计量经济学42多重共线性问题.ppt

§2.8多重共线性Multi-Collinearity 一、多重共线性的概念 二、实际经济问题中的多重共线性 三、多重共线性的后果 四、多重共线性的检验 五、克服多重共线性的方法 六、案例一：服装市场需求函数 七、案例二：中国消费函数模型 一、多重共线性的概念 1、多重共线性 对于多元线性回归模型 Yi=?0+?1X1i+?2X2i+?+?kXki+?i i=1,2,…,n (2.8.1) 其基本假设之一是解释变量X1,X2 , …, Xk的数据所成向量组应该线性无关。 近似的多重共线性 如果某两个或多个解释变量的数据向量组之间出现了近似的线性相关，则称为近似的多重共线性。即 某个解释变量可以由其他解释变量（包含常数项）近似地线性表出， Xi=λ1X1+…+λi-1Xi-1+λi+1Xi+1+…+λkXk+ε 如果解释变量是数据向量，那么，ε就是回归后的一个小的残差。如果解释变量看成随机变量，那么，ε就是一个小的随机干扰。 二、实际经济问题中多重共线性发生的原因 实际经济问题中的多重共线性现象 经济变量的共同变化趋势 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。 滞后变量的引入 在计量经济模型中，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。 一般经验 对于采用时间序列数据作样本、以简单线性形式建立的计量经济学模型，往往存在多重共线性。 以截面数据作样本时，问题不那么严重，但多重共线性仍然可能出现。 三、多重共线性的后果 1、完全共线性下参数唯一估计量不存在 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1/(1-r2)(二元线性回归)，其增大趋势见下表： 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X1和X2，那么它们中的一个变量可以由另一个变量近似表征。 这时，X1和X2前的参数估计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。 所以各自的参数估计可能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，例如本来应该是正的，结果恰是负的。 4、变量的显著性检验可靠性差 5、模型的预测功能受到限制 变大的方差容易使区间预测的“区间”变大，使区间预测可靠性降低。 在解释变量之间的相关结构得以保持的条件下，模型仍可用于预测。 四、多重共线性的检验 由于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。 1 、判定系数检验法 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计算，并计算相应的拟合优度，也称为判定系数。如果在对某一解释变量作的回归中 Xji= ?0+?1X1i+?2X2i+??LXLi 中判定系数较大，则说明在该回归方程中作为被解释变量的Xj可以用其他X的近似地线性组合代替，即Xj与其他X之间存在共线性。 2、 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可以用其它变量的线性组合代替，而不作为独立的解释变量。 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不是一个独立解释变量，它可以用其它变量的线性组合代替，也就是说它与其它变量之间存在共线性关系。 五、克服多重共线性的方法 1、第一类方法：排除引起共线性的变量 找出引起多重共线性的解释变量，将它排除出去，是有效的克服多重共线性问题的方法。以剔出常数项或者逐步回归法得到最广泛的应用。 注意： 严格地说，如果实际模型存在共线性，参数估计量可能没有真正反映对应变量与被解释变量之间的结构关系。 当模型存在共线性，将某个共线性变量去掉，剩下变量的参数估计结果将发生变化，而且经济含义发生变化； 方程中剩下的解释变量参数的经济含义和数值都发生了变化。回归方程中剩下的变量的参数估计值不仅仅表示该解释变量对被解释变量的影响，而且还包括了与该解释变量密切相关但被剔