2012-第8章多重共线性.pptVIP

第8章 多重共线性—— 解释变量相关会有什么后果？ 引子：古典假设总是能够满足吗？ --------对古典假设的再讨论 回顾对模型中随机扰动项和解释变量做的古典假设，有以下几个方面： ①回归模型是参数线性的，并且是正确设定的。 ②随机扰动项与解释变量不相关。 ③零均值假设:误差项均值为零。 ④同方差假定:即随机扰动项的方差为一常量 ⑤无自相关假定： cov(ui,uj) = 0 ,i≠j ⑥无多重共线性假定：解释变量之间不存在完全共线性。 ⑦正态性假定：为了假设检验，假 定随项误差u服从均值为零，(同)方差为 的正态分布。即， ui~N( 0 , ) 引子：古典假设总是能够满足吗？ --------对古典假设的再讨论 本章试图回答以下问题： (1)多重共线性的性质是什么? (2)多重共线性是否是一个严重的问题? (3)多重共线性的理论后果是什么? (4)多重共线性的实际后果是什么? (5)在实际中，如何发现多重共线性? (6)消除多重共线性的弥补措施有哪些? 8.2多重共线性产生的后果 8.2多重共线性产生的后果 8.2 多重共线性产生的后果 8.3 多重共线性的诊断 多重共线性是一个程度问题而不是存在与否的问题。 由于多重共线性是在假定解释变量是非随机的条件下出现的问题，因而它是样本的特征而不是总体的特征。 8.3 多重共线性的诊断 8.3 多重共线性的诊断 8.3 多重共线性的诊断 （2）当增加或删除一个解释变量，或者改变一个观测值时，回归参数的估计值发生较大变化，回归方程可能存在严重的多重共线性。 （3）从定性分析认为，一些重要的解释变量的回归系数的标准误差较大，在回归方程中没有通过显著性检验，可初步判断可能存在严重的多重共线性。 （4）有些解释变量的回归系数所带正负号与定性结果违背时，可能存在多重共线性。 （5）解释变量的相关矩阵中，解释变量之间的相关系数较大时，可能会存在多重共线性。 8.3 多重共线性的诊断 8.3 多重共线性的诊断 8.3多重共线性的诊断 取决于研究的目的。 如果是为了利用模型预测应变量的未来均值，则多重共线性未必是一件坏事。 如果研究的目的不仅仅是预测，而且还要可靠地估计出模型的参数，则严重的共线性就是一件“坏事”，因为它导致了估计量的标准误增大。 8.3多重共线性的诊断 多重共线性案例分析: 1960-1982年期间美国的鸡肉需求 8.3多重共线性的诊断 8.3多重共线性的诊断 8.3多重共线性的诊断 8.3 多重共线性诊断：1960-1982年期间美国的鸡肉需求 8.3多重共线性的诊断:1960-1982年期间美国的鸡肉需求 8.3多重共线性的诊断:1960-1982年期间美国的鸡肉需求 8.3多重共线性的诊断:1960-1982年期间美国的鸡肉需求 8.3多重共线性的诊断:1960-1982年期间美国的鸡肉需求 8.3多重共线性的诊断:1960-1982年期间美国的鸡肉需求 8.3多重共线性的诊断:1960-1982年期间美国的鸡肉需求 8.4 如何解决多重共线性：补救措施 8.4 如何解决多重共线性：补救措施 一、修正多重共线性的经验方法 1.从模型中删掉一个变量 8.4 如何解决多重共线性：补救措施 把回归模型中引起多重共线性，而对因变量的影响不大的变量删除。但是变量的剔除可能导致模型的设定偏误。 8.4 如何解决多重共线性：补救措施 如果多重共线性是由样本引起，增加样本容量可以减少多重共线性的程度。以二元回归方程为例，根据第二节的结果，参数估计值的方差为： 8.4 如何解决多重共线性：补救措施 如果作为解释变量的某些经济变量间出现高度相关，而进行回归分析的目的是为了预测，不是研究单个经济变量对因变量的影响时，可以根据实际问题，改变模型的形式。 1、用OLS法估计上述模型： R2接近于1； 给定?=5%，得F临界值 F0.05(5,12)=3.11 F=137.11 3.11， 故认上述粮食生产的总体线性关系显著成立。 但X4 、X5 的参数未通过t检验，且符号不正确，故解释变量间可能存在多重共线性。 2、检验简单相关系数 发现： X1与X4间存在高度相关性。 3、找出最简单的回归形式 可见，应选第1个式子为初始的回归模型。 4、逐步回归 将其他解释变量分别导入上述初始回归模型，寻找最佳回归方程。 8.5 多重共线性案例分析 8.5 多重共线性案例分析 8.5 多