7 2多重共线性检验与识别.pdfVIP

第三节 多重共线性的检验与识别 ★ 多重共线性的检验重点在于判断共线性程度是否严重到必须要处理的程度， 而完全共线可通过是否能估计出参数方便的加以识别。 一、简单相关系数法 Y = b + b X + b X ++ b X +u i 1 2 2i 3 3i k ki i 思路：计算解释变量间的两两简单相关系数，当某两个变量相关程度较高，如 超过0.7-0.8，则认为模型存在较严重的多重共线性。 (一)OLS估计量 （4 ） 方法评价： ▲ 两个解释变量间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，多个解释变量时，较低的相关系数也可能存在严重共线性。 ▲ 对相关系数高低的衡量标准 （0.7-0.8）尚未得到学术界的一致认可。 ▲ 在解释变量超过3个时， 变量间的偏相关系数来检验共线性更优。 二、克莱因法则 （Klien’s rule） 思路：逐一进行每个解释变量对其余解释变量的辅助回归，当某一个辅助回归的 R2 超过原始模型的 R2 ，则认为多重共线性对该模型是一个严重问题。 三、膨胀因子法 思路：逐一计算每个解释变量的方差膨胀因子VIF，当VIF超过10时，则认为多重共 线性对该模型是一个严重问题。 方法评价： ▲ 上述两种方法基本等价，检验功效也类似，均较适用于解释变量较多的回归模 型。 检验多重共线性的一般过程 模型特征 多个解释变量、较小的样本容量 R2 结果特征 极高的 、有重要变量不显著、出现与理论相悖的参数符号 检验： 多种方法组合使用 模型中的共线性是否严重到必须要处理的程度？