本科经济计量学第8章（第4版）.pptVIP

第8章 多重共线性: 解释变量相关会有什么后果 本章试图回答以下问题： 多重共线性的性质是什么？ 多重共线性的理论后果是什么？ 多重共线性的实际后果是什么？ 在实际中，如何发现多重共线性？ 多重共线性是否真的是一个问题？ 消除多重共线性的弥补措施有哪些？ 8.1 多重共线性的性质：完全多重共线性的情形 考虑一个简单的数字例子。表8-1给出了两列收入数据，假定X3和X4是由两位研究员估计的，为了区别，称X3为收入， X4 为收益。 将需求函数加以扩展，写成： Yi=A1+A2X2i+A3X3i+ui (8-1) Yi=B1+B2X2i+B3X4i+ui (8-2) 这两个需求函数的不同之处在于对收入的不同测度。 当用表8-1的数据来进行回归时，计算机拒绝估计“回归”。（用Excel软件和Eviews软件情况不同。） 作价格（X2）和收入（X3）的关系图，见图8-1。 如果作X3对X2 的回归则得到如下方程： X3i=300-2X2i R2（=r2)=1.00 (8-3) 即收入变量(X3)和价格变量(X2)完全相关，也即存在多重共线性。 式(8-4)的估计结果如下： se=(0.746) (0.1203) t=(66.538) (-17.935) r2=0.9757 (8-7) 8.2 近似或不完全多重共线性的情况 结论： （1）尽管不能估计回归方程（8-1），但是能估计（8-2）。 （2）与预测相同，方程（8-7）和（8-8）中的价格系数都是负的，并且两者之间的数值差异不大。 （3）方程（8-8） R2的值比（8-7）只增加了0.0020，这一增加量在统计上不显著。 （4）收入（收益）变量的系数是统计不显著的。而且对于一般商品，这个符号是错误的。 （5）尽管收入变量是不显著的，但价格和收益联合地对商品的需求有显著影响。 注意：在只有两个解释变量的情形下，相关系数r可用作共线性程度的测度。但当解释变量多于两个时，相关系数则不适合度量共线性。 8.3 多重共线性的理论后果 8.4 多重共线性的实际后果 8.5 多重共线性的诊断 R22=0.90（X2对于其他解释变量的回归） R32=0.18（X3对于其他解释变量的回归） R42=0.36（X4对于其他解释变量的回归） R52=0.86（X5对于其他解释变量的回归） R62=0.09（X6对于其他解释变量的回归） R72=0.24（X7对于其他解释变量的回归） 8.6 多重共线性必定不好吗 8.7 一个扩充例子：1960至1982年期间美国的鸡肉需求 从理论上说，商品的需求通常是消费者实际收入，该商品实际价格以及竞争商品或互补商品的实际价格的函数。估计的需求函数如下：应变量是平均每人鸡肉消费量（Y）的自然对数。 辅助回归 当我们对每个解释变量与其他剩余解释变量进行回归时，发现存在共线性问题。这一点可以从表8-4中所给出的结果看出来。 8.8 如何解决多重共线性：补救措施 回归结果表明：与方程（8-15）相比，收入弹性增大了，但是价格弹性的绝对值却下降了。 回归方程（8-15）中猪肉价格系数的t值大于1，如果从模型中删除该变量，调整后的R2将会下降。 8.8.2 获取额外的数据或新的样本 我们考虑下面的消费支出（Y）对于收入（X2）和财富（X3）的回归方程（共有10个观察值）： se=(6.2801) (0.31438) (0.0301) t=(3.875) (2.7726) (-1.1595) R2=0.9682 当样本容量增加到40个观察值时，我们得到以下回归结果： t=(0.8713) (6.0014)(2.0641) R2=0.9672 8.8.3 重新考虑模型 8.8.4 先验信息 8.8.5 变量变换 8.8.6 其他补救措施 时间序列数据和截面数据的结合 主成分分析（一种多指标综合处理方法） 岭回归法（在回归模型中引入偏误以减小参数估计量的方差） 差分法（对被解释变量和解释变量同时进行一次差分以消弱共线性） 8.9 小结 （1）多重共线性的含义及性质。 （2）多重共线性引起的后果。 （3）检测多重共线性的方法。 （4