技术经济学课件-多重共线性.pptVIP

多重共线性Multi-Collinearity 一、多重共线性的概念 二、多重共线性的后果 三、多重共线性的检验 四、克服多重共线性的方法 五、案例 探求四个问题的答案 多重共线性的性质是什么？ 多重共线性的后果是什么？ 在实际中，如何检验多重共线性的存在？ 如何处理多重共线性？ 一、多重共线性的概念 1、多重共线性（弗里希引入）（针对解释变量、针对多元模型） 对于模型 yi=?0+?1x1i+?2x2i+?+?kxki+?i i=1,2,…,n (2.8.1) 其基本假设之一是解释变量是互不相关的。 如果某两个或多个解释变量之间出现了相关性，则称为多重共线性。 △ （线性）相关图示 200 400 600 800 1000 1200 0 500 1000 1500 2000 2500 Y X y=a+bx 线性组合 y和x完全（线性）相关 （a+bx －y ＝0） y=a+bx+μ 近似直线关系 y和x不完全相关 （a+bx － y +μ ＝0） 如果存在 c0＋c1x1i+c2x2i+…+ckxki=0 i=1,2,…,n (2.8.2) 其中: c1, c2 , …, ck不全为0，即某一个解释变量可以用其它解释变量的线性组合表示，则称为解释变量间存在完全共线性(完全的多重共线性)。 如果存在 c0＋ c1x1i+c2x2i+…+ckxki+vi=0 i=1,2,…,n 其中c1, c2 , …, ck不全为0，v为随机误差项，则称为一般共线性(近似共线性)（高度多重共线性）或交互相关(intercorrelated)。 注意： 在实际经济统计数据中，完全共线性和完全无多重共线性两种极端的情况都是极少见的。 常见的经济统计数据中，多个解释变量之间多少都存在一定程度上的共线性。 因此，通常人们关心的不是是否存在多重共线性问题，而是共线性程度的强弱。 通常提到的多重共线性是指解释变量之间具有较强的共线性（线性相关关系）——近似（高度多重）共线性 从现在起仅考虑近似共线性即高度多重共线性的情形。 在矩阵表示的线性回归模型 Y=XB+N中，完全共线性指：秩(X)k+1，即矩阵 2、实际经济问题中的多重共线性现象 经济变量的共同变化趋势 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。 滞后变量的引入 在计量经济模型中，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。 一般经验 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，但多重共线性仍然是存在的。 二、多重共线性的后果 1、完全共线性下参数估计量不存在 如果存在完全共线性，无法得到参数的估计量,因为(X’X) -1不存在，。 多元线性模型 Y X = + B N 的普通最小二乘参数估计量为： $ ( ) B = ￠ ￠ - X X X Y 1 (2.8.3) 例如:考虑二元线性回归模型 其中解释变量之间存在完全的多重共线性x2i =4x1i,将该关系代入回归模型中，会发现什么？ i i i x x y b b b + + = 2 2 1 1 0 +μi 由于解释变量间存在完全的多重共线性，使得表面上是二元的模型(1)实际为一元线性回归模型(3)。 即使能够对模型(3)进行估计，也只能估计出参数A1的值，却无法从估计的A1值之中得出参数?0 和?1的估计值。 因为方程(2)是含两个未知数的方程,一个方程两个未知数,不可能得出确定的偏回归系数?0 和?1的估计值。 当解释变量间存在完全的多重共线性时，无法估计参数的值。 2、近似（高度多重）共线性下普通最小二乘法参数估计