多元线性回归——多重共线性-公开课件（讲义）.pptVIP

* 四、 多重共线性的补救措施 基本内容: ●修正多重共线性的经验方法 ●逐步回归法 * 1、修正多重共线性的经验方法 1） 剔除变量法 是降低多重共线性最简便的方法. 把方差扩大因子最大者所对应的自变量首先 剔除再重新建立回归方程，直至回归方程中 不再存在严重的多重共线性。 注意: 若剔除了重要变量，可能引起模型的设 定误差。 * 2）增大样本容 * 样本容量增加，会减小回归参数的方差，标准误差也同样会减小。因此尽可能地收集足够多的样本数据可以改进模型参数的估计。 * 样本容量越小有近似多重共线性的可能性就越大,反之,样本容量越大,多重共线性的可能性就越小问题：增加样本数据在实际计量分析中常面临许多困难,受制于实际情况。 * 增大样本容量并不必然降低近似的多重共线性,如增加的数据也有类似的共线性,就不起作用 * 如果变量总体中本来就有共线性问题,再增大样本容量也无济于事. * 3）变换模型形式 一般而言，差分后变量之间的相关性要比差分 前弱得多，所以差分后的模型可能降低出现共 线性的可能性，此时可直接估计差分方程。 问题：差分会丢失一些信息，差分模型的误差 项可能存在序列相关，可能会违背经典线性回 归模型的相关假设，在具体运用时要慎重。 * 4）利用非样本先验信息 通过经济理论分析能够得到某些