第四章 多重共线性.pptVIP

*第三节多重共线性的检验（判断是否严重）

一、利用解释变量之间的相关系数去判断1.只有两个解释变量时：用二者相关系数判断2.两个以上解释变量时：可用两两变量的相关系数判断（K个变量可用相关系数矩阵）判断规则：一般而言，如果每两个解释变量的简单相关系数(零阶相关系数)比较高，例如大于0.8，则可认为存在着较严重的多重共线性。注意:简单相关系数只是多重共线性的充分条件，不是必要条件。在有多个解释变量时，较低的相关系数也可能存在较严重多重共线性,因此，不能简单地依据相关系数进行多重共线性的准确判断。第26页，共62页，星期日，2025年，2月5日**二、直观判断法（经验方法）以下情况的出现提示可能存在较严重多重共线性：(1)当增加或剔除一个解释变量，或者改变一个观测值时，回归参数的估计值发生较大变化(2)从定性分析认为一些是重要的解释变量，但其回归系数的标准误差较大，在回归方程中没有通过显著性检验(3)有些解释变量的回归系数的正负号与定性分析结果违背(4)可决系数较高，F检验显著，但偏回归系数的t检验不显著第27页，共62页，星期日，2025年，2月5日*三、利用解释变量之间的辅助回归及检验判断辅助回归：逐次将每一个解释变量作为被解释变量对其它解释变量进行回归分别估计其参数、计算可决系数、作F检验●若辅助回归的F检验显著，认为该变量与其它变量可能存在较严重的多重共线性●若F检验不显著，认为该变量与其它变量不存在严重的多重共线性第28页，共62页，星期日，2025年，2月5日**四、方差扩大因子法（容许度）多元线性回归模型中，可分别以每个解释变量为被解释变量，作与其他解释变量的辅助回归。以为被解释变量作对其他解释变量的辅助线性回归的可决系数用表示。原回归方程中解释变量的参数估计值的方差可表示为（证明从略）其中的VIFj是变量所对应参数估计量的方差扩大因子，也称容许度。其中第29页，共62页，星期日，2025年，2月5日**对比在只有两个解释变量时(如前面的讨论)当有多个解释变量时，作对其他解释变量的辅助回归，并计算可决系数，注意：是多个解释变量辅助回归的多重可决系数，而相关系数只是说明两个变量的线性关系。（一元回归中可决系数的数值等于相关系数的平方）第30页，共62页，星期日，2025年，2月5日**由越大多重共线性越严重VIFj越大VIFj的大小可以反映解释变量之间存在多重共线性的严重程度。优点：可从数量上判断多重共线性的程度（给出了一种经验规则）经验表明：VIFj≥10时，说明该解释变量与其余解释变量之间有严重的多重共线性，且这种多重共线性可能会过度地影响最小二乘估计。方差扩大因子的作用第31页，共62页，星期日，2025年，2月5日ＶＩＦ的计算以引子为例：１.建立以建筑业增加值ＪＺＺ为被解释变量，其余５个解释变量为解释变量的回归方程，即进行回归，并在ＥｑｕａＴＩｏｎ窗口Ｎａｍｅ处将其命名为ｅｑｊｚｚ。２.在主窗口输入命令：ｓｃａｌａｒｖｉｆｊｚｚ＝１/（１-ｅｑｊｚｚ.@R2）3.双击Ｗｏｒｋｆｉｌｅ中的ｖｉｆｊｚｚ，在主窗口左下角出现建筑业增加值的方差膨胀因子．第32页，共62页，星期日，2025年，2月5日**五、逐步回归检测法基本思想：将变量逐个的引入模型，每引入一个解释变量后，都要观察可决系数的变化，进行Ｆ检验，并对已经选入的解释变量逐个进行t检验。（1）当引入新变量后可决系数显著改善，原来的解释变量的显著性不变化，说明新变量是独立解释变量（2）当引入新变量后可决系数变化不显著，或使得原来的解释变量变得不再显著时，说明新变量不是独立解释变量，则提示很可能引起了多重共线性。当出现多个解释变量之间高度相关的时候，逐步回归方法是一种检测多重共线性的方法。第33页，共62页，星期日，2025年，2月5日(1)对两个解释变量的模型，采用简单相关系数法求出X1与X2的简单相关系数r，若|r|接近1，则说明两变量存在