多重共线性课件.pptVIP

*多重共线性Multi-Collinearity*7.1多重共线性的概念1.多重共线性的概念对于模型Yi=?0+?1X1i+?2X2i+?+?kXki+?ii=1,2,…,n其基本假设之一是解释变量是互相独立的。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(Multicollinearity)。*一、完全多重共线性如果存在c1X1i+c2X2i+…+ckXki=0i=1,2,…,n其中:ci不全为0，则称为解释变量间存在完全多重共线性（perfectmulticollinearity）。在矩阵表示的线性回归模型Y=X?+?中，完全共线性指：秩(X)k+1，即：中，至少有一列向量可由其他列向量（不包括第一列）线性表出。如X2=kX1，则X2对Y的作用可由X1代替。*注意：完全多重共线性的情况在经济学中并不多见，一般出现的是在一定程度上的共线性，即不完全的多重共线性。二、不完全多重共线性如果存在c1X1i+c2X2i+…+ckXki+vi=0i=1,2,…,n其中ci不全为0，vi为随机误差项，则称为不完全多重共线性或欠完全多重共线性（approximatemulticollinearity）。*7.2.产生多重共线性的原因一般地，产生多重共线性的主要原因有以下四个方面：（1）经济变量相关的共同趋势时间序列样本：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。（2）滞后变量的引入

在经济计量模型中，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。*（3）多项式项的引入如研究企业的成本与产量之间的关系时，往往在成本模型中引进产量的三次方，即：在这种模型中，解释变量之间可能存在一定程度的多重共线性。（4）样本资料的限制由于完全符合理论模型所要求的样本数据较难收集，特定范围内抽取样本可能存在某种程度的多重共线性。进一步地讲，如果在实际应用中我们有足够多的样本，解释变量的多重共线性程度就会大大降低。这就再次说明，多重共线性本质上是样本问题。*7.3多重共线性对OLS估计量的影响一、完全多重共线性对OLS估计量的影响1、完全共线性下参数估计量不确定的的OLS估计量为：如果存在完全共线性，则(X’X)-1不存在，无法得到参数的估计量。2、参数估计量方差无穷大对于模型：，其OLS估计量的方差为：*在完全多重共线性下，导致上面两式的分母都等于0，因此OLS估计量的方差和标准误都是无穷大。二、不完全多重共线性下OLS的后果不完全的多重共线性下，可以得到OLS参数估计量，但参数估计量方差的表达式为

由于|X’X|?0，引起(X’X)-1主对角线元素较大，使参数估计值的方差增大，OLS参数估计量仍然是有效，但有效并不意味着方差的值较小。1.参数估计量的方差增大以二元线性离差模型：y=?1x1+?2x2+?为例:*X1与X2的线性相关系数的平方r2，由于r2?1，故1/(1-r2)?1。在X1与X2为不完全多重共线性时，OLS估计量方差会很大，而且随着共线性程度增加，两个估计量的方差也将随之增大。因此，从这个角度看，解释变量具有不完全多重共线性时，OLS的估计量虽然仍具有最小方差性，但方差最小是相对其他的线性和无偏估计量而言。2.参数的估计精度较低当存在不完全多重共线性时，从上面已经知道，参数的OLS估计量方差较大，其标准误也就较大，从而使得参数估计量的精度较低。*3