西南财经大学计量经济学课件第四章 多重共线性.pptVIP

Econometrics 第四章 多 重 共 线 性 第四章 多重共线性 违反古典假定回归模型的研究方式 ?问题的概念 ?问题的后果 ?对问题的检验 ?对问题的修正 ?什么是多重共线性 ?多重共线性产生的后果 ?多重共线性的检验 ?多重共线性的补救措施 第一节 什么是多重共线性 例3：发展农业和建筑业会减少财政收入吗？ 为了分析各主要因素对财政收入的影响，建立财政收 入模型: 其中: CS财政收入(亿元) ; NZ农业增加值(亿元); GZ工业增加值(亿元); JZZ建筑业增加值(亿元); TPOP总人口(万人); CUM最终消费(亿元); SZM受灾面积(万公顷) 数据样本时期1978年-2003年（资料来源：《中国统计年鉴2004》，中国统计出版社2004年版） 采用普通最小二乘法得到以下估计结果 二、方差扩大（膨胀）因子法 经验规则 ●方差膨胀因子越大，表明解释变量之间的多重共性越严重。反过来，方差膨胀因子越接近于1，多重共线性越弱。 ●经验表明，方差膨胀因子≥10时，说明解释变量与其余解释变量之间有严重的多重共线性，且这种多重共线性可能会过度地影响最小二乘估计。 二、利用先验信息改变参数的约束形式 例如，在对国民经济的总量生产函数研究中，常使用国内生产总值Y和资本投入K及劳动力投入L的时间序列资料来建立回归方程： 式中：A表示生产的技术水平。由于劳动力投入L和资本投入K的时间序列资料通常都具有很高的线性相关关系，所以这里往往存在较严重的多重共线性。但是，若通过经济理论分析或经验判断可认为该经济系统存在规模效益不变的特征，即有 上述回归模型就转变为： （投入增加多少，产出比例不变） 即可将Y对L和K的二元双对数线性回归模型转化为劳动生产率（资本产出率）Y/L对劳动资本装备程度（劳动对资本的投入率）K/L的一元双对数线性回归模型，避免了多重共线性的影响。 三、数据的结合 如果经济计量建模利用的是时间序列数据（又存在多重共线性），可考虑用时间序列数据与截面数据相结合的办法来修正多重共性的影响 例如：某种商品的需求函数： 若能取到某个时期（或时点）的家计调查资料（同一时期商品 的价格不会有多大变动），则： 然后再利用时间序列资料，将上式变换成 四、变换模型的形式（利用差分变换） 因为经济时序数据中，做了差分的变量，其相关性比原变量 的相关性弱，即多重共线性的程度有明显的降低。 则模型变化为 * * * * * * * 本章讨论 三个实例 例1：某地区为研究不同家庭的消费Y与收入X2 的关系，在此基础上，还引进了消费者家庭财富 状况X3作为第二个解释变量。回归方程为： SE =（6.7525） （0.8229） （0.0807） t =（3.6690） （1.1442） （- 0.5261） F＝92．4020 例2：某国家分折汽车保养费用支出Y(元)与汽车的 行程数X2 (公里)以及汽车拥有的时间X3(周)的关系。 建立如下回归方程： SE =(121.50) (28.79) (21.41) t =（0.06） （0.958） （- 7.06） 我们发现：例1中X2、X3的 t 值小。且X3的系数符号 与经济意义不符和。原因？ 例2中X3的 t 值大，但X3的系数符号与经济意义不符合。原因？ 0.000000 Prob(F-statistic) 1.873809 Durbin-Watson stat 632.0999 F-statistic -193.4165 Log likelihood 15.75537 Schwarz criterion 4405699. Sum squared resid 15.41665 Akaike info criterion 481.5380 S.E. of regression 5945.854 S.D. dependent var 0.993441 Adjusted R-squared 5897.824 Mean dependent var 0.995015 R-squared 0.0015 -3.695704 3191.096 -11793.34 截距项 0