(精选)金融计量学 第四章 多重共线性和虚拟变量的应用课件.ppt

第四章 多重共线性和 虚拟变量的应用 ;本章要点;多重共线性的概念 ;为对上述两概念加以区别，我们以一组解释变量 为例 如果存在一组不完全为零的常数 满足 ，即任一变量都可以由其它变量的线性组合推出，则这组变量满足完全多重共线性。 若变量组 , 满足如下关系式 ，其中u表示随机误差项，即某一变量不仅取决于其它变量的线性组合，也取决于随机误差项，此时变量组之间存在非严格但近似的线性关系，解释变量之间高度相关，也即变量组存在近似多重共线性关系。 ;多重共线性产生的原因 ;在实际金融数据中，完全多重共线性只是一种极端情况，各种解释变量之间存在的往往是近似多重共线性，因此通常所说多重共线性造成的后果是指近似多重共线性造成的后果，具体而言，它将造成如下的后果： （1）回归方程参数估计值将变得不精确，因为 较大的方差将会导致置信区间变宽。 （2）由于参数估计值的标准差变大，t值将缩小，使得t检验有可能得出错误的结论 。 （3）将无法区分单个变量对被解释变量的影响作用。 ;多重共线性的检验 ;检验多重共线性问题是否严重 ;判断多重共线性的存在范围 ;检验多重共线性的表现形式 ;多重共线性的修正 ;多重共线性的修正;二、改变解释变量的形式。 1、差分法 对于时间序列数据而言，若原始变量存在严重的多重共线性，则可以考虑对变量取差分形式，可在一定程度上降低多重共线性的程度。例如对于模型 ，可把变量变换为差分形式： 2、指数增长率方法 例如研究三种指数 关系时，可用如下模型： ;3、以比率代替高度相关的变量 若模型中存在高度相关的变量，在不违反金融理论的前提下，可以求得两者之间的比率，并以此比率代替相应变量出现在模型中。 例如对于模型 ，若 与 之间高度相关，且模型的目的是用于预测，则可令 ，则 可在一??程度上消除多重共线性 此外，当模型中有 较多解释变量的滞后值，并存在严重多重共线性时，可以考虑用被解释变量的滞后值代替解释变量的滞后值；以人均形式的变量代替总体变量在某些状况下也可以在一定程度上降低多重共线性的程度。 ;多重共线性的修正;多重共线性的修正;金融数据的多重共线性处理 ：示例;对影响股票价格指数宏观经济因素的实证分析 ;在对数据调整后，我们建立如下的模型： 利用普通最小二乘法回归方程，得到如下的结果： 去掉不显著的变量，对模型重新回归得到： ;在10%的显著性水平下，变量系数估计值的t值都是显著的，模型的 =0.78， =0.75，总体上看模型是不错的。尽管估计值的t值是显著的，我们仍来检验该模型解释变量之间是否存在多重共线性，因为若两个变量之间存在高度相关并且符号相反，他们的作用就会相互抵消，从而有可能两个变量都是显著的。 首先，根据 和 t 值，我们无法发现多重共线性，因此我们将利用变量之间的相关系数来判断。 ;在Eviews 软件中，要获得检验解释变量两两之间的相关系数矩阵是很容易的，我们只需在命令窗口中键入“COR”命令以及相应的解释变量。 图4-1 相关系数矩阵 ;分别删除 、 再进行回归得到的结果如下： 图4-2 删除 后的回归结果 ; 图4-3 删除 后的回归结果;分别删除X6 、 X10后得到的结果如下： 图 4-4 删除X6 后的回归结果; 图4-5 删除X10后的回归结果;最后得到的模型是： 我们之所以在原回归方程系数估计值都显著的情况下仍进行多重共线性检验，并删除一些变量，是因为在金融计量学中，在保证模型一定解释能力的情况下，尽可能的使模型简洁，是我们应该始终坚持的一个原则。 在这个例子中，我们仅考虑了对模型解释变量的多重共线性检验，在实际建模以及估计过程中，还应该考虑模型的自相关性、异方差性等的