计量经济学课件-多重共线性.pptVIP

一、简单相关系数检验法 含义：简单相关系数检验法是利用解释变量之间的线性相关程度去判断是否存在严重多重共线性的一种简便方法。 判断规则：一般而言，如果每两个解释变量的简单相关系数(零阶相关系数)比较高，例如大于0.8，则可认为存在着较严重的多重共线性。 注意： 较高的简单相关系数只是多重共线性存在的充分条件，而不是必要条件。特别是在多于两个解释变量的回归模型中，有时较低的简单相关系数也可能存在多重共线性。因此并不能简单地依据相关系数进行多重共线性的准确判断。 命令方式：COR 解释变量名 菜单方式：将所有解释变量设置成一个数组，并在数组窗口中点击View/Correlations 二、辅助回归模型检验 k个解释变量，以其中一个对其他解释变量进行回归，可以获得k个辅助方程 . ( i=1,2,…,k) 如果，其中某些方程显著（即F检验通过），则表明存在多重共线性，所对应的变量可以近似地用其他解释变量线性表示。 辅助回归方程的拟合程度越高，解释变量之间的多重共线性越严重。 三、方差扩大（膨胀）因子法 统计上可以证明，解释变量 的参数估计式 的方差可表示为  其中的 是变量 (Variance Inflation Factor)，即 的方差扩大因子 其中 是多个解释变量辅助回归的可决系数 Ri2为xi关于其它解释变量辅助回归模型的可决系数 为方差膨胀因子 经验规则 ●方差膨胀因子越大，表明解释变量之间的多重共性越严重。反过来，方差膨胀因子越接近于1，多重共线性越弱。 ●经验表明，方差膨胀因子≥10时，说明解释变量与其余解释变量之间有严重的多重共线性，且这种多重共线性可能会过度地影响最小二乘估计。 另一个与VIF等价的指标是“容许度”（Tolerance），其定义为： 显然，0≤TOL≤1；当xi与其它解释变量高度相关时，TOL→0。因此，一般当TOL0.1时，认为模型存在较严重的多重共线性。 四、直观判断法 1. 当增加或剔除一个解释变量，或者改变一个观测值时，回归参数的估计值发生较大变化，回归方程可能存在严重的多重共线性。 2. 从定性分析认为，一些重要的解释变量的回归系数的标准误差较大，在回归方程中没有通过显著性检验时，可初步判断可能存在严重的多重共线性。（引例） 3. 有些解释变量的回归系数所带正负号与定性分析结果违背时，很可能存在多重共线性。（引例） 4. 解释变量的相关矩阵中，自变量之间的相关系数较大时，可能会存在多重共线性问题。 五、逐步回归检测法 逐步回归的基本思想 将变量逐个的引入模型，每引入一个解释变量后，都要进行Ｆ检验，并对已经选入的解释变量逐个进行t 检验，当原来引入的解释变量由于后面解释变量的引入而变得不再显著时，则将其剔除。以确保每次引入新的变量之前回归方程中只包含显著的变量。 在逐步回归中，高度相关的解释变量，在引入时会被剔除。因而也是一种检测多重共线性的有效方法。 特征值 根据病态数、病态指数判断 六、特征值检验 第四节 多重共线性的补救措施 本节基本内容: ●修正多重共线性的经验方法 ●逐步回归法 岭回归法在本科教学中只是供选择使用 的内容。 首先明确建立模型的目的：预测、结构分析或政策评价。 如果建立模型的目的是进行预测，只要模型的拟合优度较高，并且解释变量的相关类型在预测期内保持不变，则可以忽略多重共线性的问题。 如果是应用模型进行结构分析或政策评价，即利用系数分析、比较各个解释变量的单独影响，则需要消除多重共线性的影响。 一、修正多重共线性的经验方法 1. 剔除变量法 把方差扩大因子最大者所对应的自变量首先 剔除，再重新建立回归方程，直至回归方程中 不再存在严重的多重共线性。 注意: 剔除变量一定要慎重！！否则会引起其他问题。 需注意产生新的问题: ①模型的经济意义不合理； ②是否使模型产生异方差性或自相关性； ③若剔除不当,可能会产生模型设定误差，造成参数估计严重有偏 一般而言，在选择回归模型时，可以将回归系数的显著性检验（解释变量的t检