[理学]第四章 多重共线性.ppt

第二部分 计量经济学检验 问题的提出 在前述基本假定下OLS估计具有BLUE的优良性。 然而实际问题中，这些基本假定往往不能满足，使OLS方法失效不再具有BLUE特性。 估计参数时，必须检验基本假定是否满足，并针对基本假定不满足的情况，采取相应的补救措施或者新的方法。 检验基本假定是否满足的检验称为计量经济学检验 回顾6项基本假定 （1）解释变量间不相关（无多重共线性） （2）E(ui)=0 （随机项均值为零） （3）Var(ui)=?2 （同方差） （4）Cov(ui, uj)=0（随机项无自相关） （5）Cov(X, ui)=0（随机项与解释变量X不相关） （6）随机扰动项服从正态分布。 不满足基本假定的情形 1、解释变量之间相关=多重共线 2、随机扰动项方差不等于常数=异方差 截面数据时，经常出现异方差 3、随机扰动项相关=序列自相关 时间序列数据经常出现序列相关 解决问题的思路 ?1、定义违反各个基本假定的基本概念 ?2、违反基本假定的原因、后果 ?3、违反基本假定的检验 ?4、违反基本假定的补救措施 ?什么是多重共线性 ?多重共线性产生的后果（1） ?多重共线性的检验 ?多重共线性的补救措施（2） 案例分析 本章小结 第一节 什么是多重共线性 这一回归结果说明什么? 可决系数和修正可决系数都很理想 F统计量高度显著，说明X1、X2联合 对Y的影响显著 各变量参数的t检验都不显著，不能否定等于零的假设 财产变量的系数竟然与预期的符号相反。 仅对Y和X2的回归，看会出现什么情况： ?????Y=24.4545+ 0.5091X2????????????? ?????????????（2） ? (6.4138) (0.0357) ? (3.8128) (14.2432)???? ? 在二元线性模型（1）中，收入变量是统计上不显著 的，而在现在的一元线性模型（2）中则是高度显著 的。 同样，我们做对Y和X3的回归?????????????????? ? Y=24.411+ 0.0498X3 （3） ? (6.874) (0.0037) ? (3.551) (13.29)???? ? 我们看到财富现在对消费支出也有显著的影响 再比如课本例题发展农业和建筑业会减少财政收入吗？ 为了分析各主要因素对财政收入的影响，建立财政收入模型: 其中: CS财政收入(亿元) ; NZ农业增加值(亿元); GZ工业增加值(亿元); JZZ建筑业增加值(亿元); TPOP总人口(万人); CUM最终消费(亿元); SZM受灾面积(万公顷) 数据样本时期1978年-2007年 采用普通最小二乘法得到以下估计结果 一. 多重共线性的概念 多重共线性：在多元线性回归模型中，解释变量之间存在着完全的线性关系或接近的线性关系 不存在多重共线性只说明解释变量之间没有线性关系,而不排除他们之间存在某种非线性关系 二、产生多重共线性的原因 1、 经济变量的共同变化趋势 许多经济变量在随时间的变化过程中往往存在共同的变动趋势。这就使得它们之间容易产生多重共线性。例如在经济繁荣时期，收入、消费、储蓄、投资、就业都趋向于增长；在经济衰退时期，都趋向于下降。如果将这些变量作为解释变量同时引入模型，则它们之间极有可能存在很强的相关性。 3、用截面数据建立模型也可能出现多重共线性 比如建立企业生产函数模型，以产出量为解释变量，选择资本、劳动、技术等投入要素为解释变量。而这些投入要素的数量往往与产出量呈正比，产出量高的企业，投入的各种要素都比较多，这就使得投入要素之间出现线性相关性。 一般来讲，解释变量之间存在多重共线性是难以避免的，所以在多元线性回归模型中，我们关心的并不是多重共线性的有无，而是多重共线性的程度。当多重共线性程度过高时，给最小二乘估计量带来严重的后果。因此，我们追求的也是使多重共线性的程度尽可能地减弱。 第二节 多重共线性产生的后果 一、完全多重共线性下的后果 二、不完全多重共线性下的后果 EVIEWS遇到完全多重共线性时，会显示 Near singular matrix，无法进行估计 2.t检验容易作出错误的判断 3.可能造成可决系数较高，但对各个参数单独的 t 检验却可能不显著，甚至可能使估计的回归系数符号相反，得出完全错误的结论。 练习题4.5 从模型拟合结果可知，样本观测个数为27，消费模型的判定系数，F统计量为