第12章-多重共线性.pptVIP

* 第12章 多重共线性multicollinearity 解释变量之间线性相关，称为多重共线。 * 多元回归方程古典假设之一： 自变量之间不存在精确的线性关系 即：任何一个解释变量不能写成其他解释变量的线性组合。 * 完全多重共线性 回归模型的某个解释变量可以写成其他解释变量的线性组合。 设X2可以写成其他某些解释变量的线性组合，即： X2=a3X3＋ a4 X 4 …＋akXk 至少有一个ai≠0,（i= 2,3,…k） 称存在完全多重共线性 * 高度多重共线性 X 2与其他解释变量高度共线性 即可以近似写成其他解释变量的线性组合 X2=a3X3＋ a4 X 4 …＋akXk ＋?i 至少有一个ai≠0,(i= 2, 3,…k), vi是随机误差项。 x1 x2 x3 10 50 52 15 75 75 18 90 97 24 120 129 30 150 152 X1与X 2之间有完全共线性，相关系数为1。 X1与X3之间有高度共线性，相关系数为0.9959。 * 多重共线性仅针对解释变量之间的线性关系 解释变量之间可能存在非线性关系。 如：Yi=β1+β2Xi+β3Xi2+β4Xi3+ui 变量X、X2与X3都有函数关系 模型不违反无多重共线性假设。 * 产生多重共线的原因 一、时间序列解释变量受同一因素影响: (1) 经济发展 (2) 政治事件 (3) 偶然事件 (4) 时间趋势 经济变量的共同趋势 例：做电力消费对收入和住房面积的回归 收入较高家庭的住房面积一般地说比收入较低的家庭住房面积大。 * 二、模型设立 解释变量中含有当期和滞后变量 例：投资模型 It=β1+β2rt+β3Yt+β4Yt-1+ut It=投资，rt=利率，Yt=当期GDP，Yt-1=上期GDP 例：消费不仅受当期可支配收入的影响，而且也受前期可支配收入的影响。 产生多重共线的原因 * 12.3 多重共线性的后果 1、完全共线性： 参数估计量不存在 参数估计的方差无穷大 * 多重共线的后果 2、近似或高度多重共线性： OLS估计量仍是BLUE 参数估计量经济含义不合理，难以解释 估计量的方差和标准差较大 多个回归系数统计显著 估计量及标准误对数据的微小变化非常敏感 * 12.5 多重共线的诊断 1、观察回归结果 R2较高，F很大，但t值显著的不多。 多重共线性的经典特征。 R2较高，F检验拒绝零假设 但各变量的t检验表明，没有（或少有）变量系数是统计显著的 * 多重共线的诊断 2、简单相关系数法 解释变量两两高度相关。 变量相关系数比如超过0.8，则可能存在较为严重的共线性。 这一标准并不总是可靠，相关系数较低时，也有可能存在共线性 3、偏相关系数 4、判定系数法（辅助回归） * 判定系数方法 如果判定系数很大，F检验显著 即Xi与其他解释变量存在多重共线 某个解释变量对其余的解释变量进行回归 * 例：考虑Y对X1、X2、X3、X4、X5和X6 6个解释变量的回归。 找出变量线性组合具体方法： 作6个辅助回归 根据方程的F值判断哪些解释变量是共线性的？ * F值是否显著？ 是 否 是 是 否 方程 R2值 F值 X1对剩余变量的回归 0.90 79.20 X2对剩余变量的回归 0.18 1.93 X3对剩余变量的回归 0.36 4.95 X4对剩余变量的回归 0.86 54.06 X5对剩余变量的回归 0.09 0.87 X6对剩余变量的回归 0.24 2.87 是 对每个解释变量作剩余变量的回归分析 * 12.8 多重共线性的补救 12.8.1 从模型中删除引起共线性的变量 12.8.2 获取额外的数据或新的样本 12.8.3 重新考虑模型 12.8.4 先验信息 12.8.5 变量变换 * 12.8.1 去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 最为简单的克服多重共线性问题的方法。 以逐步回归法得到最广泛的应用。 * 排除引起多重共线性的变量 逐步回归法——逐步引入 如果拟合优度变化显著 —— 新引入的变量是一个独立解释变量； 选择解释变量的原则: (1)调整的R2增加,每个∣t∣增加,则保留引入变量; (2)调整的R2下降,每个∣t∣变化不大,则删除引入变量; 逐步回归法——逐步剔除 * 排除引起多重共线性的变量 排除变量时应该注意： 1．由实际经济分析确定变量的相对重要性，删除不太重要的变量； 2．如果删除变量不当，会导致模型设定误差。 * 变量变换：差分法 将原模型变换为差分模型 可有效消除存在于原模型中的多重共线性 一般，增量之间的线性关系远比总量之间的线性关系弱得多。 * 差分消除多重共线的机理