多重共线性的几点认识

《多重共线性的几点认识》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、多重共线性：可分为完全多重共线性和近似多重共线性“或称高度相关性”检验多重共线性问题是否严重：1.若回归模型的R2值高（如>0.8），或F检验值显著，但单个解释变量系数估计值却不显著；2.若两个解释变量之间的相关系数高，比如说大于0.8，则可以认为存在严重的共线性。对多重共线性本质的认识：1.多重共线性是由变量之间的性质引起的：这一认识沿袭了传统经济计量学对多重共线性的认识，而现代经济计量学否定了这一认识；不管数据以什么形式取得，数据取样是大是小，都会出现解释变量间高度相关问题。2.多重共线性是数据问题引起的：指即使总体诸解释变量没有线性关系，但在具体样本中仍可能有线性关系。当n=2时，两

2、点总能连成一条直线，即时，使性质上原本并不存在线性关系的两个变量，由于样本数据问题产生了共线性；时序解释变量之间几乎肯定会出现谬回归，必然导致多重共线性。线性回归模型解释变量间存在多重共线性可能产生如下后果：1.增大最小二乘估计量的方差；2.参数估计值不稳定，对样本变化敏感；3.检验可靠性降低，产生弃真错误。由于参数估计量方差增大，在进行显著性检验时，t检验值将会变小，可能使某些本该参数显著的检验结果变得不显著，从而将重要变量舍弃。多重共线性的修正：若多重共线性程度较轻微，并不严重影响系数估计值（符号正确，t值显著），则可以忽略多重共线性问题。1.删除不必要的变量2.改变解释变量的形式：差

3、分法，对于时间序列数据而言，若原始变量存在严重的多重共线性，则可以考虑对变量取差分形式，可在一定程度上降低多重共线性的程度3.当模型中有较多解释变量的滞后值，并存在严重共线性时，可以考虑用被解释变量的滞后值代替解释变量的滞后值；以人均形式的变量代替总体变量在某些状况下也可以在一定程度上降低多重共线性的程度