4.2 违背基本假定问题2.ppt

一、多重共线性的概念 二、多重共线性的后果 三、多重共线性的检验 四、克服多重共线性的方法 五、例题 六、分部回归与多重共线性;一、多重共线性的概念;1、多重共线性;2、实际经济问题中的多重共线性;二、多重共线性的后果Consequences of Multicollinearity; 1、完全共线性下参数估计量不存在;2、近似共线性下OLS估计量非有效; 以二元线性模型 y=?1x1+?2x2+? 为例: ;多重共线性使参数估计值的方差增大，1/(1-r2)为方差膨胀因子(Variance Inflation Factor, VIF);3、参数估计量经济含义不合理;4、变量的显著性检验失去意义;5、模型的预测功能失效;注意： ;三、多重共线性的检验Detection of Multillinearity; 多重共线性检验的任务是： （1）检验多重共线性是否存在； （2）估计多重共线性的范围，即判断哪些变量之间存在共线性。;1、检验多重共线性是否存在;2、判明存在多重共线性的范围; 在模型中排除某一个解释变量Xj，估计模型； 如果拟合优度与包含Xj时十分接近，则说明Xj与其它解释变量之间存在共线性。;(3)逐步回归法（Stepwise forward Regression）;四、克服多重共线性的方法Remedial Measures of Multicollinearity; 找出引起多重共线性的解释变量，将它排除。 以逐步回归法得到最广泛的应用。 注意：剩余解释变量参数的经济含义和数值都发生了变化。;2、第二类方法：差分法;3、第三类方法：减小参数估计量的方差;*岭回归法（Ridge Regression）;五、案例——中国粮食生产函数;中国粮食生产函数;;1、用OLS法估计上述模型：;2、检验简单相关系数;3、找出最简单的回归形式;4、逐步回归; 回归方程以Y=f(X1，X2，X3)为最优：;六、分部回归与多重共线性 Partitioned Regression and Multillinearity;在满足解释变量与随机误差项不相关的情况下，可以写出关于参数估计量的方程组： ;这就是仅以X2作为解释变量时的参数估计量。;2、由分部回归法导出;当模型存在共线性，将某个共线性变量去掉，剩余变量的参数估计结果将发生变化，而且经济含义有发生变化； 严格地说，实际模型由于总存在一定程度的共线性，所以每个参数估计量并不 真正反映对应变量与被解释变量之间的结构关系。;§4.4 ???机解释变量问题Random Explanatory Variables;一、随机解释变量问题; 基本假设:解释变量X1,X2,…,Xk是确定性变量。 如果存在一个或多个随机变量作为解释变量，则称原模型出现随机解释变量问题。 假设X2为随机解释变量。对于随机解释变量问题，分三种不同情况： ; (2) 随机解释变量与随机误差项同期无关(contemporaneously uncorrelated)，但异期相关。;2、实际经济问题中的随机解释变量问题;(1) 耐用品存量调整模型;(2) 合理预期的消费函数模型;三、随机解释变量的后果; 计量经济学模型一旦出现随机解释变量，且与随机扰动项相关的话，如果仍采用OLS法估计模型参数，不同性质的随机解释变量会产生不同的后果。 下面以一元线性回归模型为例进行说明。 ; 1、随机解释变量与随机误差项相关图 ;2、如果X与?相互独立，OLS参数估计量仍然是无偏、一致估计量。 ;3、如果X与?同期不相关，异期相关，得到的参数估计量有偏、但却是一致的。 ;4、如果X与?同期相关，得到的参数估计量有偏、且非一致。 ;四、工具变量法 Instrument variables;1、工具变量的选取;2、工具变量的应用;能否说“用工具变量代替了模型中的随机解释变量”？ 能否说“其它解释变量用自己作为工具变量”？ 能否说“用Z作为X1的工具变量，用X1作为X2的工具变量”？; 这种求模型参数估计量的方法称为工具变量法(instrumental variable method)，相应的估计量称为工具变量法估计量（instrumental variable (IV) estimator）。;3、工具变量法估计量是一致估计量;(1)在小样本下，工具变量法估计量仍是有偏的。 ;(4)OLS可以看作工具变量法的一种特殊情况。;四、例题; 例4.4.1 在例2.5.1的中国居民人均消费函数的估计中，采用OLS估计了下面的模型：; OLS估计结果：; 居民总消费模型;数据;OLS估计;;IV估计;;GMM估计;