计量经济学课件06-多重共线性.pptVIP

第6章  多重共线性 本章内容 6.1 多重共线性及产生原因 6.2 多重共线性的影响 6.3 多重共线性的检验 6.4 多重共线性的解决方法 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？ 什么是多重共线性 例——多重共线性的影响 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、消费等都增长，当经济收缩期，收入、消费等又都下降。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、模型中采用滞后变量容易产生多重共线性 xt xt-1, xt-2, xt-3 4、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。 多重共线性产生的原因 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显著而被舍去，检验的可靠性降低 可能导致t统计量偏小 3、模型缺乏稳定性（模型可靠性降低），预测精度降低 样本观测数据发生微小变化时，会造成模型参数值很大的变化。 多重共线性的影响 多重共线性的检验1 相关系数检验法： （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（通常大于0.8，甚至大于0.9），说明两变量存在较强的多重共线性。 （2）对于多元线性回归模型，需要两两计算变量间的相关系数rxi xj。 （3）若有某个? rxi xj ? R2，则xi，xj间的多重共线性是较为严重的，即有害的。（ Klein判别法） 多重共线性的检验2 方差膨胀因子检验 多重共线性的检验3 根据回归结果判断 （1）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值表明该参数不显著)时，说明解释变量间可能存在多重共线性。 （2）回归参数估计值的符号不合理。 （3）当一个解释变量删除或添加后，回归结果变化很大。 1、保留重要的解释变量，去掉次要的或可替代的解释变量 2、 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。 多重共线性的解决方法 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（1） 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。 4、 变换模型形式（2） 对于时间序列数据为样本，以直接线性关系为模型关系的形式，可将原模型变换为差分模型 这可以有效消除存在于原模型中的多重共线性。因为一般来讲，增量之间的线性关系比总量之间的线性关系要弱一些。 5、增加样本容量 如果变量的样本数据太少，容易产生多重共线性。增大样本对参数估计的精度有益。 6、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: 1 改进了R2 各参数通过检验 保留 2 改进了R2 重要参数未通过检验 (多余)删除 3 未改进R2 各参数通过检验 (多余)删除 4 未改进R2 影响其他参数的估计值和符号，该变量本身也未通过检验 (严重)删除 所添加解释变量是否保留的原则 例1：天津市粮食需求模型（1974-1987） y：粮食销售量（万吨 /