計量經(jīng)濟學第五章多重共線性.ppt_第1頁
計量經(jīng)濟學第五章多重共線性.ppt_第2頁
計量經(jīng)濟學第五章多重共線性.ppt_第3頁
計量經(jīng)濟學第五章多重共線性.ppt_第4頁
計量經(jīng)濟學第五章多重共線性.ppt_第5頁
已閱讀5頁,還剩8頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

第五章 多重共線性,多重共線性的性質(zhì) 多重共線性時的估計問題 多重共線性的實際后果 多重共線性產(chǎn)生的原因 多重共線性的識別 多重共線性的克服,一、多重共線性的性質(zhì),完全多重共線:對解釋變量x1, x2, xk, 如果存在一組不全為0的常數(shù)1、2、 k,使得: 1x1i+ 2x2i+ + kxki=0 非完全多重共線:包括變量間交互相關(guān)情形如下: 1x1i+ 2x2i+ + kxki+i=0,二、完全多重共線的估計問題,以二元回歸為例: 設(shè):x3i=x2i (r23=1) 代入上式:,如果出現(xiàn)完全多重共線,則偏回歸系數(shù)是不確定的,其標準誤是無窮大。,或?qū)3i=x2i 代入原模型:,偏回歸系數(shù)無確定解的含義:無法從所給樣本中將x2和x3的影響分離出來:當x2發(fā)生變化時,x3也按一個倍數(shù)因子改變。,三、多重共線的實際后果,完全多重共線是一種極端情形,非完全多重共線更常見。 非完全多重共線下,OLS估計量仍是最優(yōu)線性無偏估計量,但有如下后果: 估計精度較低 稱為方差膨脹因子 VIF表明:估計量的方差由于多重共線的出現(xiàn)而膨脹起來。 當r23=0.7時,VIF=1.96 當r23=0.9時,VIF=5.76 即: 是r23為零時的5.76倍。 當r23=0.95時,VIF=10.26 即: 是無共線時的10倍。,三、多重共線的實際后果,由于方差膨脹,接受零假設(shè)更為容易,出現(xiàn)多個偏回歸系數(shù)單零t檢驗不顯著。 雖然單零檢驗不顯著,但是聯(lián)合檢驗(F檢驗)卻顯著,總的擬合優(yōu)度也很高。 OLS估計量及其標準誤對數(shù)據(jù)的小變化敏感。,四、多重共線產(chǎn)生的原因,數(shù)據(jù)采集方法:解釋變量取值范圍過??; 模型或從中取樣的總體本身的特點 例:在作電力消費對收入和住房面積的回歸時,一般來說,收入較高的家庭住房面積也較大。 模型設(shè)定問題 如多項式回歸: 一個過度決定的模型: 解釋變量個數(shù)樣本容量,五、多重共線的識別,注意:多重共線是個程度問題,而不是有無問題。 識別方法: R2值高,F(xiàn)檢驗顯著,但顯著t值少。 回歸元間有高度兩兩相關(guān)(充分而非必要條件)。 本征值(eigenvalues)和病態(tài)指數(shù)(condition index),病態(tài)指數(shù)CI在10-30之間,中強多重共線 CI30,嚴重多重共線,五、多重共線的識別,輔助回歸:作每一個xi對其余x變量的回歸,并計算R2,記為 。這種回歸叫輔助回歸,以輔助y對x的回歸。然后計算統(tǒng)計量:,(k-2, n-k+1)的F分布,當Fi顯著時,認為xi與其余的x有共線性。,容許度與方差膨脹因子,經(jīng)驗規(guī)則:VIF10則說該變量是高度共線的。,六、多重共線的克服,1. 橫截面數(shù)據(jù)與時間序列數(shù)據(jù)并用 例如研究汽車需求,假定有銷售量、平均價格和消費者收入的時間序列數(shù)據(jù),模型為:,在時間序列數(shù)據(jù)中,價格和收入變量一般都有高度共線的趨勢。如果作上述回歸時存在高度共線問題,可利用橫截面數(shù)據(jù)估計收入彈性3,因為這些數(shù)據(jù)都產(chǎn)生于一個時間點上,價格還不至于有多大變化。令收入彈性的橫截面估計為 ,原回歸可化為:,六、多重共線的克服,2. 剔除變量:對嚴重多重共線,最簡單的做法之一是剔除共顯著變量之一。但從模型中剔除一個變量,可能導致設(shè)定偏誤。,yt=b1+b12x2t+1t E(b12 ) = 2 + 3 b32 b12是的一個有偏且非一致的估計,無法得到反映x2對y的凈影響的系數(shù)2,yt=1+2x2t+3x3t+t 剔除一變量后變?yōu)椋?六、多重共線的克服,3. 差分法:時間序列數(shù)據(jù)間往往有較強的相關(guān)性,減小相關(guān)性的方法是形成一次差分方程:,雖然x2和x3的水平之可能高度相關(guān),但是,其差分形式相關(guān)程度往往較低。因此,一階差分回歸常能減低多重共線性的嚴重程度。(對于橫截面數(shù)據(jù),一階差分不適用。 差分法的問題:隨機誤差項可能存在序列相關(guān);損失了一次觀測值,因而減少了一個自由度,如果樣本容量本身就不大,這可能會有影響。,六、多重共線的克服,4. 補充新數(shù)據(jù):以二元回歸為例,當r23給定時,增加新樣本,通常可以使 增大,從而減少 的方差,使我們能更準確地估計2。,習題:,現(xiàn)有美國70-83年進口(百萬美元)、GNP(10億美元)和消費者價格指數(shù)(CPI)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論