多重共性问题.pptVIP

第八章多重共线性问题 一、问题的种类和原因 二、多重共线性的危害 、多重共线性的测定 四、多重共线性的克服和处理 8.1问题的种类和原因 、完全多重共线性 一个自变量刚好是其他自变量的线性组合 如果存在 CAi+c2X2i+.+CKXk=0 i=1,2,,n 其中:c不全为0,则称为解释变量间存在完全共线性 perfect multicollinearity)。矩阵x至少有一列向量 可由其他列向量(不包括第一列)线性表出,它是非 满秩的。 模型设定问题识别问题 8.1问题的种类和原因 2、近似多重共线性 如果存在 c1x1+c2x2++x+y=0i=1,2,,n 其中c不全为0,为随机误差项,则称为近似共线性 ( approximate multicollinearity)或交互相关 (intercorrelated) 主要是数据问题,也有模型设定问题 8.1问题的种类和原因 3、实际经济问题中的多重共线性 一般地,产生多重共线性的主要原因有以下三个方面: (1)经济变量相关的共同趋势 时间序列样本:经济繁荣时期,各基本经济变量(收入、 消费、投资、价格)都趋于增长;衰退时期,又同时趋 于下降。 横截面数据:生产函数中,资本投入与劳动力投入往往 出现高度相关情况,大企业二者都大,小企业都小。 8.1问题的种类和原因 (2)滞后变量的引入 在经济计量模型中,往往需要引入滞后经济变量来反映真实的经济 关系。例如,消费=f(当期收入,前期收入) 显然,两期收入间有较强的线性相关性。 (3)样本资料的限制 由于完全符合理论模型所要求的样本数据较难收集,特定样本可能 存在某种程度的多重共线性。 般经验: 时间序列数据样本:简单线性模型,往往存在多重共线性 截面数据样本:问题不那么严重,但多重共线性仍然是存在的 8.2(近似)多重共线性的危害 1、普通最小二乘法估计量的方差和标准差变大,即精确 度下降; 2、置信区间变宽 3、t值不显著; 4、R平方值较高,但t值并不都显著; 5、OLS估计量及其标准差对数据的微小变化非常敏感, 即它们趋于不稳定; 以二元线性模型y=月x1+Bx2+为例: var(B)=0(XX) ∑x∑x-Cx2)21-∑x2)2∑∑x ∑x1-r 恰为X与X2的线性相关系数的平方r2,即X 对X2回归的拟合优度。 由于r2≤1,故1/(1-r2)≥1 当完全不共线时,r2=0var(月)=a2/∑x 当近似共线时,0r21var( 多重共线性使参数估计值的方差增大,1(1-r2)为方差扩 大因子( Variance Inflation Factor,VIF) 方差膨胀因子表 相关系类 方差膨胀 l-2 020 10 100 1000 当完全共线时,r2=1,vam(B)=∞ 8.2(近似)多重共线性的危害 6、回归系数符号有误 7、难以衡量各个解释变量对回归平方和(ESS)或者R2 的贡献。 总之,随着多重共线性程度的提高,参数方差会 急剧上升到很大的水平,理论上使最小二乘法估计的 有效性、可靠性和价值都受到影响,实践中参数估计 的稳定性和可靠程度下降。 83多重共线性的测定 1、R2较高、F检验通过但有些系数不能通过t检验; 2、解释变量两两高度相关:检验解释变量相互之间的样 本相关系数; 3、方差扩大(膨胀)因子检验; 状态数检验 注意:没有一种检验方法能够使我们彻底解决多重共线 性问题。多重共线性是一个程度问题。