9第九章多重共线性.pptVIP

第九章 多重共线性 目录 总述 第一节多重共线性含义及其形成的原因 第二节 多重共线性的后果 第三节 多重共线性的检验 第四节 多重共线性的修正方法 作业 回顾：经典线性回归模型的基本假定 假定1：线性 假定2：解释变量X是非随机的 假定3：随机扰动项均值为零 假定4：样本容量N待估参数个数 假定5：解释变量 X值有变异性 假定6：随机扰动项方差相同 如果不满足这个假定，称为异方差 假定7：无自相关，即两个随机扰动项之间不相关（P101,图6-3) 如果不满足这个假定，称为存在自相关 假定8 ：如果有多个解释变量，要求解释变量间没有很强的线性关系 如果不满足这个假定，称为存在多重共线性。 如果违背其中的一个假定： 该假定被违背的后果是什么？ 即OLS估计量的性质将发生什么样的变化？ 如何检验假定被违背？ 有什么样的补救措施，使得我们仍然能够得到性质优良的估计量？ 下面3章主要针对多重共线性、异方差、自相关展开讨论。 第一节 多重共线性含义及其形成的原因 一、完全多重共线性含义 二、不完全多重共线性含义 三、多重共线性形成的原因 返回 一、完全多重共线性含义 p266 对于回归：Y=b0+b1 X1+b2X2+…biXi… 当Xi和可以表示为其他解释变量之间的线性组合的时候，称为回归存在完全的多重共线性 例12-1,产品需求量的回归 我们有下表的数据 Y：产品需求量；X2产品价格； X3：消费者收入；X4：工资 回归 Y=A1+A2X2+A3 X3+u 实际上X3=300-2X2 将上式代入回归方程，得到新的回归，结果： Y^=49.667-2.1576X2 T = 66.538 -17.935 R2=0.9757 当解释变量间存在完全线性关系时，无法获得所有参数的估计值；也就无法进行统计推断。 返回 二、不完全多重共线性含义p268 对于回归：Y=b0+b1 X1+b2X2+…biXi… 当Xi和其他解释变量之间接近完全线性相关，我们称为回归存在不完全多重共线性 实践中很少碰到完全共线性情形；从现在起，我们所说的多重共线性是指不完全多重共线性。 “多重”的含义：不但解释变量和被解释变量间存在线性关系，解释变量间也存在线性关系。 例12-1,产品需求量的回归 同上 Y：产品需求量；X2产品价格； X3：消费者收入；X4：工资 回归 Y=B1+B2X2+B4X4 +u 实际上X4=300-2X2 +u，即不完全多重共线性 回归得： Y^=145.37-2.7975X2-0.3191X4 T 1.21 -3.44 -0.7971 R2=0.9778 返回 三、多重共线性形成的原因（补充） 1、经济变量间运动的共同趋势：一些时间序列的经济变量间容易出现同步增长或同步下降的趋势 生产函数的回归中，劳动和资本投入是一起增长的，他们之间很容易存在多重共线性 2、模型设定原因（略） 3、样本资料的原因： 例：作电力消费关于收入和住房面积的回归，收入和住房面积间存在高度相关返回 第二节 多重共线性的后果 p270 一、总述 二、完全共线性的后果 三、多重共线性（即不完全多重共线性）的后果 返回 一、总述 理论后果：注意，即便样本数据中存在多重共线性，ols估计量依然是blue（因为在证明高斯-马尔科夫定理时没有用到无多重共线性假定），但是： 无偏性是一个重复抽样性质，但在实践中很难得到大量重复样本。 虽然依然是ols估计量具备最小方差性，但该方差绝对数值较大。 多重共线性本质上是一个样本回归现象。 非实验得到的经济数据普遍存在多重共线性。返回 二、完全共线性的后果（补充） 1、无法估计参数 2、所估计参数的标准差无穷大 返回 三、多重共线性（即不完全多重共线性）的后果 p271 1、所估计参数的方差和标准误的绝对数值较大，随会着变量间相关程度的增大而快速增大 由于方差变大，我们会得到 更宽的置信区间/或者更小的t值（标准差相比数据中不存在多重共线性时增大了） 2、判定系数较高，但t值并不都是统计显著的 3、可以估计出参数，但换为另一个样本时，参数的估计值会发生很大的变化，即参数估计不稳定 Y^=145.37-2.7975X2-0.3191X4 Y^=100.56-2.5164X2-0.1695X4 4、另外，容易出现回归系数符号和理论不符合的情形 返回 第三节 多重共线性的检验 多重共线性在经济数据，尤其在时间序列数据中是普遍存在的，只是程度不同，有一些经验法则可以用于多重共线性的检验检验 注意：如果回归结果仅用于预测，多重共线性的存在不会影响预测 一、R2或者调整后的R2较大， F检验很显著，但显著的t统计量不多，这是多重共线