违背基本假定问题PPT课件.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
§ 多重共线性
Multicollinearity
一、多重共线性的概念
1、多重共线性
如果某两个或多个解释变量之间出现了相关性,则称为多重共线性(Multicollinearity)。
perfect multicollinearity
approximate multicollinearity
2、实际经济问题中的多重共线性
产生多重共线性的主要原因:
(1)经济变量相关的共同趋势
(2)滞后变量的引入
(3)样本资料的限制
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
如果存在完全共线性,则(X’X)-1不存在,无法得到参数的估计量。
2、近似共线性下OLS估计量非有效
近似共线性下,可以得到OLS参数估计量,但参数估计量方差的表达式为
由于|X’X|0,引起(X’X) -1主对角线元素较大,使参数估计值的方差增大,OLS参数估计量非有效。
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)
当完全不共线时, r2 =0
当近似共线时, 0< r2 <1
当完全共线时, r2=1,
以二元线性模型 y=1x1+2x2+为例:
恰为X1与X2的线性相关系数的平方r2
由于 r2 1,故 1/(1- r2 )1。
3、参数估计量经济含义不合理
如果模型中两个解释变量具有线性相关性,例如 X2= X1 ,
这时,X1和X2前的参数1、2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。
1、2已经失去了应有的经济含义,于是经常表现出似乎反常的现象:例如1本来应该是正的,结果恰是负的。