线性回归模型的扩展计量经济学北京师范大学刘泽云.pptxVIP

第四讲 线性回归分析的扩展Linear Regression Analysis: Extension一、引言：放宽经典模型的假设二、多重共线性三、异方差性四、序列相关五、设定误差一、引言：放宽经典模型的假设引言：放宽经典模型的假设经典正态线性回归模型（CNLRM）的假定（一）关于模型的假定回归模型对参数而言是线性的模型是正确设定的（二）关于解释变量的假定解释变量X是确定性变量若X是随机的，则误差项与X不相关解释变量的取值有足够变异解释变量之间不存在完全的线性关系引言：放宽经典模型的假设经典正态线性回归模型（CNLRM）的假定（三）关于误差项的假定对于给定的X，误差项均值为0对于给定的X，误差项方差相等对于给定的X，误差项之间不存在序列相关误差项服从正态分布引言：放宽经典模型的假设假定3和4在联立方程模型中讨论对假定5我们做简单讨论假定7影响参数估计的无偏性，暂不讨论假定10对于大样本数据不是必需的假定。本讲主要考虑放宽了其余假定后面临的问题放宽的假定相应的问题假定1、2模型设定问题假定3、4随机解释变量假定5过度决定（微数缺测性）假定6多重共线性假定7误差项均值非零假定8异方差性假定9序列相关假定10误差项非正态分布引言：放宽经典模型的假设微数缺测性从理论上讲，样本容量n和解释变量数目k必须满足nk+2，才能进行OLS估计和假设检验。但事实上，即便n满足上述条件，但如果样本很小，那么虽然能够进行估计和检验，也很难通过t检验。二、多重共线性什么是多重共线性多重共线性的影响多重共线性的诊断多重共线性的处理什么是多重共线性多重共线性（multicollinearity）：回归模型中的一些或全部解释变量之间存在一定程度的线性关系什么是多重共线性例题4.1其他例题：p200X1 X2X3X410555267158075251895973424125129183015515289什么是多重共线性图形表示：巴伦坦图YYX1 X2X1X2高度多重共线性低度多重共线性什么是多重共线性产生多重共线性的原因样本过小模型设定有误：添加了过多的解释变量由于样本过小，即便在总体中解释变量之间没有线性关系，也可能在获得的样本中观察到较强的线性关系多重共线性的影响存在完全线性关系时的OLS估计无法得到OLS估计量例题：p201-202多重共线性的影响存在多重共线性关系时的OLS估计可以证明即便存在多重共线性，OLS估计量仍然是BLUE，但系数估计量的方差较大，从而不容易通过t检验，同时预测区间变宽，降低了预测精确度。例题：p202-203多重共线性的影响影响程度的度量：方差膨胀因子（variance-inflation factor）多重共线性的影响例题4.2RjVIFj0.001.00A0.501.331.33A0.905.765.76A0.9510.2610.26A0.9950.2550.25A多重共线性的诊断简单诊断方法R2高而单个系数的t值小，换言之，F检验显著，但显著的t值少任意两个解释变量之间的相关系数较大，比如大于0.9解释变量之间的偏相关系数较大简单方法一般来说不很精确多重共线性的诊断运用回归分析进行诊断逐步分析法：先引入经济意义明显，并且在统计上最显著的解释变量，然后逐步引入其他解释变量。如果新引入的解释变量使原有解释变量的系数估计值发生明显变化，或t统计量明显变小，则说明新引入的解释变量与原有解释变量之间存在多重共线性，可以去掉新引入的解释变量辅助回归法：做每一个解释变量对其余解释变量的回归，得出相应的F统计值，如果在给定的显著性水平下F统计值是显著的，说明该解释变量与其他解释变量之间存在线性关系，可以去掉该解释变量（p207，p211）多重共线性的诊断运用一些指标进行诊断方差膨胀因子：计算每个解释变量的方差膨胀因子VIF，一般认为如果VIF大于10，说明该变量与其他变量存在高度共线性容许度（tolerance）：定义容许度TOL如下，一般认为如果TOL小于0.1，说明该变量与其他变量存在高度共线性条件指数（condition index, CI）：一般认为，如果条件指数在10到30之间，存在较强的多重共线性，如果大于30，则存在严重的多重共线性多重共线性的诊断例题4.3（p218）YConsumptionX1IncomeX2 Wealth7080810651001009901201273951401425110160163311518018761202002052140220220115524024351502602686例题：p209-211多重共线性的诊断几点说明多重共线性是一个程度问题而不是存在与否的问题多重共线性是关于样本的一种特征如果研究是为了估计斜率系数和预测，多重共线性不是一个严重的问题；但如果研究的主要目的是假设检验，