[数学]多重共线性.pptVIP

复 习 1、多重共线性 2、多重共线性产生的原因 多重共线性产生的原因很多，主要的有以下几个方面: (1)经济变量之间的内在联系。例如，农业生产函数中，影响农业产量Y的因素有耕地面积X1和施肥量X2等因素;其模型可写为： 。 一般说来，土地面积与施肥量有密切关系，面积越大，施肥量越多，二者存在着一定的正比例线性依存关系。 (2)由于某种决定因素的影响，使变量有相同变化的趋势。例如，在国民经济处于迅速增长的时期，国民收入、消费额、积累额、储蓄额等等都会迅速增长。而在国民经济紧缩时期，这些变量的增长速度又都会相应放慢。这样，国民收入、消费额、积累额、储蓄额等变量间很可能呈现一定程度的多重共线性。 (3)模型中引进滞后变量。例如在消费函数中，现在的消费水平与过去的消费水平往往有密切联系，当把本期消费和过去消费(滞后变量)同时引进模型时，很可能出现多重共线性。例如： （1）利用解释变量之间的简单相关系数检验 利用相关系数可以直接分析解释变量Xj（j=1,2,·····k）, 即k个解释变量序列两两之间相关情况（相关系数）来推断变量间的多重共线性。 如果线性回归模型中有k（X1→ Xk ）个序列（列向）的解释变量，其两两简单相关系数矩阵如下: 在EViews，软件中可以直接计算解释变量的相关系数矩阵: [命令方式] COR 解释变量名 [菜单方式]将所有解释变量设置成一个数组，并在数组窗口中点击View\ Correlatlons。 例1： （2）利用辅助回归方程的可决系数R2和F统计量检验 由于多重共线性指的是解释变量之间的线性相关关系，我们可以对模型中的每个解释变量分别用其余的k-1个解释变量构成k个线性回归方程: 如果多重共线性对参数的估计值没有严重影响，可以不进行修正。如果多重共线性只影响到某些不重要解释变量对应参数的估计值，可以从模型中略去这些解释变量。如果多重共线性对重要解释变量对应参数的估计值有严重影响，就应当进行修正。在模型满足古典假设的条件下，由于参数的最小二乘估计量是最佳线性无偏估计，所以修正的基本思路不是改变参数估计方法，而是修改模型本身，包括解释变量的取舍、模型数学形式的选择，甚至换一个新的样本。解决方法要根据具体情况确定。 基本的方法有三类： 第一类方法：排除引起共线性的变量； 第二类方法：增加样本观测值； 第三类方法：用被解释变量的滞后值代替解释变量的滞后值； 第四类方法：利用参数间关系变换模型； 第五类方法：变换模型形式（含差分法）； 第六类方法：逐步回归法。 2、增加样本观测值 多重共线性是一种样本现象，即使总体不存在多重共线性，所得样本也可能出现多重共线性。而且由于抽样期间不同，对于同一总体，不同时期样本的共线性程度也不相同。所以，可以通过收集更多的观测值增加样本容量，来避免或减弱多重共线性。 但当解释变量的总体存在多重共线性时，增加样本容量不能降低解释变量之间的线性关系。 3、用被解释变量的滞后值代替解释变量的滞后值 5、变换模型的形式 结论 x1、x2之间存在多重共线性； △x1、△x2之间不存在多重共线性； 增量之间的线性关系远比总量之间的线性关系弱得多。 6、修正FRISCH法(逐步回归法) 该方法不仅可以对多重共线性进行检验，同时也是处理多重共线性问题的一种有效方法，其步骤为: (1)用被解释变量分别对每个解释变量进行回归，根据经济理论和统计检验从中选择一个最合适的回归方程作为基本（初始）回归方程，通常选取拟合优度R2最大的回归方程。 （2）在基本回归方程中逐个增加其他解释变量，重新进行线性回归。如果新增加的这个解释变量提高了回归方程的拟合优度R2，并且回归方程中的其他参数统计上仍然显著，就在模型中保留该解释变量;如果新增加的解释变量没有提高回归方程的拟合优度，则不在模型中保留该解释变量;如果新增加的解释变量提高了回归方程的拟合优度，并且回归方程中某些参数的数值或符号等受到显著的影响，说明模型中存在多重共线性，对该解释变量同与之相关的其他解释变量进行比较，在模型中保留对被解释变量影响较大的，略去影响较小的。 2976 3309 3638 4021 4694 5773 6542 7451 9360 10556 11362 13146 15952 20182 27216 34529 4901 5489 6076 7164 8792 10133 11784 14704 16466 18320 21280 25864 34501 47111 59405 68498 3