计量经济学课件06-多重共线性.pptxVIP

Econometrics;本章内容;回顾：多元线性回归模型的基本假设;例——多重共线性的影响;1、经济变量之间往往存在同方向的变化趋势

如在经济上升时期，收入、消费等都增长，当经济收缩期，收入、消费等又都下降。当这些变量同时进入模型后就会带来多重共线性问题。

2、经济变量之间往往存在着密切的关联度

以上两点可以看出：多重共线性往往是难以避免的，只是影响程度的大小有所区分

3、模型中采用滞后变量容易产生多重共线性;1、β的估计值的方差;多重共线性的检验1;多重共线性的检验2;多重共线性的检验3;1、保留重要的解释变量，去掉次要的或可替代的解释变量

2、直接合并解释变量

如果研究的目的是预测全国货运量，那么可以把重工业总产值和轻工业总产值合并为工业总产值，甚至还可以与农业总产值合并，变为工农业总产值。解释变量变成了一个，自然消除了多重共线性。;3、利用已知信息合并解释变量;4、变换模型形式（1）;4、变换模型形式（2）

对于时间序列数据为样本，以直接线性关系为模型关系的形式，可将原模型变换为差分模型

这可以有效消除存在于原模型中的多重共线性。因为一般来讲，增量之间的线性关系比总量之间的线性关系要弱一些。;5、增加样本容量;6、逐步回归法

用被解释变量对每一个所考虑的解释变量做

简单回归。按可决系数大小给解释变量重要性排序。

以可决系数最大的回归方程为基础，按解释变量重要性大小为顺序逐个引入其余的解释变量。这个过程会出现4种情形:;;例1：天津市粮食需求模型（1974-1987）

y：粮食销售量（万吨/年），x1：市常住人口数（万人），x2：人均收入（元/年），x3：肉销售量（万吨/年），x4：蛋销售量（万吨/年），x5：鱼虾销售量（万吨/年）。;y=-3.497+0.125x1+0.074x2+2.678x3+3.453x4–4.49

(-0.1) (2.1) (1.9) (2.1) (1.4) (-2

R2=0.97,F=52.59,DW=1.97

R2=0.97，而每个回归参数的t检验在统计上都不显著，这说明模型中存在严重的多重共线性。;用Klein判别法进行分析。首先给出解释变量间的简单相关系数矩阵。;y=99.613+0.082x2

(15.4)(7.6) R2=0.83,F=57.6

y=74.648+4.893x3;（2）以第一个回归方程y=-90.921+0.317x1为基础，首先把x3引入模型，

y=-39.795+0.212x1+1.909x3

(-1.6) (4.7) (2.6) R2=0.95,F=114

因为R2从0.92增至0.95，且x3的系数通过显著性检验，所以在模型中保留x3。再把x2引入模型，

y=-34.777+0.207x1+0.009x2+1.456x3

(-1.3) (4.3) (0.5) (1.2) R2=0.96,F=70.8

因为x2的引入使各回归系数的t值下降，所以应剔除x2。把x4引入模型，

y=-37.999+0.210x1+1.746x3+0.235x4

(-1.4) (4.4) (1.5) (0.2) R2=0.95,F=69

同理，应剔除x4。;最后把x5引入模型，;;Econometrics