第四章违背经典假设的情况〔多重共线性〕.ppt

*②岭回归法（Ridge Regression） 70年代发展的岭回归法，以引入偏误为代价减小参数估计量的方差，受到人们的重视。 具体方法是：引入矩阵D，使参数估计量为 其中矩阵D一般选择为主对角阵，即 D=aI a为大于0的常数。 （*） 显然，与未含D的参数B的估计量相比，(*)式的估计量有较小的方差。 6、案例——中国粮食生产函数 根据理论和经验分析，影响粮食生产（Y）的主要因素有： 农业化肥施用量(X1); 粮食播种面积(X2); 成灾面积(X3) 农业机械总动力(X4); 农业劳动力(X5) 已知中国粮食生产的相关数据，建立中国粮食生产函数： 1)、用OLS法估计上述模型： R2接近于1； 给定?=5%，得F临界值 F0.05(5,12)=3.11 F=638.4 15.19， 故认上述粮食生产的总体线性关系显著成立。 但X4 、X5 的参数未通过t检验，且符号不正确，故解释变量间可能存在多重共线性。 (-0.91) (8.39) (3.32) (-2.81) (-1.45) (-0.14) 2)、检验简单相关系数 发现： X1与X4间存在高度相关性。 列出X1，X2，X3，X4，X5的相关系数矩阵： 3)、找出最简单的回归形式 可见，应选第1个式子为初始的回归模型。 分别作Y与X1，X2，X4，X5间的回归： (25.58) (11.49) R2=0.8919 F=132.1 DW=1.56 (-0.49) (1.14) R2=0.075 F=1.30 DW=0.12 (17.45) (6.68) R2=0.7527 F=48.7 DW=1.11 (-1.04) (2.66) R2=0.3064 F=7.07 DW=0.36 4)、逐步回归 将其他解释变量分别导入上述初始回归模型，寻找最佳回归方程。 回归方程以 为最优： 5)、结论 当模型存在共线性，将某个共线性变量去掉，剩余变量的参数估计结果将发生变化，而且经济含义有发生变化； 严格地说，实际模型由于总存在一定程度的共线性，所以每个参数估计量并不 真正反映对应变量与被解释变量之间的结构关系。 Company Logo 经世致用 管人悟道 内 蒙 古 大 学 经 济 管 理 学 院 经世致用 管人悟道 内 蒙 古 大 学 经 济 管 理 学 院 经世致用 管人悟道 内 蒙 古 大 学 经 济 管 理 学 院 第四章 经典单方程计量经济学模型：违背经典假设的情况(二、多重共线性） 1、多重共线性的概念 2、实际经济问题中的多重共线性 3、多重共线性的后果 4、多重共线性的检验 5、克服多重共线性的方法 6、案例 二、 多重共线性 1、多重共线性的概念 对于模型 其基本假设之一是解释变量之间是互相独立的。 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)。 如果存在 其中: ci不全为0，则称为解释变量间存在完全共线性（Perfect multicollinearity）。 Company Logo 如果存在 其中ci不全为0，vi为随机误差项，则称为 近似共线性（approximate multicollinearity）或交互相关(intercorrelated)。 在矩阵表示的线性回归模型 中，完全共线性指：秩(X)k+1，即 中，至少有一列向量可由其他列向量（不包括第一列）线性表出。 如：X2= ?X1，则X2对Y的作用可由X1代替。 注意： 完全共线性的情况并不多见，一般出现的是在一定程度上的共线性，即近似共线性。 2、实际经济问题中的多重共线性 一般地，产生多重共线性的主要原因有以下三个方面： （1）经济变量相关的共同趋势 时间序列样本