计量经济学04-多重共线性.pptVIP

* * 第四章 第3节 多重共线性 一、什么是多重共线性 回顾：多元线性回归模型的基本假设 解释变量X1，X2……Xk是非随机的，且相互之间不相关，相互独立（不存在多重共线性） 如果某两个或多个解释变量之间出现了相关性，则称为存在多重共线性 多重共线性有什么危害呢？ 二、多重共线性产生的原因 1、经济变量之间往往存在同方向的变化趋势 如在经济上升时期，收入、消费、就业率等都增长，当经济收缩期，收入、消费、就业率等又都下降。当这些变量同时进入模型后就会带来多重共线性问题。 2、经济变量之间往往存在着密切的关联度 以上两点可以看出：多重共线性往往是难以避免的，只是影响程度的大小有所区分 3、解释变量选择不当 粮食产量Y，施肥量X1，灌溉面积X2，农业资金投入X3。 三、多重共线性的后果 1、β的估计值的方差会增大 2、可能导致重要的解释变量不能通过检验而被舍去 3、预测失去意义 四、多重共线性的检验 （1） 二元线性回归模型中， 求x1和x2简单的相关关系r， 如果| r |接近1，说明两变量存在较强的多重共线性。 （2）当模型的拟合优度（R 2）很高，F值很高，而每个回归参数估计值的t值很低(P值很可能未通过检验)时，说明解释变量间可能存在多重共线性。 （3）Klein判别法。计算多重可决系数R2及解释变量间的简单相关系数rxi xj。若有某个? rxi xj ? R2，则xi，xj间的多重共线性是有害的。 （4）回归参数估计值的符号不符合经济理论。 （5）增加或减少xj，拟合优度变化很小，回归参数估计值变化很大，则xj与其他变量之间存在多重共线性。 五、多重共线性的解决方法 1、 直接合并解释变量 如果研究的目的是预测全国货运量，那么可以把重工业总产值和轻工业总产值合并为工业总产值，甚至还可以与农业总产值合并，变为工农业总产值。解释变量变成了一个，自然消除了多重共线性。 2、保留重要的解释变量，去掉次要的或可替代的解释变量 3、利用已知信息合并解释变量 引入附加条件从而减弱或消除多重共线性。 如有二元回归模型 yt = ?0+ ?1 xt1 + ?2 xt2 + ut x1与x2间存在多重共线性。如果能给出?1与?2的某种关系，?2 = ? ?1其中 ? 为常数。 yt = ?0+ ?1 xt1 + ? ?1 xt2 + ut = ?0 + ?1 (xt1 + ? xt2) + ut 令 xt = xt1 + ? xt2 得yt = ?0+ ?1 xt + ut 模型是一元线性回归模型，所以不再有多重共线性问题。 4、 变换模型形式 例 某产品销量Y取决于其出厂价格X1，市场价格X2，和市场供应量X3。模型为 LnY = ?0 +?1X1+ ?2X2+ ?3X3+ut 通常，X1与X2是高度相关的，可以用相对价格X1/ X2代替X1与X2对销售量Y的影响， LnY = ?0 +?1(X1/X2) + ?3X3+ut 从而克服了X1与X2的多重共线性。 5、逐步回归法 （1）用被解释变量对每一个所考虑的解释变量做简单回归。按可决系数大小给解释变量重要性排序。 （2）以可决系数最大的回归方程为基础，按解释变量重要性大小为顺序逐个引入其余的解释变量。这个过程会出现4种情形: (严重)删除 影响其他参数的估计值和符号，该变量本身也未通过检验 未改进R2 4 (多余)删除 各参数通过检验 未改进R2 3 (多余)删除 重要参数未通过检验 改进了R2 2 保留 各参数通过检验 改进了R2 1 所添加解释变量是否保留的原则 六、 案例分析 例1：天津市粮食需求模型（1974-1987） y：粮食销售量（万吨 / 年），x1：市常住人口数（万人）， x2：人均收入（元 / 年），x3：肉销售量（万吨 / 年）， x4：蛋销售量（万吨 / 年），x5：鱼虾销售量（万吨 / 年）。 y = -3.497 + 0.125 x1 + 0.074 x2 + 2.678 x3 + 3.453 x4 – 4.491 x5 (-0.1) (2.1) (1.9) (2.1) (1.4) (-2.0) R2 = 0.97, F = 52.59, DW = 1.97 R2 = 0.97，而每个回归参数的t检验在统计上都不显著，这说明模型中存在严重的多重共线性。 例1：天津市粮食需求模型 用Klein判别法进行分析。首先给出解释变量间的简单相关系数矩阵。 因为其中有两个简单相关系数大于R2 = 0.97， 所以根