第4章 多重共线性.pptVIP

第四章 多重共线性;引子：发展农业会减少财政收入吗？ ;财政收入模型的EViews估计结果; ●可决系数为0.9897 ，校正的可决系数为0.9870，模型拟合很好。模型对财政收入的解释程度高达98.9%。 ●F统计量为366.68，说明0.05水平下回归方程整体上显著。 ● t 检验结果表明，除了农业增加值、建筑业增加值以外，其他因素对财政收入的影响均不显著。 ●农业增加值的回归系数是负数。 农业的发展反而会使财政收入减少吗？! 这样的异常结果显然与理论分析和实践经验不相符。 若模型设定和数据真实性没问题，问题出在哪里呢？;第四章 多重共线性;第一节 什么是多重共线性; 在计量经济学中所谓的多重共线性(Multi-Collinearity)， 不仅包括完全的多重共线性，还包括不完全的多重共线性。 在有截距项的模型中，截距项可以视为其对应的解释变量总 是为1。对于解释变量 ，如果存在不全为0的 数 ，使得 则称解释变量 之间存在着完全的多重共 线性。;不完全的多重共线性 ; ，解释变量间毫无线性关系，变量间相互正交。这时已不需要作多元回归，每个参数?j都可以通过Y 对 Xj 的一元回归来估计。 ; 二、产生多重共线性的背景 ;第二节 多重共线性产生的后果;一、完全多重共线性产生的后果; 二、不完全多重共线性产生的后果;2.对参数区间估计时，置信区间趋于变大 3.假设检验容易作出错误的判断 4.可能造成可决系数较高，但对各个参数单独的 t 检验却可能不显著，甚至可能使估计的回归系数符号相反，得出完全错误的结论。 ; 第三节 多重共线性的检验;一、简单相关系数检验法; 注意： 较高的简单相关系数只是多重共线性存在的充分条件，而不是必要条件。特别是在多于两个解释变量的回归模型中，有时较低的简单相关系数也可能存在多重共线性。因此并不能简单地依据相关系数进行多重共线性的准确判断。 ; 二、方差扩大（膨胀）因子法 ;经验规则;三、直观判断法;3. 有些解释变量的回归系数所带正负号与定性分析结果违背时，很可能存在多重共线性。 4. 解释变量的相关矩阵中，自变量之间的相关系数较大时，可能会存在多重共线性问题。 ;四、逐步回归检测法;第四节 多重共线性的补救措施;一、修正多重共线性的经验方法; 2. 增大样本容量 如果样本容量增加，会减小回归参数的方差， 标准误差也同样会减小。因此尽可能地收集足 够多的样本数据可以改进模型参数的估计。 问题：增加样本数据在实际计量分析中常面临 许多困难。 ; 3. 变换模型形式 一般而言，差分后变量之间的相关性要比差分 前弱得多，所以差分后的模型可能降低出现共 线性的可能性，此时可直接估计差分方程。 问题：差分会丢失一些信息，差分模型的误差 项可能存在序列相关，可能会违背经典线性回 归模型的相关假设，在具体运用时要慎重。; 4. 利用非样本先验信息 通过经济理论分析能够得到某些参数之间的关 系，可以将这种关系作为约束条件，将此约束 条件和样本信息结合起来进行约束最小二乘估 计。; 5. 横截面数据与时序数据并用 首先利用横截面数据估计出部分参数，再利用 时序数据估计出另外的部分参数，最后得到整 个方程参数的估计。 注意：这里包含着假设，即参数的横截面估计和 从纯粹时间序列分析中得到的估计是一样的。 ; 6. 变量变换 变量变换的主要方法： (1)计算相对指标 (2)将名义数据转换为实际数据 (3)将小类指标合并成大类指标 变量数据的变换有时可得到较好的结果，但无 法保证一定可以得到很好的结果。; 二、逐步回归法;若新变量的引入未能改进 和 检验，且对其他回 归参数估计值的t 检验也未带来什么影响，则认为该 变量是多余变量。 若新变量的引入未能改进 和 检验，且显著地影 响了其他回归参数估计值的数值或符号，同时本身的 回归参数也通不过t 检验，说明出现了严重的多重共 线性。; 第五节 案例分析;年份;该模型;计算各解释变量的相关系数 ;三、消除多重共线性; ;第四章 小结; 3.诊断共线性的经验方法： (1) 表现为可决系数异常高而回归系数的t 检验不显著。 (2) 变量之间的零阶或简单相关系数。多个解释变量时，较低的零阶相关也可能出现多重共线性，需要检查偏相关系数。 (4)如果 高而偏相关系数低，则多重共线性是可能的。 (5) 用解释变量间辅助回归的可