计量经济学多重共线性PPT.ppt

§4.3 多重共线性; 一、多重共线性的概念; 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、实际经济问题中的多重共线性;二.多重共线性的后果;为何会出现上述现象呢？;这个“仪器”各变量含义：;也就是说： ——如果解释变量Xi与其他变量相关，那么会扩大它的方差，从而减少估计的准确度。为什么？ ——如果解释变量Xi与其他变量相关，那么就会减小T统计值。为什么？;存在多重共线性时;我们可以做如下工作： ——想办法使模型更精确。即使得被解释变量更多的很解释，或说使σ2的估计值更小（为何？）。 ——想办法使解释变量的变异性更大。或说使得解释变量包含更多的信息，以供我们利用。;经验总结： ——通常情况下，多重共线性并不是一个严重的问题，因为它不会影响估计参数的无偏性与一致性，而只会影响参数的无效性。若某一关注参数T统计值大于2，不必注意是否存在多重共线性问题。 ——只有当多重共线性问题的存在，明显的低估了估计参数的显著性的时候，才需对多重共线性加以注意。即，当出现T统计值绝对值小于2，且这种小于2是由于多重共线性引起的时，才需注意这个问题。;三.观察是否存在多重共线性的指标; 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; (2)逐步回归法; 找出引起多重共线性的解释变量，将它排除出去。 以逐步回归法得到最广泛的应用。 注意： 这时，剩余解释变量参数的经济含义和数值都发生了变化。; 2、第二类方法：差分法; 例如：; 由表中的比值可以直观地看到，增量的线性关系弱于总量之间的线性关系。; 3、第三类方法：减小参数估计量的方差;②岭回归法（Ridge Regression）;; 六、案例——中国粮食生产函数;; 1、用OLS法估计上述模型：; 2、检验简单相关系数; 3、找出最简单的回归形式; 4、逐步回归; 回归方程以Y=f(X1，X2，X3)为最优：; 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; 二、多重共线性的后果;例：对离差形式的二元回归模型; 2、近似共线性下OLS估计量非有效;仍以二元线性模型 y=?1x1+?2x2+? 为例: ;具体可进一步对上述回归方程作F检验：; 在模型中排除某一个解释变量Xj，估计模型； 如果拟合优度与包含Xj时十分接近，则说明Xj与其它解释变量之间存在共线性。;第四节 随机解释变量问题;第四节 随机解释变量Random Independent Variable;一、随机解释变量问题;1、随机解释变量问题;2、随机解释变量问题的3种情况;⑵ 随机解释变量与随机误差项在小样本下相关，在大样本下则会变得渐渐的不相关（渐近无关） ⑶ 随机解释变量与随机误差项即使在大样本下也是相关的;2、实际经济问题中的随机解释变量问题;例如：;合理预期的消费函数模型; 在该模型中，作为解释变量的Ct-1不仅是一个随机解释变量，而且与模型的随机误差项(?t-??t-1)高度相关（因为Ct-1与?t-1高度相关）。属于上述第3种情况。;二、随机解释变量的后果;（一）对参数估计“准确度”的影响（下面均指的是用OLS法估计） 1.如果随机解释变量与随机扰动项不相关，或同期不相关，那么估计出的参数仍满足无偏性与一致性 例如，某人要研究农业产出的决定因素，他只考虑了种植面积、劳动力和化肥等农业生产资料的投入。据此，他建立了如下模型：;;;;3.对于某一个特定关注参数而言，如果这个参数所对应的变量既与随机解释变量无关，也与随机扰动项无关，那么即使随机解释变量与随机扰动项无论在何种情况下均高度相关，参数估计也满足一致性。;;;三、工具变量法 Instrumental Variables Method; 1、工具变量的选取;;;;3、工具变量法估计量是无偏和一致估计量;;4、几点注解;四.工具变量法的一种——二阶段最小二乘法;;;;四、案例：消费模型;1、OLS估计结果;2、IV估计结果;2、