多元线性回归模型参数的最大似然估计.PPT

第五章 线性回归的问题和分析方法扩展（下） 第一节 多重共线性 第二节 随机解释变量 第三节 误差项非正态分布 第四节 最大似然估计 第一节 多重共线性 一、问题的性质和种类 二、多重共线性的危害 三、发现和检验 四、多重共线性的克服和处理 一、问题的性质和种类 1、严格多重共线性 模型设定问题 识别问题 2、近似多重共线性 主要是数据问题，也有模型设定问题 二、 （近似）多重共线性的危害 *随着多重共线性程度的提高，参数方差会急剧上升到很大的水平，理论上使最小二乘法估计的有效性、可靠性和价值都受到影响，实践中参数估计的稳定性和可靠程度下降。 *证明：把 矩阵分为 根据分块矩阵的运算法则有 其逆矩阵 左上角的首项为 其中 因此参数 的最小二乘估计 的方差为 三、发现和检验 （一）方差扩大因子检验 （二）状态数检验 （一）方差扩大因子检验 分析已知 记 为 ， 为 。 当 时， 当 时， 方差扩大因子，记作 常以方差扩大因子是否大于10来判断第 个解释变量是否存在较强的、必须加以处理 的多重共线性。 （二）状态数检验 1、 状态指数 将 矩阵的每一列 用其模 相除以实现标准化，然后再求 矩阵