计量经济学精编本课件于俊年 ISBN9787811343038 PPT精7.1 7.2.pptVIP

* 第七章 多重共线性 【本章要点】（1）多重共线性的概念，产生多重 共线性的原因。（2）多重共线性对模型参数估计 的影响；（3）检验多重共线性的主要方法；（4） 消除多重共线性的方法。 §7.1 多重共线性的概念 一、多重共线性的基本概念 如果在经典回归模型Y ＝X β +U中，经典假定6遭 到破坏，则有rk(X) k+1，此时称解释变量间存在 完全多重共线性。 解释变量的完全多重共线性，也就是，解释变量之 间存在严格的线性关系，即数据矩阵的列向量线性 相关，因此，必有一个列向量可由其余列向量线性 表示。这种完全多重共线性是一种极端情形。 在实际中还有另外一种情况，即解释变量之间虽然 不存在严格的线性关系，却有近似的线性关系，即 指解释变量之间高度相关。 完全多重共线性和不完全多重共线性，统称为多 重共线性。因此，所谓多重共线性是指解释变量 之间存在完全的线性关系或近似的线性关系。 多重共线性基本上是一种样本现象。因为人们在 制定模型时，总是尽量避免将理论上具有严格线 性关系的变量作为自变量收集在一起，因此，实 际问题中的多重共线性并不是自变量之间存在理 论上或实际上的线性关系造成的，而是由于所收 集的数据(自变量观察值)之间存在近似的线性关 系所致。 二、出现多重共线性的原因 引起多重共线性的具体原因是各种各样的，一般常 见的有： 1.两个自变量具有相同或相反的变化趋势； 2.数据收集的范围过窄，造成某些自变量之间似乎有 相同或相反变化趋势的假象； 3.经济变量之间往往存在着密切的关联度，因此，使 某些自变量之间存在某种类型的近似线性关系； 4.一个自变量是另一个自变量的滞后值。 5.模型中解释变量选择不适当，可能引起变量之间的 多重共线。 §7.2 多重共线性的后果 一、完全多重共线 为了简单起见，我们先以二元线性回归模型(7.2.1) 为例进行讨论。 考虑模型 (7.2.1) 并且假设 常数λ≠0。 显然，β1的最小二乘估计量为 (7.2.2) 用同样的方法可得： (7.2.3) 由(7.2.2)和(7.2.3)式知，参数估计值无法确定。 再来考虑参数估计量的方差： (7.2.4) 用同样的方法可得 (7.2.5) (7.2.4)和(7.2.5)式表明， 的方差变为无穷 大。以上分析表明，当解释变量存在完全多重共线 性时，利用普通最小二乘法无法将参数估计出来， 并且估计值的方差变为无穷大。 二、不完全多重共线 假定模型(7.2.1)中的x1与x2高度相关，为计算方 便起见，二者之间的关系采用离差形式表示： (7.2.6) 并且回归残差vi满足 (7.2.7) 计算回归参数 (7.2.8) 由于 ，所以 是可以确定的。但是， 的数 值是依赖vi的数值来确定，而残差对不同的样本变化 较大，因而使得 的数值很不稳定。 同样，对 也有类似结果。 再来考察参数估计量的方差： 对模型(7.2.1)参数估计量 的方差为： (7.2.9) 其中r12为x1i和x2i之间的相关系数 (7.2.10) 从(7.2.9)式可以看出，∣r12∣的值越大，即共线程度 越强，方差就越大。 *