古扎拉蒂计量经济学第四版讲义ch6 multicollinearity.pdfVIP

第六章 多重共线性 Multicollinearity 1、多重共线性的实质 术语多重共线性（multicollinearity ）来自于Ragnar Frisch (1934) 。严格地说，多重共线性指 部分或全部解释变量之间存在着两个以上“perfect”或“exact”线性关系；共线性（collinearity ） 则指存在着一个这样的关系，但是，实际中，已经很少进行这样的区分，多重共线性 （multicollinearity ）就包含了上述两种含义。对于K －变量回归，一个exact 线性关系存在， 只要下式成立： λx +λx ++λ x 0 10.1.1 1 1 2 2 K K 其中，λ,λ , λ 为不同时为0 的常数。实际中，除非观察值的个数小于解释变量的个数， 1 2 K 或者，掉入虚拟变量陷阱的情形，上述表达式成立的机会很小。 现在，多重共线性的含义更加广泛，不仅包括如上面10.1.1 式表示的情形，而且也包括如下 解释变量x 不是perfect 线性关系，而是交互相关（intercorrelated ）的情形，即： λx +λx ++λ x +v 0 10.1.2 1 1 2 2 K K i 其中，v 是随机误差项。 i 注意，多重共线性只指解释变量间的线性关系，并不包括解释变量间的非线性关系，因此， 模型y β =+β x +β x 2 +β x 3 +u 并不违背不存在多重共线性的假定。 1 2 3 4 导致多重共线性的根源： 1、收集数据的方法。 2 、样本基于的总体的限制。 3、模型设定。 4 、解释变量的个数大于观察值的个数。 5、时间序列模型中解释变量拥有共同的trend 。 一般经验告诉我们，对于采用时间序列数据作样本、以简单线性形式建立的计量经济学模型， 往往存在多重共线性。以截面数据作样本时，问题不那么严重，但仍然是存在的。 多重共线性之矩阵说明 考虑一般多元线性回归模型(3.2) 。多重共线性的根源就来自数据矩阵X 的列的性质。假如 把X 按列分块， X [1 x2 x3 xK ] 3.30 为了理解的方便，现在对解释变量进行 centered and scaled ，即， 1 xij −xj n 2 i 1, 2,,n; j 1, 2,,K ，其中，S (x =−x ) 。经过中心化和单位 S ( ) xj ∑ ij j x i 1 j 化（centering and scaling ）处理后的X X 就是一个对称的相关系数矩阵（a correlation matrix ）：  1 0 0 0    0 1 r r  23 2K  0 r 1 r  X X  32 3K     r   K −1,K  0