多重共线性的含义多重共线性产生的原因多重共.ppt

一、多重共线性的含义 二、多重共线性产生的原因 三、多重共线性产生的后果 四、多重共线性的检验 五、多重共线性的处理 六、案例 一、多重共线性的含义 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）。 注意： 完全共线性的情况并不多见，一般出现的是在一定程度上的共线性，即近似共线性。 二、多重共线性产生的原因 一般地，产生多重共线性的主要原因有以下四个方面： （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。 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）经济变量间存在较密切的关系 由于组成经济系统的各要素之间是相互影响相互制约的，因而在数量关系上也会存在一定联系。 如耕地面积与施肥量都会对粮食总产量有一定影响，同时，二者本身存在密切关系。 （3）采用滞后变量作为解释变量较易产生多重共线性 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。 （4）样本资料的限制，数据收集范围过窄，有时会造成变量间存在多重共线性问题 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、多重共线性产生的后果 2、不完全多重共线性下估计量非有效 近似共线性下，可以得到OLS参数估计量 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 2、判明存在多重共线性的范围 如果存在多重共线性，需进一步确定究竟由哪些变量引起。 (1) 拟合优度 Rj?2 检验 使模型中每一个解释变量分别以其余解释变量为解释变量进行回归，并计算相应的拟合优度。 如果某一种回归 Xji=?1X1i+?2X2i+??LXLi 的判定系数较大，说明Xj与其他X间存在共线性。 (2)Frisch综合分析法（逐步回归法） 以Y为被解释变量，逐个引入解释变量，构成回归模型，进行模型估计。 根据拟合优度的变化决定新引入的变量是否独立。 如果拟合优度变化显著，则说明新引入的变量是一个独立解释变量； 如果拟合优度变化很不显著，则说明新引入的变量与其它变量之间存在共线性关系。 设计辅助函数 作OLS回归后得判定系数Ri2,定义方差膨胀因子为下式，因子越大，多重共线性越明显： 方差膨胀因子检验 判定系数Ri2=0.9, VIF=10 判定系数Ri2=0.8, VIF=5 几种观点,认为VIF8或10时,多重共线性显著,且Xi为多余变量. 如果多个变量的方差膨胀因子都比较大,选最大的方差膨胀因子的变量为多余的. 即：多重共线性使参数估计值的方差增大，方差扩大因子(Variance Inflation Factor)为