多重共線性ppt課件(2)(編輯修改稿)
2025-05-25 23:26 本頁面
【文章內容簡介】 推斷上無法給出真正有用的信息。 多重共線性的原因 （ 1） 經濟變量相關的共同趨勢 時間序列樣本： 經濟 繁榮時期 ，各基本經濟變量（收入、消費、投資、價格）都趨于增長；衰退時期 ，又同時趨于下降。 橫截面數(shù)據(jù) ： 生產函數(shù)中 ， 資本投入與勞動力投入往往出現(xiàn)高度相關情況，大企業(yè)二者都大，小企業(yè)都小。 （ 2）滯后變量的引入 在經濟計量模型中，往往需要引入滯后經濟變量來反映真實的經濟關系。 例如 ，消費 =f(當期收入 , 前期收入） 顯然，兩期收入間有較強的線性相關性。 （ 3） 樣本資料的限制 由于完全符合理論模型所要求的樣本數(shù)據(jù)較難收集，特定樣本可能存在某種程度的多重共線性。 一般經驗 ： 時間序列數(shù)據(jù) 樣本：簡單線性模型，往往存在多重共線性。 截面數(shù)據(jù) 樣本：問題不那么嚴重，但多重共線性仍然是存在的。 多重共線性檢驗的任務 是： （ 1）檢驗多重共線性是否存在； （ 2）估計多重共線性的范圍，即判斷哪些變量之間存在共線性。 多重共線性表現(xiàn)為解釋變量之間具有相關關系，所以 用于多重共線性的檢驗方法主要是統(tǒng)計方法 ：如 判定系數(shù)檢驗法 、 逐步回歸檢驗法 等。 三、多重共線性的檢驗 一、直觀判斷法 1. 當增加或剔除一個解釋變量，或者改變一個觀測值時，回歸參數(shù)的估計值發(fā)生較大變化，回歸方程可能存在嚴重的多重共線性。 2. 從定性分析認為，一些重要的解釋變量的回歸系數(shù)的標準誤差較大，在回歸方程中沒有通過顯著性檢驗時，可初步判斷可能存在嚴重的多重共線性。 3. 有些解釋變量的回歸系數(shù)所帶正負號與定性分析結果違背時，很可能存在多重共線性。 4. 解釋變量的相關矩陣中，自變量之間的相關系數(shù)較大時，可能會存在多重共線性問題。 二、相關系數(shù)法 (1)對兩個解釋變量的模型，采用 簡單相關系數(shù)法 求出 X1與 X2的簡單相關系數(shù) r，若 |r|接近 1，則說明兩變量存在較強的多重共線性。 判斷規(guī)則 ： 一般而言，如果每兩個解釋變量的簡單相關系數(shù) (零階相關系數(shù) )比較高，例如大于 ，則可認為存在著較嚴重的多重共線性。 偏回歸系數(shù)：在其它變量保持不變的條件下，兩個變量之間的關系。 注意： 較高的簡單相關系數(shù)只是多重共線性存在的充分條件，而不是必要條件。特別是在多于兩個解釋變量的回歸模型中，有時較低的簡單相關系數(shù)也可能存在多重共線性。因此并不能簡單地依據(jù)相關系數(shù)進行多重共線性的準確判斷。 三、對多個解釋變量的模型， 采用綜合統(tǒng)計檢驗法 若 在 OLS法下 ： R2與 F值較大，但 t檢驗值較小，說明各解釋變量對 Y的聯(lián)合線性作用顯著，但各解釋變量間存在共線性而使得它們對 Y的獨立作用不能分辨，故 t檢驗不顯著。 四、方差擴大（膨脹）因子法 統(tǒng)計上可以證明，解釋變量 的參數(shù)估計式 的方差可表示為 其中的 是變量 (Variance Inflation Factor)，即 的方差擴大因子 其中 是多個解釋變量輔助回歸的可決系數(shù) ? ?21V I F =1j jR222 2 21?V a r ( ) = = V I F1 jj j j jσ σβx R x????VIFj jXjX ?jβ2jR經驗規(guī)則 ● 方差膨脹因子越大，表明解釋變量之間的多重共性越嚴重。反過來，方差膨脹因子越接近于 1，多重共線性越弱。 ● 經驗表明，方差膨脹因子 ≥10時，說明解釋變量與其余解釋變量之間有嚴重的多重共線性，且這種多重共線性可能會過度地影響最小二乘估計。 判明存在多重共線性的范圍 如果存在多重共線性 ， 需進一步確定究竟由哪些變量引起 。
教學課件相關推薦
鄂ICP備17016276號-1