第六章 多重共线性PPT幻灯片课件.pptx

使用教材,第六章多重共线性,第六章多重共线性,第六章多重共线性,第六章多重共线性,Econometrics,本章学习重点与难点,第六章多重共线性,Econometrics,第六章多重共线性,Econometrics,6.1.1多重共线性(Multicollinearity)的定义,6.1.1多重共线性(Multicollinearity)的定义,6.1.1多重共线性(Multicollinearity)的定义,6.1.2多重共线性产生的原因,第六章多重共线性,Econometrics,第六章多重共线性,Econometrics,6.2.1完全共线性下参数估计量不存在,6.2.1完全共线性下参数估计量不存在,6.2.2近似共线性造成的影响,6.2.1完全共线性下参数估计量不存在,6.2.2近似共线性造成的影响,6.2.1完全共线性下参数估计量不存在,6.2.2近似共线性造成的影响,6.2.1完全共线性下参数估计量不存在,6.2.2近似共线性造成的影响,6.2.1完全共线性下参数估计量不存在,6.2.2近似共线性造成的影响,6.2.1完全共线性下参数估计量不存在,6.2.2近似共线性造成的影响,第六章多重共线性,Econometrics,第六章多重共线性,Econometrics,6.3.1相关系数检验法(Klein判别法),6.3.1相关系数检验法(Klein判别法),6.3.2法勒格劳伯（Farrar-Glauber)检验,6.3.1相关系数检验法(Klein判别法),6.3.2法勒格劳伯（Farrar-Glauber)检验,6.3.1相关系数检验法(Klein判别法),6.3.2法勒格劳伯（Farrar-Glauber)检验,6.3.1相关系数检验法(Klein判别法),6.3.2法勒格劳伯（Farrar-Glauber)检验,6.3.1相关系数检验法(Klein判别法),6.3.2法勒格劳伯（Farrar-Glauber)检验,6.3.4特征值检验,考察解释变量的样本数据矩阵:,6.3.1相关系数检验法(Klein判别法),6.3.2法勒格劳伯（Farrar-Glauber)检验,6.3.4特征值检验,6.3.1相关系数检验法(Klein判别法),6.3.2法勒格劳伯（Farrar-Glauber)检验,6.3.4特征值检验,6.3.5根据回归结果判断,6.3.1相关系数检验法(Klein判别法),6.3.2法勒格劳伯（Farrar-Glauber)检验,6.3.4特征值检验,6.3.5根据回归结果判断,表6.3.1我国居民家庭电力消耗量与可支配收入及居住面积统计资料,同样，住房面积对电力也有很好的解释作用。作二元回归方程，结果如下：,表6.3.2回归结果,相关系数检验：数组窗口中点击ViewCorrelations，结果如表6.3.3所示：,X1与X2相关系数高达0.963124，两者高度正相关。,表6.3.3相关系数,图6.3.1住房面积与收入之间的关系图,辅助回归模型检验：将住房面积对收入进行回归，住房面积与收入之间存在显著的线性关系。,方差膨胀因子检验,方差膨胀因子VIF110，因此，模型存在严重的多重共线性。,第六章多重共线性,Econometrics,第六章多重共线性,Econometrics,6.4.1保留重要的解释变量，去掉次要的或可替代的解释变量,6.4.1保留重要的解释变量，去掉次要的或可替代的解释变量,6.4.2利用先验信息改变参数的约束形式,6.4.1保留重要的解释变量，去掉次要的或可替代的解释变量,6.4.2利用先验信息改变参数的约束形式,6.4.3变换模型的形式,6.4.1保留重要的解释变量，去掉次要的或可替代的解释变量,6.4.2利用先验信息改变参数的约束形式,6.4.3变换模型的形式,表6.4.1回归结果,6.4.1保留重要的解释变量，去掉次要的或可替代的解释变量,6.4.2利用先验信息改变参数的约束形式,6.4.3变换模型的形式,表6.4.1回归结果,与方程（6.3.8）相比，在对数模型中，收入和住房面积系数在统计上都是显著的，回归模型在整体上也是显著的。说明我们原先设计的线性回归模型是有误的。,表6.4.3回归结果,表6.4.3回归结果,为解决这个问题，我们可以用实际进口额对实际收入进行回归,表6.4.4回归结果,6.4.1保留重要的解释变量，去掉次要的或可替代的解释变量,6.4.2利用先验信息改变参数的约束形式,6.4.3变换模型的形式,6.4.4综合使用时序数据与截面数据,6.4.1保留重要的解释变量，去掉次要的或可替代的解释变量,6.4.2利用先验信息改变参数的约束形式,6.4.3变换模型的形式,6.4.4综合使用时序数据与截面数据,6.4.5逐步回归法,6.4.1保留重要的解释变量，去掉次要的或可替代的解释变量,6.4.2利用先验信息改变参数的约束形式,6.4.3变换模型的形式,6.4.4综合使用时序数据与截面数据,6.4.5逐步回归法,6.4.1保留重要的解释变量，去掉次要的或可替代的解释变量,6.4.2利用先验信息改变参数的约束形式,6.4.3变换模型的形式,6.4.4综合使用时序数据与截面数据,6.4.5逐步回归法,6.4.1保留重要的解释变量，去掉次要的或可替代的解释变量,6.4.2利用先验信息改变参数的约束形式,6.4.3变换模型的形式,6.4.4综合使用时序数据与截面数据,6.4.5逐步回归法,6.4.1保留重要的解释变量，去掉次要的或可替代的解释变量,6.4.2利用先验信息改变参数的约束形式,6.4.3变换模型的形式,6.4.4综合使用时序数据与截面数据,6.4.5逐步回归法,利用相关系数从所有解释变量中选取相关性最强的变量建立一元回归模型。,在一元回归模型中分别引入第二个变量，共建立k-1个二元回归模型(设共有k个解释变量)，从这些模型中再选取一个较优的模型。选择时要求模型中每个解释变量影响显著，参数符号正确，调整的R2值有所提高。,在选取的二元回归模型中以同样方式引入第三个变量；如此下去，直至无法引入新的变量时为止。,6.4.1保留重要的解释变量，去掉次要的或可替代的解释变量,6.4.2利用先验信息改变参数的约束形式,6.4.3变换模型的形式,6.4.4综合使用时序数据与截面数据,6.4.5逐步回归法,6.4.6增加样本容量,6.4.1保留重要的解释变量，去掉次要的或可替代的解释变量,6.4.2利用先验信息改变参数的约束形式,6.4.3变换模型的形式,6.4.4综合使用时序数据与截面数据,6.4.5逐步回归法,6.4.6增加样本容量,6.4.7主成分回归,6.4.1保留重要的解释变量，去掉次要的或可替代的解释变量,6.4.2利用先验信息改变参数的约束形式,6.4.3变换模型的形式,6.4.4综合使用时序数据与截面数据,6.4.5逐步回归法,6.4.6增加样本容量,6.4.7主成分回归,6.4.1保留重要的解释变量，去掉次要的或可替代的解释变量,6.4.2利用先验信息改变参数的约束形式,6.4.3变换模型的形式,6.4.4综合使用时序数据与截面数据,6.4.5逐步回归法,6.4.6增加样本容量,6.4.7主成分回归,第六章多重共线性,Econometrics,第六章多重共线性,Econometrics,案例分析我国旅游市场收入函数,其中，Y全国旅游收入(亿元)；X1国内旅游人数(万人次)；X2城镇居民人均旅游支出(元)；X3农村居民人均旅游支出(元)；X4公路里程(万km)；X5为铁路里程(万km)。,表6.5.119942003年中国旅游收入及相关数据,表6.5.2回归结果,表6.5.2回归结果,相关系数检验,在命令窗口键入：CORYX1X2X3X4X5，输出的相关系数矩阵为,表6.5.3相关系数矩阵,由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实确实存在严重多重共线性。,辅助回归模型检验,建立每个解释变量对其余解释变量的辅助回归模型：,辅助回归模型检验,建立每个解释变量对其余解释变量的辅助回归模型：,辅助回归模型检验,建立每个解释变量对其余解释变量的辅助回归模型：,从以上辅助回归模型中的R2、F统计量的数值可以看出，解释变量X1X2X3X4X5之间存在较为严重的多重共线性。,方差膨胀因子检验,从以上辅助回归模型可知，VIF1=17.9；VIF2=19.2；VIF3=4.4；VIF4=10.9；VIF5=20。明显大于10，解释变量X1、X2、X3、X4、X5之间存在较为严重的多重共线性。,采用逐步回归的办法，去检验和解决多重共线性问题。分别做Y对X1、X2、X3、X4、X5的一元回归，结果如表6.5.4所示。,表6.5.4一元回归结果(被解释变量为Y，下同),其中，含有解释变量X2的回归方程，调整的R2最大，以X2为基础，顺次加入其他变量逐步回归，结果如表6.5.5所示。,表6.5.5加入新变量的回归结果(一),经比较，新加入X4的方程，其调整的R2=0.972，改进最大，而且各参数的t检验显著，选择保留X4，再加入其他新变量逐步回归，结果如表6.5.6所示。,表6.5.6加入新变量的回归结果(二),在X2、X4基础上加入X3后的方程，其调整的R2=0.987明显增大，而且各个参数t检验都显著。加入X1后不仅调整的R2下降，而且X4参数的t检验变得不显著。加入X5后不仅调整的R2下降，X5参数的t检验不显著，甚至X5的符号也变得不合理。,表6.5.6加入新变量的回归结果(二),保留X3，再加入其他新变量逐步回归，结果如表6.5.7所示。加入X1后调整的R2没有改进，而且X1参数的t检验不显著。加入X5后虽然调整的R2略有改进，但X5参数的t检验不显著，并且参数为负值不合理。这说明X1、X5引起严重多重共线