计量经济学 教程文件.pptVIP

例如：在中国消费模型中的2个变量： 第四章 多重共线性 一、多重共线性的概念 二、多重共线性的后果 三、多重共线性的检验 四、克服多重共线性的方法 五、案例 Multi-Collinearity 一、多重共线性的概念 1、多重共线性 对于模型 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是互相独立的。 如果某两个或多个解释变量之间出现了相关性，则称为多重共线性。 如果存在 c1X1i+c2X2i+…+ckXki=0 i=1,2,…,n (2.8.2) 其中: ci不全为0，即某一个解释变量可以用其它解释变量的线性组合表示，则称为解释变量间存在完全共线性(此时利用最小二乘法推导出的正规方程没有唯一解)。 如果存在 c1X1i+c2X2i+…+ckXki+vi=0 i=1,2,…,n (2.8.3) 其中ci不全为0，vi为随机误差项，则称为一般共线性(近似共线性)或交互相关(intercorrelated)。 完全共线性与一般共线性 |X’X|=0 在矩阵表示的线性回归模型 Y=XB+N中，完全共线性指：秩(X)k+1，即矩阵 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，但多重共线性仍然是存在的。 二、多重共线性的后果 1、完全共线性下参数估计量不存在（不确定） 如果存在完全共线性，则(X’X)-1不存在，无法得到参数的估计量。 2、近似共线性下普通最小二乘法参数估计量非有效 在一般共线性（或称近似共线性）下，虽然可以得到OLS法参数估计量，但是由参数估计量方差的表达式为 可见，由于此时|X’X|?0，引起(X’X)-1主对角线元素较大，从而使参数估计值的方差增大，OLS参数估计量非有效。 即：多重共线性使参数估计值的方差增大，方差扩大因子VIF(Variance Inflation Factor)为1/(1-r2)，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表征。 这时，X1和X2前的参数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（局部效应）。 所以各自的参数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、变量的显著性检验失去意义 存在多重共线性时 参数估计值的方差与标准差变大 使t统计量的拒绝域变小（临界值增大） 容易使通过样本计算的t值小于临界值， 误导作出参数为0的推断 可能将重要的解释变量排除在模型之外 5、模型的预测功能失效 变大的方差容易使区间预测的“区间”变大，使预测失去意义。 三、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。 多重共线性检验的任务是： （1）检验多重共线性是否存在； （2）估计多重共线性的范围，即判断哪些变量之间存在共线性。 1、检验多重共线性是否存在 (1)对两个解释变量的模型，采用简单相关系数法 求出X1与X2的简单相关系数r，若|r|接近1，则说明两变量存在较强的多重共线性。 Eviews中直接选用Correlation命令 (2)对多个解释变量的模型，采用综合统计检验法 若 在OLS法下，模型的R2与F值较大，但各参数估计值的t检验值较小，说明各解释变量对Y的联合线性作用显著，但各解释变量间存在共线性而使得它们对Y的独立作用不能分辨，故t检验不显著。 2、判明存在多重共线性的范围 (1) 判定系数检验法 使模型中每一个解释