多重共线性的后果四、多重共线性的检验五、克服多重共线.PPT

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 问题的提出 在前述基本假定下OLS估计具有BLUE的优良性。 然而实际问题中，这些基本假定往往不能满足，使OLS方法失效不再具有BLUE特性。 估计参数时，必须检验基本假定是否满足，并针对基本假定不满足的情况，采取相应的补救措施或者新的方法。 检验基本假定是否满足的检验称为计量经济学检验 回顾6项基本假定 （1）解释变量间不相关（无多重共线性） （2）E(ui)=0 （随机项均值为零） （3）Var(ui)=?2 （同方差） （4）Cov(ui, uj)=0（随机项无自相关） （5）Cov(X, ui)=0（随机项与解释变量X不相关） （6）随机扰动服从正态分布。 不满足基本假定的情形（1） 1、通常不会发生随机扰动项均值不等于0的情形。若发生也不会影响解释变量的系数，只会影响截距项。 2、随机扰动项正态性假设一般能够成立，就算不成立，在大样本下也会近似成立的。所以不讨论此假定是否违背。 不满足基本假定的情形（2） 3、解释变量之间相关=多重共线 4、随机扰动项相关=序列自相关 时间序列数据经常出现序列相关 5、随机扰动项方差不等于常数=异方差 截面数据时，经常出现异方差 解决问题的思路 1、定义违反各个基本假定的基本概念 2、违反基本假定的原因、背景 3、诊断基本假定的违反 4、违反基本假定的补救措施（修正） 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）。 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 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（收入、消费、投资、价格）都趋于增长；衰退时期，又同时趋于下降。 （2）滞后变量的引入 在经济计量模型中，往往需要引入滞后经济变量来反映真实的经济关系。 例如，消费=f(当期收入, 前期收入） 显然，两期收入间有较强的线性相关性。 （3）样本资料的限制 由于完全符合理论模型所要求的样本数据较难收集，特定样本可能存在某种程度的多重共线性。 一般经验： 时间序列数据样本：简单线性模型，往往存在多重共线性。 截面数据样本：问题不那么严重，但多重共线性仍然是存在的。 三、多重共线性的后果 2. 近似共线性下OLS估计量非有效 近似共线性下，可以得到OLS参数估计量， 但参数估计量方差的表达式为 多重共线性使参数估计值的方差增大，1/(1-r2)为方差膨胀因子(Variance Inflation Factor, VIF) 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 X2= ?X1 ， 这时，X1和X2前的参数?1、?2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。 ?1、 ?2已经失去了应有的经济含义，于是经常表现出似乎反常的现象：例如?1本来应该是正的，结果恰是负的。 4. 变量的显著性检验失去意义 5. 模型的预测功能失效 变大的方差容易使区间预测的“区间”变大，使预测失去意义。 四、多重共线性的检验 多重共线性检验的任务是： （1）检验多重共线性是否存在； （2）估计多重共线性的范围，即判断哪些变量之间存在共线性。 1. 检验多重共线性是否存在 (1)对两个解释变量的模型，采用简单相关系数法 求出X1与X2的简单相关系数r，若|r|接近1，则说明两变量存在较强的多重共线性。 2. 判明存在多重共线性的范围 如果存在多重共线性，需进