经济数学微积分函数关系的建立PPT.pptVIP

第五节 函数关系的建立 解 则 根据题意和图示知 此函数的定义域为D =［0,5］. 如图，以墙为一边用篱笆围成长方形的场地，并用平行于宽的篱笆隔开。已知篱笆总长为60米。把场地面积S（米2）表示为场地宽x（米）的函数，并指出函数的定义域。 例2 长 宽 某人从美国到加拿大去度假，已知把美元兑换成加拿大元时，币面数值增加12%,而把加拿大元兑换成美元时，币面数值减少12 %. 请证明经过这样一来一回的兑换后，他亏损了多少钱. 例4 例如：1000美元经过这样的来回兑换，将亏损14.4美元. 练习题 练习题答案 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 中，至少有一列向量可由其他列向量（不包括第一列）线性表出。 如：X2= X1，则X2对Y的作用可由X1代替。 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。 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。 （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 1. 完全共线性下参数估计量不存在 如果存在完全共线性，则(X’X)-1不存在，无法得到参数的估计量。 的OLS估计量为： 例：对离差形式的二元回归模型 如果两个解释变量完全相关，如x2= x1，则 这时，只能确定综合参数1+2的估计值： 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 由于|X’X|0，引起(X’X) -1主对角线元素较大，使参数估计值的方差增大，OLS参数估计量非有效。 仍以二元线性模型 y=1x1+2x2+ 为例: 恰为X1与X2的线性相关系数的平方r2 由于 r2 1，故 1/(1- r2 )1 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) 当完全不共线时, r2 =0 当近似共线时, 0 r2 1 当完全共线时， r2=1， 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 存在多重共线性时 参数估计值的方差与标准差变大 容易使通过样本计算的t值小于临界值， 误导作出参数为0的推断 可能将重要的解释变量排除在模型之外 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。 注意： 除非是完全共线性，多重共线性并不意味着任何基本假设的违背； 因此，即使出现较高程度的多重共线性，OLS估计量仍具有线性性等良好的统计性质。 问题在于，即使OLS法仍是最好的估计方法，它却不是“完美的”，尤其是在统计推断上无法给出真正有用的信息。 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。 多重共线性表现为解释变量之间具有相关关系，所以用于多重共线性的检验方法主要是统计方法：如判定系数检验法、逐步回归检验法等。 四、多重共线性的检验 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