大数据计量经济分析 课件 第4章 经典线性回归模型的拓展.pptx

第4章经典线性回归模型的拓展1

第4章经典线性回归模型的拓展本章主要内容多重共线性异方差自相关内生性问题案例分析——在线评论中蕴含的消费者情绪对消费者满意度的影响2

4.1多重共线性3

4.1.1多重共线性的来源和后果1.多重共线性的定义多元回归模型：如果存在一组不全为0的数，使得：即使得k个自变量的线性组合为0，则称为完全共线性，这k个自变量是线性相关的。如果存在一组不全为0的数，使得：即k个自变量的线性组合非常接近0，则称为不完全共线。4

4.1.1多重共线性的来源和后果2.多重共线性的来源（1）经济变量间具有共同的变化趋势。（2）模型设定包含滞后解释变量。（3）样本数据的采集与处理。5

4.1.1多重共线性的来源和后果3.多重共线性的后果多元回归模型：（1）完全共线性的后果①自变量的参数估计值无法确定如果之间是完全共线性，则至少有一个列向量可由其他列向量线性表示，无法得到参数的估计量。6

4.1.1多重共线性的来源和后果3.多重共线性的后果（1）完全共线性的后果②参数估计量的方差无限大当存在完全共线性时，由于不存在，参数的估计量无法准确估计，其方差变得无穷大。7

4.1.1多重共线性的来源和后果3.多重共线性的后果（2）不完全共线性的后果完全共线性是一种极端情况，现实经济问题中更常见的是变量之间存在不完全或高度的共线性。假定之间存在不完全或高度的共线性，可以得到如下的结果：①估计量仍然是线性无偏估计量如果模型设定正确，并且满足除共线性以外的其他经典假定，那么即使自变量存在显著的多重共线性，参数和仍然是线性的和无偏的。8

4.1.1多重共线性的来源和后果3.多重共线性的后果（2）不完全共线性的后果②估计量的方差和标准差增大9变大，方差减小。

4.1.1多重共线性的来源和后果3.多重共线性的后果（2）不完全共线性的后果③不完全共线性下的t统计量的绝对值变小10多重共线性增大了参数估计量的标准差，t值减小，容易不显著。

4.1.1多重共线性的来源和后果3.多重共线性的后果（2）不完全共线性的后果④估计量及其标准误对数据的微小变化非常敏感当存在多重共线性时，增加或删除某个自变量，或某些观测值的增加或减少，通常会导致参数估计量有较大改变。11

4.1.1多重共线性的来源和后果3.多重共线性的后果（2）不完全共线性的后果⑤模型整体拟合优度R2变化不大，但难以评估自变量对R2的贡献由于模型整体的拟合优度是由存在多重共线性的变量共同得到，因此无法区分每个自变量对整体拟合优度的贡献。12

4.1.2多重共线性的检验和修正1.多重共线性的检验（1）观察回归方程的估计结果如果回归方程的拟合优度R2很高，F值较大，而参数估计量的t统计量的值却普遍很低，即t检验无法通过，说明的方差较大，自变量之间可能存在严重的共线性问题。13

4.1.2多重共线性的检验和修正1.多重共线性的检验（2）简单相关系数法如果自变量之间的简单相关系数较高，那么可以得出这两个自变量是高度相关的，我们就认为存在潜在的多重共线性问题。需要注意的是，这个标准并不十分可靠。14

4.1.2多重共线性的检验和修正1.多重共线性的检验（3）建立辅助回归对于多元回归模型，将每一个自变量作为因变量，对其他剩余自变量作辅助回归：原假设，即与剩余自变量之间不存在共线性：若则拒绝原假设，与剩余自变量之间存在高度的共线性。15

4.1.2多重共线性的检验和修正1.多重共线性的检验（4）计算方差膨胀因子逐一计算每个自变量的方差膨胀因子VIF，当VIF10，则认为多重共线性对该模型是一个严重问题。16

4.1.2多重共线性的检验和修正2.多重共线性的修正（1）从模型中删除引起多重共线性的变量需要比较究竟是“多重共线性给模型带来的危害大”还是“设定误差给模型带来的危害大”。17

4.1.2多重共线性的检验和修正2.多重共线性的修正（2）增大样本容量或重新抽取样本多重共线性是一个样本现象，故通过扩大样本容量，可以改变共线性的程度。18样本容量增加，通常会增加，使得方差减小，标准误差也随之减小。

4.1.2多重共线性的检验和修正2.多重共线性的修