36多重共线性.PPT

第三章:多元线性回归模型 §3.1　模型的假定 §3.2　最小二乘估计 §3.3　最小二乘估计的性质 §3.4 模型的离差形式和决定系数 §3.5 参数估计的分布性质 §3.6 多重共线性 §3.1 模型的假定 §3.1 模型的假定 §3.2最小二乘估计 §3.2最小二乘估计 §3.3最小二乘估计的性质 §3.3最小二乘估计的性质 §3.3最小二乘估计的性质 §3.3最小二乘估计的性质 §3.4模型的离差形式和决定系数 §3.4模型的离差形式和决定系数 §3.4模型的离差形式和决定系数 §3.4模型的离差形式和决定系数 §3.4模型的离差形式和决定系数 §3.4模型的离差形式和决定系数 §3.4模型的离差形式和决定系数 §3.4模型的离差形式和决定系数 §3.4模型的离差形式和决定系数 §3.4模型的离差形式和决定系数 §3.4模型的离差形式和决定系数 §3.4模型的离差形式和决定系数 §3.4模型的离差形式和决定系数 §3.4模型的离差形式和决定系数 §3.4模型的离差形式和决定系数 §3.4模型的离差形式和决定系数 §3.5　参数估计的分布性质 §3.5　参数估计的分布性质 §3.5　参数估计的分布性质 §3.5　参数估计的分布性质 §3.5　参数估计的分布性质 §3.5　参数估计的分布性质 §3.5　参数估计的分布性质 §3.5　参数估计的分布性质 §3.5　参数估计的分布性质 §3.5　参数估计的分布性质 §3.5　参数估计的分布性质 §3.5　参数估计的分布性质 §3.6　多重共线性 一、多重共线性存在的后果 二、多重共线性的判别尺度 三、多重共线性的解决方法 §3.6　多重共线性 一、多重共线性存在的后果 §3.6　多重共线性 由上机实验数据表1、2 §3.6　多重共线性 §3.6　多重共线性 多重共线性存在产生的后果： 1. 估计精度下降。 2. 估计结果（包括方差、协方差）对数据 的极小变化很敏感。 3.可以得到一个较高的决定系数R2，但系 数估计在统计上很少显著。 §3.6　多重共线性 二、多重共线性的判别尺度 分析在什么样的情况下，多重共线性对估计结果影响太大，以至于不得不考虑它们的存在。 §3.6　多重共线性 §3.6　多重共线性 VIF称为方差扩大因子（Variance Inflation Factor）,利用它来描述变量之间的共线程度 §3.6　多重共线性 §3.6　多重共线性 三、多重共线性的解决方法 1．岭回归（Ridge Regression） 2．对模型不作任何调整 3．增加样本信息 4．对数据作变换 §3.6　多重共线性 1．岭回归（Ridge Regression） §3.6　多重共线性 §3.6　多重共线性 §3.6　多重共线性 2．对模型不作任何调整 现有库存调整模型的估计结果： §3.6　多重共线性 §3.6　多重共线性 3．增加样本信息 Brown消费函数估计结果如下： §3.6　多重共线性 §3.6　多重共线性 §3.6　多重共线性 §3.6　多重共线性 §3.6　多重共线性 §3.6　多重共线性 4．对数据作变换 * * 式中C是一等幂矩阵，且存在一正交变换矩阵P使