第四章 多重共线性.docVIP

PAGE PAGE 8 第四章 多重共线性 §1 概述 多重共线性的概念（一）完全的多重共线性⒈定义 对于k个解释变量，如果存在一组不全为零的数， 使得 则称之间存在完全的多重共线性 ⒉等价形式 rank（X） k+1 ，矩阵X不满秩 不存在 （二）不完全的多重共线性 对于k个解释变量，如果存在一组不全为零的数，使得 其中为随机变量 则称之间存在不完全的多重共线性 （三）无多重共线性 即没有上述完全和不完全的多重共线性，此时 rank（X）= k+1，存在。 §2 多重共线性的产生原因和后果 多重共线性的产生原因 多重共线性的后果 完全的多重共线性 参数估计值不确定 参数估计量的方差无穷大 不完全的多重共线性 参数估计值具有较大的不确定性 OLS估计仍然是无偏估计，但估计量的方差随着共线性程度的提高而提高 对二元回归，有 3.一个或多个系数的t值不显著 对二元回归，有 §3 多重共线性的判断（检测） 直观判断 观测t、F和 （1）F，很高――解释变量对因变量的联合影响明显 （2）部分或全部斜率系数的t值不显著，或系数符号违背预期――无法分解出各解释变量对因变量的单独影响 观测相关系数 简单相关系数矩阵法 缺点：考察两个解释变量相关程度时，未排除其余解释变量对它们的影响 X K PC P0 X ?1.000000 ?0.988264 ?0.980416 ?0.987785 K ?0.988264 ?1.000000 ?0.969962 ?0.969477 PC ?0.980416 ?0.969962 ?1.000000 ?0.991796 P0 ?0.987785 ?0.969477 ?0.991796 ?1.000000 2．偏相关系数法 三、辅助回归法 利用不包括某一解释变量所构成的判定系数 重要性排序 X—P0—PC—K 利用解释变量之间所构成回归方程的判定系数 X—P0—PC—K 四、本征值和条件指数 五、容许度和方差膨胀因子 §4 多重共线性的解决方法（修正） 增大样本容量 利用先验信息改变参数的约束形式 三、数据的结合 时间序列数据时间序列数据与横截面数据相结合 四、模型的差分变换 五、逐步回归法 基本思路 2.对新增变量的判别标准 判定系数 经济意义 统计检验 原则 提高 √ √ 采纳 不提高 无明显影响 无明显影响 舍弃 提高 X X 有共线性