计量经济学检验.pptx

会计学;一方面，建立一个计量经济学模型要经过四重检验，其中经济意义检验、统计检验、预测检验已讲，这一章主要讲计量经济学检验的范畴。 另一方面，前面讨论了最小二乘估计的优良性质，但都是基于经典假设。如果这些假设不满足，会出现什么问题呢？这一章对其进行分析。;本章内容;多重共线性的概念 多重共线性的后果 多重共线性的检验 克服多重共线性的方法 ;一、多重共线性的概念;1、多重共线性; 如果存在 c1X1i+c2X2i+…+ckXki=0 i=1,2,…,n 其中: ci不全为0，即某一个解释变量可以用其它解释变量的线性组合表示，则称为解释变量间存在完全共线性。; 在矩阵表示的线性回归模型 Y=XB+N中，完全共线性指：秩(X)k+1，即矩阵; 例：有人在建立某地区粮食产量回归模型时，以粮食产量为因变量y，以化肥用量为x1，水浇地面积为x2，农业投入资金为x3等作为自变量。从表面上看到x1，x2，x3都是影响粮食产量的重要因素，可是建立的回归方程效果很差，原因何在呢？;2、实际经济问题中的多重共线性现象; 滞后变量的引入 在计量经济模型中，往往需要引入滞后经济变量来反映真实的经济关系。 例如，消费=f(当期收入, 前期收入） 显然，两期收入间有较强的线性相关性。; 一般经验 对于采用时间序列数据作样本、以简单线性形式建立的计量经济学模型，往往存在多重共线性。 以截面数据作样本时，问题不那么严重，但多重共线性仍然是存在的。;二、多重共线性的后果; 1、完全共线性下参数估计量不存在;第14页/共99页;第15页/共99页;2、近似共线性下普通最小二乘法参数估计量非有效;第17页/共99页;第18页/共99页;第19页/共99页;第20页/共99页;三、多重共线性的检验;由于实际样本数据永远不会是正交的，则多重共线性总是在一定程度上存在的。但是，什么时候多重共线性成为严重的问题呢？也就是受到变量之间交互关系影响促使估计量方差扩散到什么程度时，才能够引起我们的关注呢？ 检验多重共线性的方法主要有：经验判断法、相关系数判断法、条件???判断法、方差膨胀因子判断法、逐步回归判断法等。;1．经验判别法（最常用的方法） 在OLS法下，模型的R2与F值较大，但各参数估计值的t检验值较小，说明各解释变量对Y的联合线性作用显著，但各解释变量间存在共线性而使得它们对Y的独立作用不能分辨，故t检验不显著。 此方法简便易行，因而是实践中最常用的方法，缺点是无法确诊。;2.使用相关矩阵检验 统计软件一般提供各解释变量两两之间的相关系数矩阵，如发现某些相关系数高（绝对值高于0.8），则表明多重共线性存在。但即使解释变量两两之间的相关系数都低，也不能排除存在多重共线性的可能性。 此方法更多被用于只存在两个解释变量的情况。 ;3.VIF检验; 其中，方差膨胀因子定义为： VIF检验的具体步骤如下： ;设原方程为：Y = ?0 + ?1X1 + ?2X2 + … + ?kXk + u 我们需要计算K个不同的VIF，每个Xi一个。为指定Xi计算VIF涉及以下三步： (1) Xi 对原方程中其它全部解释变量进行OLS回归，例如，若i =1，则回归下面的方程： X1 = ?1 + ?2X2 + ?3X3 +… + ?kXk +v (2) 计算的方差膨胀因子(VIF)： 其中Ri2是第一步辅助回归的决定系数。 ; ??(3) 分析多重共线性的程度 VIF越高, 多重共线性的影响越严重。由于没有VIF临界值表，我们只能使用经验法则：有人建议用VIF10作为存在严重多重共线性的标准, 特别在解释变量多的情形应当如此。;4.逐步回归法;四、克服多重共线性的方法 ; 1、第一类方法：排除引起共线性的变量;2、第二类方法：差分法;例如：在中国消费模型中的2个变量：; 进一步分析： Y与C(-1)之间的判定系数为0.9845， △Y与△C(-1)之间的判定系数为0.7456。 一般认为：两个变量之间的判定系数大于0.8时，二者之间存在线性关系。 所以，原模型经检验地被认为具有多重共线性，而差分模型则可认为不具有多重共线性。;3、第三类方法：减小参数估