i 1 2 2 i 3 3 i i 样本为 Y X 1 X 2 X 3 0 1 1 0    1 1 0 1  2 1 1 0  则X 1 X 2 X 3  0