第九讲-自变量的选择.ppt

应用统计

第九讲：自变量的选择国际商学院统计及技术经济学系讲授：杨震宁多元回归分析：一个研究示例对总经理（CEO）年度报酬决定因素进行实证分析（管理世界2005年第8期）理论和研究假设续4、多元化与年度报酬之间正相关5、公司风险与年度报酬之间正相关6、两职兼任（CEO与董事长）与年度报酬之间正相关7a、年龄与年度报酬之间正相关7b、年龄的平方与年度报酬之间正相关8、公司业绩与年度报酬之间正相关9、公司规模与年度报酬之间正相关10、国有股比例与年度报酬之间正相关样本和方法2002年上市公司的截面数据作为总体（1）剔除在2000年1月1日之后上市的公司；（2）剔除有外资法人股、B股和H股上市的公司；（3）剔除ST和PT公司；（4）剔除净资产收益率为负数的公司；（5）剔除净资产、主营业务利润、净利润为负的公司；（6）剔除在2002年更换总经理的公司；（7）剔除以上变量指标数据不完备的公司。收集到了143家公司方法普通最小二乘模型内容一、多重共线性及其诊断二、自变量的选择一、多重共线性及其诊断多重共线性产生的背景和原因●解释变量之间完全不相关的情形是非常少见的，尤其是研究某个经济问题时，涉及的自变量较多，我们很难找到一组自变量，它们之间互不相关，而且它们又都对因变量有显著影响。●客观地说，某个经济现象，涉及到多个影响因素时，这多个影响因素之间大都有一定的相关性。它们之间相关性较弱时，我们一般就认为符合线性回归模型的要求。什么是多重共线性图形表示：巴伦坦图举例说明●例如：研究我国居民消费状况一般有职工平均工资、农民平均收入、银行利率、全国零售物价指数、国债利率、货币发行量、储蓄额、前期消费额等。它们之间有着很强的相关性。举例说明●例如，建立某地区粮食产量回归模型以粮食产量为因变量Y，以化肥用量为x1，以水浇地面积为x2，以农业投入资金为x3等作为自变量。农业投入资金与化肥用量、水浇地面积有很强的相关性。多重共线性的定义对于模型Yi=?0+?1X1i+?2X2i+?+?kXki+?ii=1,2,…,n其基本假设之一是解释变量X1,X2,…,Xk是互相独立的。实际经济问题中的多重共线性现象1、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。实际经济问题中的多重共线性现象2、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。实际经济问题中的多重共线性现象3、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。多重共线性的后果1、当自变量之间存在多重共线性时，用OLS对模型进行估计仍然满足无偏性，但回归系数的方差会越大，减少估计精度。在一般共线性（或称近似共线性）下，虽然可以得到OLS法参数估计量，但是由参数估计量方差的表达式为可见，由于此时|X’X|?0，引起(X’X)-1主对角线元素较大，从而使参数估计值的方差增大，OLS参数估计量非有效。多重共线性的后果2、参数估计量经济含义不合理如果模型中两个解释变量具有线性相关性，例如X1和X2，那么它们中的一个变量可以由另一个变量表征。这时，X1和X2前的参数并不反映各自与被解释变量之间的结构关系，而是反映它们对被解释变量的共同影响。所以各自的参数已经失去了应有的经济含义，于是经常表现出似乎反常的现象，例如本来应该是正的，结果恰是负的。3、变量的显著性检验失去意义多重共线性的后果4、存在多重共线性，会出现很多回归系数统计检验不显著，但拟合优度却很高的情况，以至于很难作出合理的经济解释，直接影响到最小二乘法的应用效果，降低了回归模型的预测价值。多重共线性的诊断1、直观判断法一般出现下列情况之一，可认为存在多重共线性：（1）拟合优度很大，但模型中全部或部分参数统计检验不显著；（2）当增加或剔除一个自变量时，回归系数估计值会