計量經(jīng)濟學(xué)(第四章多重共線性).ppt

1、第四章 放松基本假定的模型 多重共線性,問題的提出,在前述基本假定下OLS估計具有BLUE的優(yōu)良性。 然而實際問題中，這些基本假定往往不能滿足，使OLS方法失效不再具有BLUE特性。 估計參數(shù)時，必須檢驗基本假定是否滿足，并針對基本假定不滿足的情況，采取相應(yīng)的補救措施或者新的方法。 檢驗基本假定是否滿足的檢驗稱為計量經(jīng)濟學(xué)檢驗,回顧6項基本假定,1）解釋變量間不相關(guān)（無多重共線性） （2）E(ui)=0 （隨機項均值為零） （3）Var(ui)=2 （同方差） （4）Cov(ui, uj)=0（隨機項無自相關(guān)） （5）Cov(X, ui)=0（隨機項與解釋變量X不相關(guān)） （6）隨機擾動服從正態(tài)

2、分布,不滿足基本假定的情形（1,1、通常不會發(fā)生隨機擾動項均值不等于0的情形。若發(fā)生也不會影響解釋變量的系數(shù)，只會影響截距項。 2、隨機擾動項正態(tài)性假設(shè)一般能夠成立，就算不成立，在大樣本下也會近似成立的。所以不討論此假定是否違背,不滿足基本假定的情形（2,3、解釋變量之間相關(guān)=多重共線 4、隨機擾動項相關(guān)=序列自相關(guān) 時間序列數(shù)據(jù)經(jīng)常出現(xiàn)序列相關(guān) 5、隨機擾動項方差不等于常數(shù)=異方差 截面數(shù)據(jù)時，經(jīng)常出現(xiàn)異方差,解決問題的思路,1、定義違反各個基本假定的基本概念 2、違反基本假定的原因、背景 3、診斷基本假定的違反 4、違反基本假定的補救措施（修正,4.1 多重共線性的實例、定義、產(chǎn)生背景,實

3、例 例一 消費與收入、家庭財富 例二 汽車保養(yǎng)費與汽車行駛里程、擁有汽車時間,本章主要介紹,4.1 多重共線性的實例、定義、產(chǎn)生背景； 4.2 多重共線性產(chǎn)生的后果； 4.3 多重共線性的檢驗； 4.4 多重共線性的修正,多重共線性的定義,多重共線性分類,產(chǎn)生多重共線性的背景,1）時間序列數(shù)據(jù)中經(jīng)濟變量在時間上常有共同的變動趨勢； （2）經(jīng)濟變量之間本身具有內(nèi)在聯(lián)系（常在截面數(shù)據(jù)中出現(xiàn)）； （3）由于某種決定性因素的影響可能使各個變量向著同方向變化； （4）滯后變量引入模型，同一變量的逐次值一般都存在相互關(guān)系,4.2 多重共線性的后果,完全多重共線性下的后果 （1）參數(shù)估計值不確定； （2）參

4、數(shù)估計值的方差無限大,不完全多重共線性下的后果,1）參數(shù)估計仍是無偏估計，但不穩(wěn)定； （2）參數(shù)估計式的方差隨著共線性程度的增大而增大。 （3）t檢驗失效，區(qū)間估計失去意義； （4）嚴(yán)重多重共線性時，甚至參數(shù)估計式的符號與其經(jīng)濟意義相反。得出完全錯誤的結(jié)論,4.3 多重共線性的檢驗,1）簡單相關(guān)系數(shù)矩陣法（輔助手段） 此法簡單易行；但要注意兩變量的簡單相關(guān)系數(shù)包含了其他變量的影響，并非它們真實的線性相關(guān)程度的反映；一般在0.8以上可初步判定它倆之間有線性相關(guān)。 （2）變量顯著性與方程顯著性綜合判斷； （修正）可決系數(shù)大，F(xiàn)值顯著大于臨界值，而t值不顯著；那么可認(rèn)為存在多重共線性。 （3）輔助回

5、歸： 將每個解釋變量對其余變量回歸，若某個回歸方程顯著成立，則該解釋變量和其余變量有多重共線性,多重共線性的檢驗,4）方差擴大（膨脹）因子法 為線性相關(guān)系數(shù)的平方 （5）直觀判斷法 增加或者減少一個解釋變量，或者改變一個觀測值時，回歸參數(shù)發(fā)生較大變化。 重要解釋變量沒有通過t檢驗。 有些解釋變量的回歸系數(shù)符號與定性分析的相反,多重共線性的修正（一） 增加樣本容量,增加后，樣本向量有可能不再線性相關(guān)。 這也可以降低觀察誤差，減小估計量的方差，有助于提高估計精度。 但是，增加樣本是比較困難的，也不能根本解決它,多重共線性的修正（二） 直接剔除變量,剔除方差擴大因子最大（大于10）的變量，重新做回歸

6、。若還有多重共線性，繼續(xù)剔除，直到?jīng)]有嚴(yán)重共線性為止。 最好不要剔除理論分析中重要的變量,多重共線性的修正（三）利用先驗信息改變約束形式,先驗信息：在此之前的研究成果所提供的信息。 利用某些先驗信息，可以把有共線性的變量組合成新的變量，從而消除共線性,多重共線性的修正（四）截面數(shù)據(jù)和時序數(shù)據(jù)結(jié)合,有時在時間序列數(shù)據(jù)中多重共線性嚴(yán)重的變量，在截面數(shù)據(jù)中不一定有嚴(yán)重的共線性。 在假定截面數(shù)據(jù)估計出的參數(shù)在時間序列數(shù)據(jù)中變化不大的前提下，可先用截面數(shù)據(jù)估計出一些變量的參數(shù)，再代入原模型估計另一些變量的參數(shù)。 例：銷量與商品價格、消費者收入。P84,多重共線性的修正（五）變換模型形式（差分法,多重共線性的修正（六）逐步回歸法,基本思想： 用逐步