第七章 多重共线.pptVIP

一、多重共线性的定义 若rank(X) k + 1，说明样本值矩阵X是降秩的，即矩阵X的列向量存在某种线性相关关系，也就是解释变量之间存在着某种线性相关。最初，多重共线性如Frish所指出的，是在模型中几个或者全部解释变量之间存在完全的线性关系。 比如对一个包含两个解释变量的回归模型 如果解释变量之间存在着完全的线性关系，那么其间的线性系数就等于1，这在实际上是少见的，大部分情况是解释变量之间接近线性关系。对于上面，模型（7.1），存在不为零的常数λ1、λ2，使X1、X2满足 （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。 横截面数据：生产函数中，资本投入与劳动力投入往往出现高度相关情况，大企业二者都大，小企业都小。 （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。 第二节 多重共线性引起的后果 二、不完全多重共线 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- λ 2)为方差膨胀因子(Variance Inflation Factor, VIF) 1.参数估计量的方差增大，使参数估计量的精 度降低。不能正确判断各解释变量对被解释 变量的贡献 2.由于参数估计量的方差和标准差增大，在对 参数进行显著性检验性t 检验时，增大了接 受零假设的可能性 3.解释变量多重共线性时，虽然可以得到OLS估计量，但是估计量及其标准差非常敏感，若观测值稍微有所变化，估计量就会产生较大的改变。 一、利用解释变量之间的样本决定系数检验 1.两个解释变量的情形 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.多个解释变量的情形 三、综合统计检验法 若 在OLS法下：R2与F值较大，但t检验值较小，说明各解释变量对Y的联合线性作用显著，但各解释变量间存在共线性而使得它们对Y的独立作用不能分辨，故t检验不显著。 如对于 C—D 生产函数的对数形式 lnY = lnA + a lnL+ b lnk + u 资金和劳动之间可能高度线性相关，如假定规模报酬不变，施加约束条件 a + b = 1可将模型改为如下形式： ln(Y/K) = lnA + a ln (L /K) + u b = 1? a 三、改变模型形式 如对于需求函数 Q = b0 + b1Y + b2P0 + b3P1 + u 商品价格P0 和替代商品价格P1 可能高度线性相关，可将模型改为如下形式： Q = a0 + a1Y + a3(P0 /P1) + u 四、增加样本容量 样本容量 n 增加，?x2 增大，var(b1 )的值会 降低，抵消方差增大的影响。 五、 逐步回归法 如果新加进去的解释变量改进了R2，并且其它回归系数在统计上 仍是显著性的，那么就可以认为这个新加进去的解释变量是有用的，作为模型中的解释变量予以保留。 如果新加进去的解释变量未能改进R2，对其它回归系数也没有影响，则不作为解释变量。 如果新加进去的解释变量不仅改进了R2，而且主要是显著地影响回归系数的符号或数值，致使某些回归系数达到不能接受的地步，则可以断言产生了严重的多重共线性。 案例——中国粮食生产函数 根据理论和经验分析，影响粮食生产（Y）的主要因素有： 农业化肥施用量（X1）；粮食播种面积(X2) 成灾面积(X3); 农业机械总动力(X4); 农业劳动力(X5) 1、用OLS法估计上述模型： R2接近于1； 给定?=5%，得F临界值 F0.05(5,12)=3.11 F=638.4 15.19， 故认上述粮食生产的总体线性关系显著成立。 但X4 、X5 的参数未通过t检验，且符号不正确，故解释变量间可能存在多重共线性。 2、检验简单相关系数 发现： X1与X4间存在高度相关性。 3、找出最简单的回归形式 可见，应选第1个式子为初始的回归模型。 4、逐步回归 将其他解释变量分别导入上述初始回归模型，寻找最佳回归方程。 * 第七章 多 重 共 线 性 在实践中，关于线性回归的基本假定不能全部