第四章多重共线性1.

为了分析各主要因素对财政收入的影响，建立财政收入模型:其中:CS财政收入(亿元);NZ农业增加值(亿元);GZ工业增加值(亿元);JZZ建筑业增加值(亿元);TPOP总人口(万人);CUM最终消费(亿元);SZM受灾面积(万公顷)数据样本时期1978年-2007年（资料来源：《中国统计年鉴2008》，中国统计出版社2008年版）采用普通最小二乘法得到以下估计结果iiiiiiiiuSZMCUMTPOPJZZGZNZCS6543210财政收入模型的EViews估计结果VariableCoefficientStd.Errort-StatisticProb.农业增加值工业增加值建筑业增加值总人口最终消费受灾面积截距-1.9075480.0459476.4583740.0960220.003108-0.027627-5432.5070.3420450.0427460.7657670.0916600.0428070.0489048607.753-5.5768881.0748928.4338671.0475910.072609-0.564916-0.6311180.00000.29360.00000.30570.94270.57760.5342R-squared0.989654AdjustedR-squared0.986955S.E.ofregression1437.448Sumsquaredresid47523916Loglikelihood-256.7013Durbin-Watsonstat1.654140Meandependentvar10049.04S.D.dependentvar12585.51Akaikeinfocriterion17.58009Schwarzcriterion17.90704F-statistic366.6801Prob(F-statistic)0.000000●可决系数为0.9897，校正的可决系数为0.9870，模型拟合很好。模型对财政收入的解释程度高达98.9%。●F统计量为366.68，说明0.05水平下回归方程整体上显著。●t检验结果表明，除了农业增加值、建筑业增加值以外，其他因素对财政收入的影响均不显著。●农业增加值的回归系数是负数。农业的发展反而会使财政收入减少吗？!这样的异常结果显然与理论分析和实践经验不相符。若模型设定和数据真实性没问题，问题出在哪里呢？模型估计与检验结果分析本章讨论四个问题：●什么是多重共线性●多重共线性产生的后果●多重共线性的检验●多重共线性的补救措施本节基本内容:●多重共线性的含义●产生多重共线性的背景12kλ,λ,...λ()RankkX在计量经济学中所谓的多重共线性(Multi-Collinearity)，不仅包括完全的多重共线性，还包括不完全的多重共线性。在有截距项的模型中，截距项可以视为其对应的解释变量总是为1。对于解释变量，如果存在不全为0的数，使得则称解释变量之间存在着完全的多重共线性。231,,,,kXXX一、多重共线性的含义122330(i1,2,,n)iikkiXXX或者说,当时，表明在数据矩阵中，至少有一个列向量可以用其余的列向量线性表示，则说明存在完全的多重共线性。X231,,,,kXXX实际中，常见的情形是解释变量之间存在不完全的多重共线性。对于解释变量，存在不全为0的数，使得为随机变量。这表明解释变量只是一种近似的线性关系。其中，231,,,kXXX12,,k12233...01,2,...,iikkiiXXXuiniu231,,,kXXX，解释变量间毫无线性关系，变量间相互正交。这时已不需要作多元回归，每个参数j都可以通过Y对Xj的一元回归来估计。回归模型中解释变量的关系可能表现为三种情形：(1)，解释变量间完全共线性。此时模型参数将无法确定。，解释变量间存在一定程度的线性关系。实际中常遇到的情形。(2)(3)0ijxxr1ijxxr01ijxxr＜＜多重共线性产生的经济背景主要有几种情形：1.经济变量之间具有共同变化趋势。（模型中包含的回归元具有相同的时间趋势，它们同时随时间而增减）2.模型中包含滞后变量。（消费水平不仅受当期收入的影响还受前期收入的影响）3.利用截面数据建立模型也可能出现多重共线性。（利用截面数据建模时，许多变量出现共同增长趋势。比如钢铁产量与原材料、劳动力人数、厂房面积、投入资金的回归效果很差）4.样本数据自身的原因。本节基本内容:●完全多重共线性产生的后果●不完全多重共线性产生的后果1.参数的估计值不确定当解释变量完全线性相关时——OLS估计式不确定▲从偏回归系数意义看：在和完全共线性时，无法保持不变，去单独考虑对的影响（和的影响不可区分）▲从OLS估计式看：可以证明此时2.参数估计值的方差无限大OLS估计式的方差成为无穷大：2X3X3X20ˆ0β=2X2X3X2ˆVar()Y如果模型中存在不完全的多重共线性，可以得到参数的估计值，但是对计量经济分析可能会产生一系列的影响。1.参数估计值的方差增大当增大时也增大222222222322311ˆVar()==(1-)(1-)iiσβσxrxr23r^2Var()2.对参数区间估计时，置信区间趋于变大3.假设检验容易作出错误的判断4.可能造成可决系数较高，但对各个参数单独的t检验却可能不显著，甚至可能使估计的回归系数符号相反，得出完全错误的结论。本节基本内容：●简单相关系数检验法●方差扩大（膨胀）因子法●直观判断法●逐步回归法含义：简单相关系数检验法是利用解释变量之间的线性相关程度去判断是否存在严重多重共线性的一种简便方法。判断规则：一般而言，如果每两个解释变量的简单相关系数(零阶相关系数)比较高，例如大于0.8，则可认为存在着较严重的多重共线性。注意：较高的简单相关系数只是多重共线性存在的充分条件，而不是必要条件。特别是在多于两个解释变量的回归模型中，有时较低的简单相关系数也可能存在多重共线性。因此并不能简单地依据相关系数进行多重共线性的准确判断。统计上可以证明，解释变量的参数估计式的方差可表示为其中的是变量(VarianceInflationFactor)，即的方差扩大因子其中是多个解释变量辅助回归的可决系数21VIF=1-jjR222221ˆVar()==VIF1-jjjjjσσβxRxVIFjjXjXˆjβ2jR●方差膨胀因子越大，表明解释变量之间的多重共性越严重。反过来，方差膨胀因子越接近于1，多重共线性越弱。●经验表明，方差膨胀因子≥10时，说明解释变量与其余解释变量之间有严重的多重共线性，且这种多重共线性可能会过度地影响最小二乘估计。1.当增加或剔除一个解释变量，或者改变一个观测值时，回归参数的估计值发生较大变化，回归方程可能存在严重的多重共线性。2.从定性分析认为，一些重要的解释变量的回归系数的标准误差较大，在回归方程中没有通过显著性检验时，可初步判断可能存在严重的多重共线性。3.有些解释变量的回归系数所带正负号与定性分析结果违背时，很可能存在多重共线性。4.解释变量的相关矩阵中，自变量之间的相关系数较大时，可能会存在多重共线性问题。逐步回归的基本思想将变量逐个的引入模型，每引入一个解释变量后，都要进行Ｆ检验，并对已经选入的解释变量逐个进行t检验，当原来引入的解释变量由于后面解释变量的引入而变得不再显著时，则将其剔除。以确保每次引入新的变量之前回归方程中只包含显著的变量。在逐步回归中，高度相关的解释变量，在引入时会被剔除。因而也是一种检测多重共线性的有效方法。本节基本内容:●修正多重共线性的经验方法●逐步回归法岭回归法在本科教学中只是供选择使用的内容。1.剔除变量法把方差扩大因子最大者所对应的自变量首先剔除再重新建立回归方程，直至回归方程中不再存在严重的多重共线性。注意:若剔除了重要变量，可能引起模型的设定误差。2.增大样本容量如果样本容量增加，会减小回归参数的方差，标准误差也同样会减小。因此尽可能地收集足够多的样本数据可以改进模型参数的估计。问题：增加样本数据在实际计量分析中常面临许多困难。3.变换模型形式一般而言，差分后变量之间的相关性要比差分前弱得多，所以差分后的模型可能降低出现共线性的可能性，此时可直接估计差分方程。问题：差分会丢失一些信息，差分模型的误差项可能存在序列相关，可能会违背经典线性回归模型的相关假设，在具体运用时要慎重。4.利用非样本先验信息通过经济理论分析能够得到某些参数之间的关系，可以将这种关系作为约束条件，将此约束条件和样本信息结合起来进行约束最小二乘估计。5.横截面数据与时序数据并用首先利用横截面数据估计出部分参数，再利用时序数据估计出另外的部分参数，最后得到整个方程参数的估计。注意：这里包含着假设，即参数的横截面估计和从纯粹时间序列分析中得到的估计是一样的。6.变量变换变量变换的主要方法：(1)计算相对指标(2)将名义数据转换为实际数据(3)将小类指标合并成大类指标变量数据的变换有时可得到较好的结果，但无法保证一定可以得到很好的结果。（1）用被解释变量对每一个所考虑的解释变量做简单回归。（2）以对被解释变量贡献最大的解释变量所对应的回归方程为基础，按对被解释变量贡献大小的顺序逐个引入其余的解释变量。若新变量的引入改进了和检验，且回归参数的t检验在统计上也是显著的，则在模型中保留该变量。F2R若新变量的引入未能改进和检验，且对其他回归参数估计值的t检验也未带来什么影响，则认为该变量是多余变量。若新变量的引入未能改进和检验，且显著地影响了其他回归参数估计值的数值或符号，同时本身的回归参数也通不过t检验，说明出现了严重的多重共线性。2RFF2R第五节案例分析一、研究的目的要求提出研究的问题——为了规划中国未来国内旅游产业的发展，需要定量地分析影响中国国内旅游市场发展的主要因素。二、模型设定及其估计影响因素分析与确定——影响因素主要有国内旅游人数，城镇居民人均旅游支出，农村居民人均旅游支出，并以公路里程次和铁路里程作为相关基础设施的代表理论模型的设定其中：——第t年全国国内旅游收入23456123456tttttttYXXXXXu2X3XtY4X5X6X年份国内旅游收入Y（亿元）国内旅游人数X2（万人次）城镇居民人均旅游花费X3（元）农村居民人均旅游花费X4（元）公路里程X5（万km）铁路里程X6（万km）19941023.552400414.754.9111.785.9019951375.762900464.061.5115.705.9719961638.463900534.170.5118.586.4919972112.764400599.8145.7122.646.6019982391.269450607.0197.0127.856.6419992831.971900614.8249.5135.176.7420003175.574400678.6226.6140.276.8720013522.478400708.3212.7169.807.0120023878.487800739.7209.1176.527.1920033442.387000684.9200.0180.987.3020044710.7110200731.8210.2187.077.4420055285.9121200737.1227.6193.057.5420066229.74139400766.4221.9345.707.7120077770.62161000906.9222.5358.377.80数据的收集与处理1994年—2007年中国旅游收入及相关数据该模型，可决系数很高，F检验值593.4168,明显显著。但是当时、不仅、系数的t检验不显著，而且系数的符号与预期的相反，这表明很可能存在严重的多重共线性。6X6X0.05OLS估计的结果9956.09973.022RR31.2)614()(025.0