计量经济学第7章多重共线性.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第,7,章 多重共线性,学习目的,了解多重共线性的概念，掌握在建立计量经济学模型时如何避免发生多重共线性，以及在存在多重共线性情况下，如何正确建立计量经济学模型基本要求,1),了解多重共线性的概念及多重共线性产生的原因,;,2),存在多重共线性对计量经济学模型的危害,;,3),掌握多重共线性的检验方法以及修正多重共线性的方法,;,4),学会利用,EViews,软件进行逐步回归分析，建立正确的计量经济学模型多重共线性及其产生原因,多重共线性的影响,多重共线性的检验,第五章 多重共线性,多重共线性的修正,第一节,多重共线性及其产生原因,、多重共线性的概念,指模型解释变量之间存在完全线性或近似线性相关的一类问题对模型,(5-1),如果存在不全为零的,，使得,(5-2),成立，则称解释变量之间存在完全共线性（,perfect multicollinearity,）；,第一节,多重共线性及其产生原因,、多重共线性的概念,指模型解释变量之间存在完全线性或近似线性相关的一类问题。

对模型,(5-1),成立，则称解释变量之间存在近似共线性（,approximate multicollinearity,）如果存在不全为零的,，使得,(5-3),在矩阵表示的线性回归模型,完全共线性指矩阵,X,的秩,即,近似共线性意味着,c),情况是不完全相关即解释变量之间的相关系数介于,0,和,1,之间需要强调，解释变量之间不存性关系，并非不存在非线性,关系，当解释变量之间存在非线性关系时，并不违反无多重共线性假定一般来说，解释变量之间的关系可概括为三种情况：,a),情况是完全相关，即解释变量之间的相关系数为,1,；,b),情况是完全不相关，即解释变量之间的相关系数为,0,；,在建立计量经济学模型中，大量的问题是属于,第三种情况,二、产生多重共线性的主要原因,1,经济变量之间的内在联系，是产生多重共线性的,根本原因,2,经济变量在时间上有同方向变动的趋势，这也是造成多重共线,性的,重要原因,3,模型中滞后变量的引入，也是造成解释变量多重共线的原因之一4,在模型参数的估计过程中，样本之间的相关是不可避免的，这是,造成多重共线性的,客观原因,第二节,多重共线性,的影响,对存在多重共线性的模型直接用普通最小二乘法估计参数，,就会给模型带来严重的不良后果。

如果解释变量存在完全共线性，则模型的参数,无法估计；,2,如果解释变量之间存在近似共线性，则参数,OLS,估计量的方差随,着多重共线程度的提高而增加；,3,变量的显著性检验和模型的预测功能失去意义；,4,参数估计量经济意义不合理如果解释变量存在完全共线性，则模型的参数,无法估计；,多元回归模型,（,5-4,）,的,OLS,估计量为,（,5-5,）,如果出现完全共线性，则,不存在，无法得到参数,的,估计量2,如果解释变量之间存在近似共线性，则参数,OLS,估计量的方差随,着多重共线程度的提高而增加；,在近似共线性下，虽然可以由式（,5-5,）得到参数,OLS,估计量，但,由于此时,，引起,主对角线元素较大，且随着,逼近于,0,而增大这就使得参数估计量的方差增大，从而不能对总体,参数做出准确推断以二元回归模型,为例，,的方差为,（,5-6,）,其中,是,X,1,与,X,2,线性相关系数的平方，,1,例：,当完全共线性时，,相关系数平方,0 0.5 0.8 0.9 0.95 0.96 0.97 0.98 0.99 0.999,方差膨胀因子,1 2 5 10 20 25 33 50 100 1000,可以看出，,越大，,越大，多重共线性使得参数估计量,为方差膨胀因子。

其增大趋势如下表所示方差增大，称,当,X,1,与,X,2,线性无关时，,当,X,1,与,X,2,近似共线时，,0,r,1,Var(,1,)=,3,变量的显著性检验和模型的预测功能失去意义；,存在多重共线性的模型，其参数估计量方差的变大，使得计算的,t,统,计量变小，从而检验接受原假设,影响很大,的重要因素误判为不显著，结果使模型失去可靠性其次，由于,参数估计量的方差变大，因而对样本值的反映十分敏感，即当样本观测值,稍有变化时，模型参数就有很大差异，致使模型难以应用另外，由于参,数估计量的方差增大，使模型的精度大大下降，求出的预测值难以置信的可能性增大，这样会使本来,4,参数估计量经济意义不合理如果模型中两个解释变量,X,1,和,X,2,具有线性相关性，那么它们中的一,个变量就可以由另一个变量表征这时,X,1,和,X,2,的参数并不反映各自与被,解释变量之间的结构关系，而是反映它们对被解释变量的共同影响，所,以各自的参数已失去了应有的经济意义，于是经常表现出似乎反常的现,象，例如估计结果本来应该是正的，结果却是负的经验告诉我们，在,多元线性回归模型的估计中，如果出现参数估计值的经济意义明显不合,理的情况，应该首先怀疑是否存在多重共线性。

严重的多重共线性常常会导致下列情形出现：使得用普通最小二乘,法得到的回归参数估计值很不稳定，回归系数的方差随着多重共线性强,度的增加而加速增长，对参数难以做出精确的估计；造成回归方程高度,显著的情况下，有些回归系数通不过显著性检验；甚至可能出现回归系,数的正负号得不到合理的经济解释但是应注意，如果研究的目的仅在,于预测被解释变量,Y,，而各个解释变量,X,之间的多重共线性关系的性质在,未来将继续保持，这时虽然无法精确估计个别的回归系数，但可估计这,些系数的某些线性组合，因此多重共线性可能并不是严重问题综上所述,第三节,多重共线性的检验,1,）检验多重共线性是否存在；,多重共线性检验的,任务,是：,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一、检验多重共线性是否存在,1,简单相关系数检验法,利用解释变量之间的线性相关程度去判断是否存在严重多重,共线性的一种简便方法一般而言，如果每两个解释变量的简单相关系数比较高，如,大于,0.8,，则可认为存在着较严重的多重共线性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注意,一、检验多重共线性是否存在,2,直观判断法,根据经验，通常以下情况的出现,可能提示存在多重共线性的影响,：,(2),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1),当增加或删除一个解释变量，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4),解释变量的相关矩阵中，解释变量之间的相关系数较大时，可能会存在,多重共线性问题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,在多重共线性一、检验多重共线性是否存在,3,综合统计检验法,R,2,与,F,值较大，但各参数估计量的,t,检验值较小，说明各解释变,量对,Y,的联合线性作用显著，但各解释变量间存在共线性而使得它,们对,Y,的独立作用不能分辨，故,t,检验不显著对于多个解释变量（,2,个以上）的回归模型,若 在,OLS,法下：,二、估计多重共线性的范围,1,判定系数检验法,2,行列式检验法,3,方差膨胀,(,扩大,),因子法,4,逐步回归法,1,判定系数检验法,例,:,设多元回归模型的解释变量为,X,1,、,X,2,、,、,X,k,，为分析研究它们之间的,相关关系，需将每个解释变量与其他解释变量进行回归，可得出,k,个回归方程式,并计算相应的拟合优度，即判定系数 。

如果某一回归方程的判定系数,较大,(,接近于,1),，说明,X,j,与其他解释变,量,X,间存在多重共线性如果求出的判定系数,都比较小，没有一个是接近于,1,的，则可认为,模型的解释变量之间不存在严重的多重共线问题析,:,可进一步对上述出现较大判定系数,的回归方程作,F,检验：,（,5-7,）,若存在较强的共线性，则,较大且接近于,1,，这时,较小，从而,的值较大因此，可以给定显著性水平,，通过计算,的值，并与相应的临界,与其他解释变量,X,间不,，拒绝,，即认为,X,j,与其他解释,，即认为,X,j,与其他解释变量,X,间不,值比较来进行检验，判定是否存在相关性此时,存在显著的共线性如果,变量,X,间存在多重共线性，否则，接受,存在多重共线性1,判定系数检验法,例,:,设多元回归模型的解释变量为,X,1,、,X,2,、,、,X,k,，为分析研究它们之间的,相关关系，需将每个解释变量与其他解释变量进行回归，可得出,k,个回归方程式,并计算相应的拟合优度，即判定系数 另一等价的检验是,:,在模型中排除某一个解释变量,X,j,，估计模型，如果拟合优度与包含,X,j,时十分接近，则说明,Xj,与其它解释变量之间存在共线性,。

2,行列式检验法,由于回归模型参数估计量的方差,协方差矩阵为,而,所以,说明：,说明模型的解释变量之间完全相关，因而多重共线性最为,严重，即存在完全多重共线性1),当,较大时，,较小,说明参数估计的精度较高，因而多重共线性不严重3),当,=0,时，则,(2),当,较小时，,较大,说明参数估计的误差较大，因此表明模型的多重共线性严重3,方差膨胀,(,扩大,),因子法,对于多元线性回归模型来说，如果分别以每个解释变量为被解释,变量，做对其他解释变量的回归，这称为,辅助回归,Var,(,)=,以,X,j,为被解释变量做对其他解释变量辅助线性回归的可决系数，用,R,j,J,的方差可,表示，则可以证明,(,证明过程从略,),，解释变量,Xj,参数估计量,表示为,其中，,VIF,j,是变量,X,j,的方差膨胀因子，即,由于,Rj,度量了,Xj,与其他解释变量的线性相关程度，这种相关程度越强，,说明变量间多重共线性越严重，,VIFj,也就越大反之，,Xj,与其他解释变量的,线性相关程度越弱，说明变量间的多重共线性越弱，,VIFj,也就越接近于,1,由此可见，,VIFj,的大小反映了解释变量之间是否存在多重共线性，可用它来,度量多重共线性的严重程度。

经验表明，,VIFj,10,时，说明解释变量,Xj,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4,逐步回归法,以,为被解释变量，逐个引入解释变量，构成回归模型，进行模型,估计根据拟合优度的变化决定新引入的变量是否可以用其他变量的线,性组合代替，而不是作为独立的解释变量如果拟合优度变化显著，则说明新引入的变量是一个独立的解释变量；,如果拟合优度变化很不显著，则说明新引入的变量不是一个独立的解,释变量，它可以用其他变量的线性组合代替，也就是说它与其他变量之间,存在多重共线性第四节,多重共线性的修正,常用的几种修正方法：,一、省略变量法,二、利用已知信息克服多重共线性,三、通过变换模型形式克服多重共线性,四、用增加样本容量来克服多重共线性,五、逐步回归法,一、省略变量法,找出引起多重共线性的解释变量，将其省略掉,最为有效的修正多重共线问题的方法当省略了某个或某些变量后，保留在模型中的变量的系数的估计值,及其经济意义均将发生变化这种方法虽然简单，但是当解释变量较多时，往往很难选准在模型中比较,次要的解释变量以便省略因此，在用这种方法克服多重共线问题时，又可能,会犯遗漏重要解释变量的错误，以致使模型出现新的问题。

所以，在从模型中,去掉某一解释变量时，一定要全面考虑、慎重从事，避免顾此失彼定义,:,注意,:,缺点,:,二、利用已知信。