第4章线程的多维性.pptVIP

* 四、直观判断法 根据回归结果判断也叫不显著系数检验法 1.从定性分析认为，一些重要的解释变量的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时，可初步判断可能存在严重的多重共线性。 F检验大于给定显著性水平下的临界值.但模型中的全部或部分参数估计值却不显著,或系数估计值的符号不对,则模型自变量之间存在多重共线性. * 2. 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，回归方程可能存在严重的多重共线性。 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。 * 五、逐步回归检测法 也称Frisch综合分析法其基本思想： 将变量逐个的引入模型，每引入一个解释变量后，都要进行Ｆ检验，并对已经选入的解释变量逐个进行t 检验，当原来引入的解释变量由于后面解释变量的引入而变得不再显著时，则将其剔除。以确保每次引入新的变量之前回归方程中只包含显著的变量。 在逐步回归中，高度相关的解释变量，在引入时会被剔除。因而也是一种检测多重共线性的有效方法。 * 六、特征值检验法 * 第四节 多重共线性的补救措施 本节基本内容: ●修正多重共线性的经验方法 ●逐步回归法 * 一、修正多重共线性的经验方法 1. 剔除变量法 是降低多重共线性最简便的方法. 把方差扩大因子最大者所对应的自变量首先 剔除再重新建立回归方程，直至回归方程中 不再存在严重的多重共线性。 注意: 若剔除了重要变量，可能引起模型的设 定误差。 * 2. 增大样本容 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。 样本容量越小有近似多重共线性的可能性就越大,反之,样本容量越大,多重共线性的可能性就越小问题：增加样本数据在实际计量分析中常面临许多困难,受制于实际情况。 增大样本容量并不必然降低近似的多重共线性,如增加的数据也有类似的共线性,就不起作用 如果变量总体中本来就有共线性问题,再增大样本容量也无济于事. * 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。 * 第四章 多重共线性 呛口小辣椒博客 计量经济学 /view/57a27631b90d6c85ec3ac6b1.html * 引子：发展农业和建筑业会减少财政收入吗？ 为了分析各主要因素对财政收入的影响，建立财政收 入模型: 其中: CS财政收入(亿元) ; NZ农业增加值(亿元); GZ工业增加值(亿元); JZZ建筑业增加值(亿元); TPOP总人口(万人); CUM最终消费(亿元); SZM受灾面积(万公顷) 数据样本时期1978年-2003年（资料来源：《中国统计年鉴2004》，中国统计出版社2004年版） 采用普通最小二乘法得到以下估计结果 * Variable Coefficient Std. Error t-Statistic Prob. 农业增加值NZ -1.535090 0.129778 -11.82861 0.0000 工业增加值GZ 0.898788 0.245466 3.661558 0.0017 建筑业增加值JZZ -1.527089 1.206242 -1.265989 0.2208 总人口TPOP 0.151160 0.033759 4.477646 0.0003 最终消费CUM 0.101514 0.105329 0.963783 0.3473 受灾面积SZM -0.036836 0.018460 -1.995382 0.0605 截距项 -11793.34 3191.096 -3.695704 0.0015 R-squa