违背基本假设的回归分析PPT.ppt

* 中国人民大学六西格玛质量管理研究中心 * §7.1 自变量选择对估计和预测的影响 自变量的选择我们可以看成是对一个实际问题是用（7.1）式全模型还是用（7.2）式选模型去描述。如果应该用（7.1）式全模型去描述实际问题，而我们误选了（7.2）式选模型，这就说明我们在建模时丢掉了一些有用的变量；如果应该选用（7.2）式选模型，而我们误选了模型（7.1）式，这就说明我们把一些不必要的自变量引进了模型。 模型选择不当会给参数估计和预测带来什么影响?下面我们将分别给予讨论。 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * §7.1 自变量选择对估计和预测的影响 二、自变量选择对预测的影响 关于自变量选择对预测的影响可以分成两种情况考虑，第一种情况是全模型（7.1）式正确而误用了选模型（7.2）式；第二种情况是选模型（7.2）式正确而误用了全模型（7.1）式。以下分别考虑这两种情况对回归的影响。 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * §7.1 自变量选择对估计和预测的影响 （一）全模型正确而误用选模型的情况 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * §7.1 自变量选择对估计和预测的影响 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * §6.3 关于多重共线性问题 (3)直观判定法 上述方法是为了诊断共线性是否存在的专门方法,相对这几种方法，还有一些在建模过程中顺便直观判断的非正规方法。 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * §6.3 关于多重共线性问题 1.当增加或剔除一个自变量,或者改变一个观测值时,回归系数的估计值发生较大变化,我们就认为回归方程存在严重的多重共线性。 2.从定性分析认为,一些重要的自变量在回归方程中没有通过显著性检验时,可初步判断存在着严重的多重共线性。 3.有些自变量的回归系数所带正负号与定性分析结果违背时,我们认为存在多重共线性问题。 4.自变量的相关矩阵中,自变量间的相关系数较大时,我们认为可能会出现多重共线性问题。 5.一些重要的自变量的回归系数的标准误差较大时,我们认为可能存在多重共线性。 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * §6.3 关于多重共线性问题 四、消除多重共线性的方法 当通过某种检验,发现解释变量中存在严重的多重共线性时,我们就要设法消除这种共线性。消除多重共线性的方法很多,常用的有下面几种。 （1）剔除一些不重要的解释变量 通常在经济问题的建模中,由于我们认识水平的局限,容易考虑过多的自变量。当涉及自变量较多时,大多数回归方程都受到多重共线性的影响。这时,最常用的办法是首先用第五章的方法做自变量的选元，舍去一些自变量。 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * §6.3 关于多重共线性问题 当回归方程中的全部自变量都通过显著性检验后，回归方程中仍然存在严重的多重共线性,有几个变量的方差扩大因子大于10,我们可把方差扩大因子最大者所对应的自变量首先剔除，再重新建立回归方程，如果仍然存在严重的多重共线性，则再继续剔除方差扩大因子最大者所对应的自变量，直到回归方程中不再存在严重的多重共线性为止。 有时，根据所研究的问题的需要，当回归方程中仍然存在严重的多重共线性时，也可以首先剔除方差扩大因子最大者所对应的自变量，依次剔除，直到消除了多重共线性为止，然后再做自变量的选元。或者根据所研究问题的经济意义，决定保留或剔除某自变量。 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * §6.3 关于多重共线性问题 在选择回归模型时,可以将回归系数的显著性检验、方差扩大因子VIF的多重共线性检验与自变量的经济含义结合起来考虑，以引进或剔除变量。 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * §6.3 关于多重共线性问题 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * §6.3 关于多重共线性问题 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * §6.3 关于多重共线性问题 （2）增大样本容量 建立一个实际经济问题的回归模型