计量经济学(第四章多重共线性（20页）.pptxVIP

问题的提出 • 在前述基本假定下OLS估计具有BLUE的优良性。 • 然而实际问题中 ， 这些基本假定往往不能满足 ， 使OLS方法失效不再具有BLUE特性。 • 估计参数时 ， 必须检验基本假定是否满足 ， 并针 对基本假定不满足的情况 ， 采取相应的补救措施 或者新的方法。 • 检验基本假定是否满足的检验称为计量经济学检 验 回顾6项基本假定 • （1） 解释变量间不相关（无多重共线性） • （2）E(ui)=0 （随机项均值为零） • （3）Var (ui)= 2 （同方差） • （4）Cov(ui, uj)=0（随机项无自相关） • （5）Cov(X, ui)=0（随机项与解释变量X不相关 • （6） 随机扰动服从正态分布。 不满足基本假定的情形（1） • 1 、通常不会发生随机扰动项均值不等于0 的情形 。若发生也不会影响解释变量的系 数 ， 只会影响截距项。 • 2 、 随机扰动项正态性假设一般能够成立 ， 就算不成立 ， 在大样本下也会近似成立的。 所以不讨论此假定是否违背。 • 3 、解释变量之间相关=多重共线 • 4 、 随机扰动项相关=序列自相关 – 时间序列数据经常出现序列相关 • 5 、 随机扰动项方差不等于常数=异方差 – 截面数据时 ， 经常出现异方差 不满足基本假定的情形（2） 解决问题的思路 • 1 、定义违反各个基本假定的基本概念 • 2 、违反基本假定的原因 、背景 • 3 、诊断基本假定的违反 • 4 、违反基本假定的补救措施（修正） 4.1 多重共线性的实例、定义、 产生背景 • 实例 例一 消费与收入 、家庭财富 例二 汽车保养费与汽车行驶里程 、拥有汽 车时间 4. 1 多重共线性的实例 、定义 、产生背景； 4.2 多重共线性产生的后果； 4.3 多重共线性的检验； 4.4 多重共线性的修正。 本章主要介绍 多重共线性的定义 多重共线性分类 产生多重共线性的背景 （1） 时间序列数据中经济变量在时间上常有共 同的变动趋势； （2） 经济变量之间本身具有内在联系（常在截 面数据中出现）； （3） 由于某种决定性因素的影响可能使各个变 量向着同方向变化； （4） 滞后变量引入模型 ， 同一变量的逐次值一 般都存在相互关系； 4.2 多重共线性的后果 完全多重共线性下的后果 （1） 参数估计值不确定； （2） 参数估计值的方差无限大； 不完全多重共线性下的后果 （1） 参数估计仍是无偏估计 ， 但不稳定； （2） 参数估计式的方差随着共线性程度的增 大而增大。 （3） t检验失效 ， 区间估计失去意义； （4） 严重多重共线性时 ， 甚至参数估计式的 符号与其经济意义相反 。得出完全错误的 结论。 （1） 简单相关系数矩阵法（辅助手段） – 此法简单易行； 但要注意两变量的简单相关系数包 含了其他变量的影响 ， 并非它们真实的线性相关程 度的反映； 一般在0.8以上可初步判定它俩之间有线 性相关。 （2） 变量显著性与方程显著性综合判断； – （修正） 可决系数大 ， F值显著大于临界值 ， 而t值 不显著； 那么可认为存在多重共线性。 （3） 辅助回归： – 将每个解释变量对其余变量回归 ， 若某个回归方程 显著成立 ， 则该解释变量和其余变量有多重共线性。 4.3 多重共线性的检验 多重共线性的检验 • （4） 方差扩大（膨胀） 因子法 • 为线性相关系数的平方 • （5） 直观判断法 – 增加或者减少一个解释变量 ， 或者改变一个观测 值时 ， 回归参数发生较大变化。 – 重要解释变量没有通过t检验。 – 有些解释变量的回归系数符号与定性分析的相反。 多重共线性的修正（ 一 ） 增加样 本容量 • 增加后 ， 样本向量有可能不再线性相关。 这也可以降低观察误差 ， 减小估计量的 方差 ， 有助于提高估计精度。 • 但是 ， 增加样本是比较困难的 ， 也不能根 本解决它。 多重共线性的修正 （二） 直接剔除变量 • 剔除方差扩大因子最大（大于10） 的变量， 重新做回归 。若还有多重共线性 ， 继续剔 除 ， 直到没有严重共线性为止。 • 最好不要剔除理论分析中重要的变量。 多重共线性的修正 • （三） 利用先验信息改变约束形式 • 利用某些先验信息 ， 可以把有共线性的变 量组合成新的变量 ， 从而消除共线性。 先验信息： 在此之前的研究成果所提供的 信息。 多重共线性的修正 （四） 截面数据和时序数据结合 • 有时在时间序列数据中多重共线性严重的 变量 ， 在截面数据中不一定有严重的共线 性。 • 在假定截面数据估计出的参数在时间序列 数据中变化不大的前提下 ， 可先用截面数 据估计出一